一种基于多维同步最优分解的轴承故障诊断方法实质审查 发明

具体技术细节

法律保护范围

涉及权利要求数量1：其中独权1项，从权-1项

1.一种基于多维同步最优分解的轴承故障诊断方法，其特征在于，其包括：
S1，获取待测轴承的多通道振动信号Xraw＝[x1 x2… xo]，xO]，其中各通道信号为xo＝T
[xo(1) xo(2) … xo(N)] ,o∈O，O为通道数，N为信号的长度，上标T为转置；对所述振动信号进行预处理，包括高频采样、截断和去均值，得到预处理信号；
S2，设定滤波器长度为L，滑动窗口长度为W，预迭代次数为I、目标故障类别数为Q，总模式数量为K，理论故障周期为TQ；
S3，对O个通道信号进行计算，得到O个上包络集合，W为滑动窗口长度；取各组上包络集合的极小值点作为频谱分割集合，得到各通道初始滤波器截止频率集合；基于Hanning窗构建O组通道滤波器组，各组滤波器数量为Ko,o∈O；
所述各通道上包络集合的计算公式如下：
式中：UpEnvo(n)表示第o个通道信号xo计算所得的上包络集合中第n个长度点位置的参T
数值，Yo表示xo的傅里叶频谱，Yo＝[Yo(1)Yo(2)…Yo(N)] ，其中Yo(n)表示Yo第n个长度点位置的参数值，fft为傅里叶函数；
所述各通道截止频率集合的计算公式如下：
式中：[flower,fupper]o表示第o组初始滤波器的下截止频率和上截止频率，FreBoundo表示第o个通道信号上包络集合的极小值点集合，Bo为第o个通道信号上包络集合的极小值点数量，FreBoundo(b)表示第o个通道信号上包络集合的极小值点集合第b个长度点位置的参数值；
S4，令i＝1，j＝1，i∈I，j∈Q，I为预迭代次数，Q为故障类别数；
S5，对i进行判断，若i≤I，则执行S6，若i＞I，则执行S8；
S6，基于Q个理论故障周期计算相关峭度，对所述各通道信号进行滤波，对于各滤波器，均选取所述广义瑞利熵等式中特征值的最大值所对应的分解模式作为最终分解模式；
所述相关峭度计算公式如下：
T
式中：uo,k＝[uo,k(1) uo,k(2) … uo,k(N)] 表示第o个通道的第k个分解模式，o∈O,k∈Ko，uo,k(n)表示第o个通道的第k个分解模式中第n个长度点位置的参数值，M为移位阶数，fo,k为第o个通道的第k个滤波器的向量形式，fo,k＝[fo,k(1) 
T
fo,k(2) … fo,k(L)]，fo,k(l)表示第o个通道的第k个滤波器中第l个长度点位置的参数值，Tj为第j类故障对应的理论故障周期，j∈Q；
式中：RXWX和RXX均为加权相关矩阵，
xo为第o个通道信号，上标H为共轭转
置；
广义瑞利熵等式如下：
fo,kRXWX＝λfo,kRXX；
式中：λ为特征值；
S7，对所有所述滤波器的系数进行调整，令i＝i+1并返回至S5；
S8，对j进行判断，若j≤Q，则执行S9，若j＞Q，则执行S11；
S9，对于各通道所述Ko个最终分解模式，均计算所述最终分解模式的相关峭度，得到Ko个相关峭度；计算保留数量P，选取相关峭度的前P个最大值对应的最终分解模式作为所述最优分解模式；
所述保留数量的计算公式如下：
P＝floor(∑Ko/Q·O)；
式中：floor为向下取整操作，Ko为各通道的滤波器数量，Q为故障类别数，O为总通道数；
S10，令j＝j+1并返回至S8；
S11，计算K个所述最优分解模式两两之间的时域相关系数和频域相关系数，选取二者皆大于0.8的所有最优分解模式组合作为筛选分解模式组合；
所述时域相关系数的计算公式如下：
式中： 和 分别表示第p个所述最优分解模式up的平均值和第q个所述最优分解模式uq的平均值；
2
s.t.S＝abs(fft(u))
式中：S表示所述最优分解模式u的平方包络谱， 和 分别表示第p个所述最优分解模式的平方包络谱Sp的平均值和第q个所述最优分解模式的平方包络谱Sq的平均值；
S12，对所述筛选分解模式组合中的两个最优分解模式进行计算，得到第一包络谱峭度值和第二包络谱峭度值，舍弃包络谱峭度值较小的分解模式，得到K个输出分解模式；
所述包络谱峭度的计算公式如下：
S13，对K进行判断，若K≤Q，则执行S14，若K＞Q，则执行S4；
S14，得到K个输出分解模式，基于K个输出分解模式构建包络谱，基于所述包络谱对待测轴承进行故障诊断。