基于循环相关熵的滚动轴承的故障诊断方法与流程

本发明涉及轴承故障诊断技术领域，尤其涉及一种基于循环相关熵的滚动轴承的故障诊断方法。

背景技术：

滚动轴承在机械工程领域内应用十分广泛，在高强度和高密度的工作条件下滚动轴承具有很高的故障率。因此，通过故障诊断方法对滚动轴承的状态进行监测，实时更换故障轴承以保证机械设备的正常运转就显得尤为重要。

当轴承部件表面发生故障时，在旋转的过程中会与其他部件表面产生撞击，由此产生一系列被调制的冲击信号。这种故障信息分布在信号的某个频段中，如果能通过信号处理方法得到信噪比较高的故障频带信息，故障就能够被检测出来。

因此，基于频带优选的故障诊断方法得到了国内外学者的大量关注。但在实际研究中发现，工程实践中的轴承振动信号往往伴随着大量的非高斯噪声，频带优选算法的稳定性会受到这类非高斯噪声的干扰，导致故障诊断结果不准确。

技术实现要素：

本发明的实施例提供了一种基于循环相关熵的滚动轴承的故障诊断方法，以克服现有技术的问题。

为了实现上述目的，本发明采取了如下技术方案：

一种基于循环相关熵的滚动轴承的故障诊断方法，其特征在于，包括：

分别采集滚动轴承处于不同故障状态下的轴承数据，所述故障状态包括滚动体故障、内圈故障和外圈故障，计算出每种故障状态下的轴承数据的故障特征频率；

对所述轴承数据进行加窗处理，将轴承数据划分成多个数据块，选取高斯核函数作为循环相关熵的核函数，计算出每个数据块的平均循环相关熵，计算出平均循环相关熵的傅里叶变换的均值在f域的傅里叶变换结果；

根据所述傅里叶变换结果在alpha域的投影得出故障信号的频谱分布结果，根据所述故障信号的频谱分布结果和所述每种故障状态下的轴承数据的故障特征频率对轴承的故障类型进行判断。

进一步地，所述的计算出每种故障状态下的轴承数据的故障特征频率，包括：

外圈故障的特征频率的计算公式如下：

内圈故障的特征频率的计算公式如下：

滚动体故障的特征频率的计算公式如下：

fr表示转轴的旋转频率，n表示轴承的滚动体数目，表示载荷径向面夹角，d表示滚动体的直径，d表示轴承内径。

进一步地，所述的对所述轴承数据进行加窗处理，将轴承数据划分成多个数据块，选取高斯核函数作为循环相关熵的核函数，计算出每个数据块的平均循环相关熵，包括：

对采集的滚动轴承处于不同故障状态下的轴承数据x[n]进行加窗，将轴承数据x[n]划分成l个数据块，每个数据块有n个样本点；

选取高斯核函数作为循环相关熵的核函数，根据silverman准则计算每个数据块的循环相关熵的核宽度σ：

x,y表示两个长度相等的随机信号，κ(x-y)表示高斯核函数表；

σ表示循环相关熵的核宽度；

σ＝0.9a*n^-1/5(5)

a表示样本标准差与样本的四分位差除以1.34的最小值，n表示样本点数；

计算每个数据块的平均循环相关熵ml，l＝0,1,2,…,l-1；

τn表示数据块之间的平移间隔；xl[n]表示数据块的原数据，xl[n+τn]表示原数据平移τn后的新数据，κ(xl[n],xl[n+τn])表示计算平移前后两个数据块的相关熵。

进一步地，所述的计算出平均循环相关熵的傅里叶变换的均值在f域的傅里叶变换结果，包括：

基于l个数据块计算时域信号的中心化循环相关熵，并计算中心化循环相关熵在alpha域的傅里叶变换结果alpha域指调制频率，即轴承的故障频率所在的域；

α[n]表示循环频率，g(xl[n],xl[n+τn])表示中心化前平移前后两数据块的循环相关熵，ml表示平均循环相关熵，[g(xl[n],xl[n+τn])-ml表示中心化循环相关熵；

计算l个数据块的平均循环相关熵ml的傅里叶变换的均值

计算均值在f域的傅里叶变换结果t^α；

上面的f域指载波频率，即共振频率所在的域。

进一步地，所述的根据所述傅里叶变换结果在alpha域的投影得出故障信号的频谱分布结果，根据所述故障信号的频谱分布结果和所述每种故障状态下的轴承数据的故障特征频率对轴承的故障类型进行判断，包括：

设定滚动体故障的特征频率为52hz，内圈故障的特征频率为162hz，外圈故障的特征频率为120hz；

根据所述傅里叶变换结果在alpha域的投影得出故障信号的频谱分布结果，当故障信号的频率与滚动体故障的特征频率之间的差值小于设定的阈值，则判断轴承的故障类型为滚动体故障；当故障信号的频率与内圈故障的特征频率之间的差值小于设定的阈值，则判断轴承的故障类型为内圈故障；当故障信号的频率与外圈故障的特征频率之间的差值小于设定的阈值，则判断轴承的故障类型为外圈故障。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例提供的基于循环相关熵的滚动轴承的故障诊断方法根据滚动轴承振动信号循环平稳建模理论，采用核函数映射的方法，将数据从欧几里得空间映射到希尔伯特空间，能够更好地处理在非高斯噪声环境下，可以在滚动轴承信号被冲击噪声干扰的条件下，准确地对滚动轴承的故障类型进行区分，能够更好地满足工程实践的要求。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于循环相关熵的滚动轴承智能故障诊断方法的处理流程图；

图2为本发明实施例提供的一种故障轴承的局部故障如图1所示，其中，滚动体故障(a)、内圈故障(b)和外圈故障(c)；

图3为本发明实施例提供的一种通过试验台的横向载荷施加装置向轴承施加周期性的冲击噪声的示意图；

图4为本发明实施例提供的一种轴承滚动体故障轴承信号的相关熵谱图，箭头表示滚动体故障特征频率的峰值；

图5为本发明实施例提供的一种轴承内圈故障轴承信号的相关熵谱图，箭头表示内圈故障特征频率的峰值；

图6为本发明实施例提供的一种轴承外圈故障轴承信号的相关熵谱图，箭头表示外圈故障特征频率的峰值；

图7为本发明实施例提供的一种基于谱峭度方法分析得到的轴承滚动体故障信号分析：图(a)基于谱峭度的信号分解；图(b)是根据图(a)优选频带结果得到的包络频谱图；

图8为本发明实施例提供的一种基于谱峭度方法分析得到的轴承内圈故障信号分析：图(a)基于谱峭度的信号分解；图(b)是根据图(a)优选频带结果得到的包络频谱图；

图9为本发明实施例提供的一种基于谱峭度方法分析得到的轴承外圈故障信号分析：图(a)基于谱峭度的信号分解；图(b)是根据图(a)优选频带结果得到的包络频谱图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

循环平稳建模方法最初用于医学信号及通信信号的分析与处理，近些年来引入到机械工程领域。循环平稳建模方法极大地促进了滚动轴承故障机理分析及故障诊断效果的提升，该方法通过提取滚动轴承振动信号中的循环周期成分，将故障信号从相对较强的背景噪声以及其它耦合振动干扰信号之中分离出来，实现对轴承的故障诊断。

相关熵是基于核函数的信号相关性度量指数，相关熵基于核方法将原始数据空间映射到高维数据空间，采用满足mercer条件的正定核函数进行信号相似度的运算，相关熵可以保存高阶矩的信息，从而在信号处于非高斯噪声环境下时仍能有稳定的相关性度量表现。因此，相关熵在诸如高阶特征提取，冲击噪声估计，尤其是非线性信号处理等研究中应用广泛。

该实施例提供了一种基于循环相关熵的滚动轴承智能故障诊断方法的处理流程如图1所示，包括如下的处理步骤：

步骤11、获取实验数据：分别采集滚动轴承处于不同故障状态下的轴承数据，该轴承数据包括滚动体故障数据、内圈故障数据和外圈故障数据，在数据采集过中添加周期冲击噪声，根据轴承的技术参数计算轴承的故障频率。

本发明实施例提供的一种故障轴承的局部故障如图2所示，其中，滚动体故障(a)、内圈故障(b)和外圈故障(c)，图3为本发明实施例提供的一种通过试验台的横向载荷施加装置向轴承施加周期性的冲击噪声的示意图。

外圈故障的特征频率的计算公式如下：

内圈故障的特征频率的计算公式如下：

滚动体故障的特征频率的计算公式如下：

fr表示转轴的旋转频率，n表示轴承的滚动体数目，表示载荷径向面夹角，d表示滚动体的直径，d表示轴承内径；

步骤12、对步骤11获取的轴承数据x[n]进行加窗，将轴承数据x[n]划分成l个数据块，每个数据块有n个样本点；

步骤13、选取高斯核函数作为循环相关熵的核函数，根据silverman准则，计算步骤12获取的每个数据块的循环相关熵的核宽度σ；

计算方法如式(5)所示；

x,y表示两个长度相等的随机信号，κ(x-y)表示高斯核函数表，核宽度σ的大小控制高斯核函数的窗宽度，核宽度越大，窗宽度越宽。

σ表示循环相关熵的核宽度；

σ＝0.9a*n^-1/5(5)

a表示样本标准差与样本的四分位差除以1.34的最小值；

n表示样本点数。

基于步骤12得到的l个数据块，步骤13得到的循环相关熵的核宽度σ，计算每个数据块的平均循环相关熵ml，l＝0,1,2,…,l-1，计算公式如(6)所示；

τn表示数据块之间的平移间隔；xl[n]表示数据块的原数据，xl[n+τn]表示原数据平移τn后的新数据，κ(xl[n],xl[n+τn])表示计算平移前后两个数据块的相关熵。

κ(x-y)核函数中的核指的就是核宽度，如式(4)所示。

步骤14、基于步骤12得到的l个数据块，计算时域信号的中心化循环相关熵，并计算中心化循环相关熵在alpha域的傅里叶变换结果alpha域指调制频率，即轴承的故障频率所在的域；

α[n]表示循环频率，g(xl[n],xl[n+τn])表示中心化前平移前后两数据块的循环相关熵，ml表示平均循环相关熵。

中心化循环相关熵的表达式为[g(xl[n],xl[n+τn])-ml，计算中心化相关熵的目的实现循环相关熵的零均值。

步骤15、计算l个数据块的平均循环相关熵ml的傅里叶变换的均值

计算均值在f域的傅里叶变换结果t^α；

上面的f域指载波频率，即共振频率所在的域；

步骤16、提取傅里叶变换结果在alpha域的投影得出故障信号的频谱分布结果，根据上述故障信号的频谱分布结果和步骤11得到的故障特征频率对轴承的故障类型进行判断。

通过理论计算得到的滚动体故障的特征频率为52hz，内圈故障的特征频率为162hz，外圈故障的特征频率为120hz，即三种故障信号对应的频谱中谱峰所在的峰值分别为52hz，162hz，120hz及其倍频。

根据频谱上显示的谱峰值可以对故障类型进行判断。根据所述傅里叶变换结果在alpha域的投影得出故障信号的频谱分布结果，当故障信号的频率与滚动体故障的特征频率之间的差值小于设定的阈值，则判断轴承的故障类型为滚动体故障；当故障信号的频率与内圈故障的特征频率之间的差值小于设定的阈值，则判断轴承的故障类型为内圈故障；当故障信号的频率与外圈故障的特征频率之间的差值小于设定的阈值，则判断轴承的故障类型为外圈故障。上述设定的阈值根据实际情况设定，可以为数值1-5等。

图4-图6分别表示了滚动体故障，内圈故障和外圈故障对应的相关熵频谱示意图，从图中的箭头可以看出，谱峰所在的循环频率值能够与计算得到的理论值相对应，从而验证了本发明所提出的方法能够准确的识别出三种故障状态下的故障频率及其倍频，实现轴承的故障类型诊断。

为了进一步阐述本发明的优越性，通过经典谱峭度分析方法得到的结果与本发明方法对比，滚动体故障，内圈故障和外圈故障信号得到的分析结果如图7-图9所示，可以看出由于冲击噪声的干扰，谱峭度方法选择的频带内信号成分以周期性的噪声为主要频率信息，无法检测出轴承的故障类型。

以图7为例进行具体说明，从图7(a)可以看出谱峭度方法优选得到的频带中心为5866hz，带宽为1066hz，将该频段通过滤波方法滤出并单独进行包络分析得到图7(b),图7(b)与图相比，从频谱图上无法发现明显的故障频率信息，只有周期性的冲击噪声分布在整个频段。

综上所述，本发明实施例提供的基于循环相关熵的滚动轴承的故障诊断方法根据滚动轴承振动信号循环平稳建模理论，采用核函数映射的方法，将数据从欧几里得空间映射到希尔伯特空间，在此基础上计算滚动轴承振动信号的循环相关熵谱，从而实现轴承故障诊断。

与现有的谱峭度方法相比，本发明实施例的方法能够更好地处理在非高斯噪声环境下，可以在滚动轴承信号被冲击噪声干扰的条件下，准确地对滚动轴承的故障类型进行区分，能够更好地满足工程实践的要求。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。