一种轴承故障特征增强分析评估方法、装置、设备及介质与流程

本发明涉及轴承故障诊断，具体涉及一种轴承故障特征增强分析评估方法、装置、设备及介质。

背景技术：

1、随着现代工业科技的发展，机器正逐步代替人工，随之而来的则是机械设备功能越来越齐全，其结构也越来越复杂化。因此，设备的检测与诊断工作尤为重要，对所需技术的要求也越来越高。多数情况下，旋转机械的相关故障将会引起生产停产和产品过度耗损，对经济造成较大影响，而滚动轴承是重型燃机等旋转机械重要的零部件，易损性高。其状态直接影响设备能否正常工作、是否具有安全隐患。因此，对滚动轴承振动信号进行故障识别，增强信号故障特征，确保设备安全可靠的工作，一直都是一个重要课题。

2、滚动轴承在运行过程中，与轴承相连接的零部件产生的振动会相互影响，同时外部严苛的运行环境不可避免地会引入大量的随机干扰噪声，使得故障特征很容易被噪声掩盖，并且轴承微弱故障信号情况下容易被噪声和强故障淹没，出现漏诊现象。从受干扰噪声影响的信号中分离出微弱故障信息实现故障特征的有效提取，为提高滚动轴承故障识别的准确性和可靠性很有必要。

3、现有技术中基于振动信号常用的信号处理技术主要包括：时域统计分析、时域同步平均、相关分析、时间序列模型分析、功率谱分析、倒频谱分析、包络解调分析等。对于平稳信号，常用的为基于傅里叶变换的信号处理技术；但是对于重型燃机的滚动轴承而言，由于轴承故障引起的瞬态冲击响应和外部随机噪声都具有非平稳特性。但是傅里叶变换只适用于平稳、线性的振动信号，而实际采集到的滚动轴承振动信号具有摩擦、冲击、弹性等非线性特征，以及故障时产生较大的振动发生非线性变形，属于非平稳、非线性信号。单纯采用滤波方法包括小波包变换和最小熵解卷积，排列熵方法或者是去噪方法包括经验模态分解等进行故障数据分析时，在轴承故障信号中噪音信号去除不完整，在早期微弱故障频谱分析鲁棒性差。

技术实现思路

1、为解决现有技术中存在的问题，本发明提供了一种轴承故障特征增强分析评估方法、装置、设备及介质，对轴承振动信号进行故障增强分析，解决了上述背景技术中提到的问题。

2、为实现上述目的，本发明提供如下技术方案：一种轴承故障特征增强分析评估方法，包括如下步骤：

3、s1、利用轴承振动传感器采集轴承原始信号数据；

4、s2、通过变分模态分解vmd对轴承原始数据进行信号分解，将信号转化为多个模态分量，得到各模态分量和模态中心频率；

5、s3、根据判断不同模态分量的中心频率是否接近，以中心频率不接近的原则来确定模态个数并得到对应的imf分量信号，将中心频率低于300hz视为接近；

6、s4、计算各imf分量信号与轴承原始信号间的相关系数，基于相关性原理对分解分量进行重构，得到重构信号；

7、s5、通过最小熵解卷积对重构信号进行滤波；

8、s6、对滤波后的信号进行包络谱分析，通过分析包络谱幅值局部最大值对应的频率与故障单倍频和多倍频，对轴承是否发生故障进行评估。

9、优选的，在步骤s2中，变分模态分解前，先设置初始分解模态个数、带宽、噪声容限、迭代误差大小初始值。

10、优选的，在步骤s4中，所述的相关性原理具体是指通过相关系数筛选的准则剔除伪分量，保留相关性大于0.5的imf分量。

11、优选的，在步骤s5中，最小熵解卷积将峭度准则作为目标约束准则，以熵最小原则来最大化峭度准则求解最优滤波器参数，进一步对故障信号进行滤波；

12、目标约束函数为：

13、式中，σ为标准差，μ为均值，x为轴承故障信号

14、式中，σ为标准差，μ为均值，x为轴承故障信号；

15、求解方法为：令k的一阶导为零，定义

16、

17、

18、f＝a-1b

19、其中，b为滤波输入和输出的互相关矩阵，a为输入信号的特普利兹自相关矩阵，f为滤波器参数。

20、另一方面，为实现上述目的，本发明还提供了如下技术方案：一种轴承故障特征增强分析评估装置，所述装置包括：

21、数据采集模块：利用轴承振动传感器采集轴承原始信号数据；

22、变分模态分解模块：通过变分模态分解vmd对轴承原始数据进行信号分解，将信号转化为多个模态分量，得到各模态分量和模态中心频率；

23、模态个数和模态分量获取模块：根据判断不同模态分量的中心频率是否接近，以中心频率不接近的原则来确定模态个数并得到对应的imf分量信号；

24、信号重构模块：计算各imf分量信号与轴承原始信号间的相关系数，基于相关性原理对分解分量进行重构，得到重构信号；

25、滤波模块：通过最小熵解卷积对重构信号进行滤波；

26、包络谱分析模块：对滤波后的信号进行包络谱分析，通过分析包络谱幅值局部最大值对应的频率与故障单倍频和多倍频，对轴承是否发生故障进行评估。

27、另一方面，为实现上述目的，本发明还提供了如下技术方案：一种电子设备，所述电子设备包括：处理器；和存储器，用于存储一个或多个程序；

28、当所述一个或多个程序被处理器执行时，使得所述处理器执行所述的评估方法。

29、另一方面，为实现上述目的，本发明还提供了如下技术方案：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的评估方法。

30、本发明的有益效果是：本发明依据轴承振动传感器采集到的信号数据，采用变分模态分解和最小熵解卷积方法对轴承故障数据进行特征增强。通过变分模态分解对轴承数据进行信号分解，基于相关性原理对分解分量进行重构，建立重构信号；通过最小熵解卷积对重构信号进行滤波，对滤波后的信号进行包络谱分析，对轴承故障的数据分析和判断评估效果更好。

技术特征：

1.一种轴承故障特征增强分析评估方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的轴承故障特征增强分析评估方法，其特征在于：在步骤s2中，变分模态分解前，先设置初始分解模态个数、带宽、噪声容限、迭代误差大小初始值。

3.根据权利要求1所述的轴承故障特征增强分析评估方法，其特征在于：在步骤s4中，所述的相关性原理具体是指通过相关系数筛选的准则剔除伪分量，保留相关性大于0.5的imf分量。

4.根据权利要求1所述的轴承故障特征增强分析评估方法，其特征在于：在步骤s5中，最小熵解卷积将峭度准则作为目标约束准则，以熵最小原则来最大化峭度准则求解最优滤波器参数，进一步对故障信号进行滤波；

5.一种轴承故障特征增强分析评估装置，其特征在于：所述装置包括：

6.一种电子设备，其特征在于：所述电子设备包括：处理器(210)；和存储器(220)，用于存储一个或多个程序；

7.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，所述计算机程序被处理器(210)执行时实现如权利要求1-4中任一项所述的评估方法。

技术总结
本发明属于轴承故障诊断技术领域，具体公开了一种轴承故障特征增强分析评估方法、装置、设备及介质，本发明依据轴承振动传感器采集到的信号数据，采用变分模态分解和最小熵解卷积方法对轴承故障数据进行特征增强。本发明通过变分模态分解对轴承数据进行信号分解，基于相关性原理对分解分量进行重构，建立重构信号；通过最小熵解卷积对重构信号进行滤波，对滤波后的信号进行包络谱分析，对轴承故障的数据分析和判断评估效果更好。

技术研发人员：姜孝谟,贾渝,惠怀宇,赵海心
受保护的技术使用者：大连蓝雪智能科技有限公司
技术研发日：
技术公布日：2024/1/15