[发明专利]变转速火车滚动轴承故障特征频率提取方法

权利要求书

1.变转速火车滚动轴承故障特征频率提取方法，其特征在于包括以下步骤：

步骤一、利用短时傅立叶变换方法对变转速轴承振动信号进行时频分析，局部搜索时频能量分布中能量最大的频率点，提取出不同时刻主轴转速对应的瞬时频率；

(1)给定轴承的振动信号x(n)，对其做离散的短时傅里叶变换，具体计算方法是：

其中，w^*(·)表示窗函数的共轭复数，F(k,f)表示信号在分析时间k频率f处的频谱；

(2)通过求时-频分布函数的模平方，可得振动信号的时-频能量分布P(k,f)＝|F(k,f)|²；

(3)采用局部峰值搜索方式，获取主轴的瞬时频率f，具体方式是：截取轴承实际变速运转过程中相对平稳的时间窗进行分析，估计每个时间窗内理论转频值，假设t₀时刻转频估计值为f₀,估计误差Δf,则以区间[f₀-Δf,f₀+Δf]的最大值作为该时刻的转频跟踪值，同时作为下一时刻的频率估计中心的更新值；需要说明的是，算法不限定转频的基频特征，若是转频成分能量较小，则搜索能量较高的转频高次谐波进行跟踪，然后换算为转频的基频；照此方法逐步搜索，直到搜索完所有时间，获取主轴的实时瞬时频率；

步骤二、设计BP(Back Propagation)神经网络的瞬时频率拟合模型，计算火车滚动轴承主轴的实时转速；

(1)建立三层神经网络模型，其中，输入层的神经元数为1，以离散时间点作为输入向量；输出层神经元数为1，以离散时间点对应的瞬时频率作为训练函数的目标向量；隐含层的神经元数，可根据下面的经验公式得到：

其中，β为无量纲的修正参数，β＝1～10，p为输入神经元数，q为输出神经元数；根据隐含层神经元数的取值范围，设计可变的BP神经网络模型，通过误差比较最终确定隐含层神经元的数量；

(2)以均方误差函数作为神经网络计算结果与期望输出之间的偏差，计算方法如下：

其中，分别表示k时刻神经网络计算得到输出频率值和理想输出频率值；若误差J小于给定的最小正数,则神经网络训练结束，从而得到时间-瞬时频率曲线；

(3)依据轴承主轴转速r与瞬时频率f之间关系:r＝60*f，以及时间-频率曲线，可计算得到轴承的实时转速；

步骤三、依据轴承的实时转速信息，对振动信号进行等角度的重采样，将原始信号变换到角度域的平稳信号；

步骤四、采用固定点独立分量分析方法，对混合阶比信号进行分离；

步骤五、采用谱峰搜索处理分离信号，获得故障部件阶比分量特征，具体方法是：

利用短时傅里叶变换进一步分析分离信号，通过谱峰搜索找出分离信号中能量最大的分量，记录其瞬时频率，然后根据频率信息对信号进行重构，去除能量低的其他信号分量，提取所需信号分量，获得故障部件的阶比分量特征。