[发明专利]一种轴承运行状态的主元分析方法

说明书

技术领域

本发明属于轴承的性能测试应用领域，具体涉及一种轴承运行状态的主元分析方法。

背景技术

当前，振动信号分析方法已被广泛应用于机械设备故障诊断，特别是药用机械设备，轴承是关键部件之一，属于不可损伤部件。从振动信号提取时域、频域和时频域的特征参数也已经被广泛使用，但是多个特征参数的相关性往往又造成分析的困难。实验室轴承故障诊断均以单一故障监控为主，而实际情况是，轴承发生故障是由磨损、损伤或剥落等故障状态共同作用结果，区别在于各故障状态对最终结果所占比例不同而已。

主元分析（Principal Component Analysis, PCA）方法通过变量变换法把相关变量变为少数不相关的主分量来概括原来多个参数的特征，实现了多诊断参数的融合。滚动轴承运行过程属于时变、动态的过程，而采用静态PCA模型显然无法有效监控时变的过程状态。因此更新PCA模型自适应过程状态是很有必要的。另外考虑到振动数据采集时间间隔短，样本序列之间存在时序相关性。综上所述，本专利将动态主元分析方法应用于滚动轴承运行的过程监控领域。

发明内容

本发明要解决的技术问题是提供一种轴承运行状态的动态主元分析方法。

为解决上述问题，发明采用的技术方案包括滚动轴承，滚动轴承上安装加速度传感器，用于采集滚动轴承运转振动信号，该振动信号为模拟信号，通过采集卡进行数模转换为数字信号，即离散信号，再传输至上位机进行数据处理，数据处理过程包括以下步骤 ：

 1）所述上位机接收到一组离散信号为 ，采样点数为，表示当前时刻，为原始监测量，相应得到；

2）在当前时刻下对采集行，形成矩阵，为了适用动态系统的变化过程，不仅采集时刻，而且采集、时刻的矩阵，形成矩阵， ；

3），对该矩阵进行标准化，既，标准化后数据、矩阵仍用、表示，其中为每列的均值，为每列的方差；

4）然后求的协方差矩阵，，为求协方差的符号，接着求的特征值和特征向量，是15阶实对称方阵，所以它的15个特征根都是实数，将其从大到小降序排列为：；

5）令，设主元个数为个，对应的特征向量，剩余个特征值对应着的特征向量为，则数据矩阵可分解为：。其中为残差矩阵，这样将测量空间分解为主元子空间（Principal Component Subspace，PCS）和残差子空间（Residual Subspace，RS）；

6）确定主元个数，即确定，计算，当达到阈值时确定为主元数，实际使用过程中要远少于；

7）通过步骤1）-6）确定动态主元模型，后续按照步骤1）-2）采集第个时刻的过程数据向量，计算，式中是得分矩阵的第行，为的对角阵，为矩阵中的前个对角元素所组成的对角矩阵；

8）计算统计量的控制限可以利用分布按下式计算：，式中是自由度为和，显著水平为的分布临界值；

9）查看是否有超出控制限，超出控制限说明有异常情况发生，应作进一步的检查。

通过本发明的轴承运行状态的主元分析方法，可综合各监测量，对系统整体进行分析，有助于系统化看待每一个量，从整体角度出发，较全面对轴承运行状态进行分析。

附图说明

下面结合附图和具体实施方式对发明作进一步详细的说明。

图1是发明的系统流程图；

图2 表示正常轴承的；

图3表示正常轴承的Q分布；

图4表示正常轴承运行贡献图；

图5表示轴承外圈故障；

图6表示轴承外圈故障Q分布；

图7表示轴承外圈故障贡献图。

具体实施方式

为了准确辨识滚动轴承状态，常采用多种特征参数相结合对轴承进行综合、全面地分析，由于各参数之间的相互关系相对比较明确，使得模型的解释能力比较强。结合主元分析的计算步骤，本发明则以无量纲指标为主元分析的输入参数，波形指标、峰值指标、脉冲指标、峭度指标、裕度指标公式分别为（设有一组离散数据，采样间隔为，采样点数为）：

其中为均方根值、为平均幅值（绝对均值）、为离散信号中最大值、为方根幅值、为峭度。

对药用机械设备用的滚动轴承为研究对象，信号传递的流程见图1所示。

药用机械设备采用滚动轴承，在滚动轴承上安装加速度传感器，用于采集轴承运转振动信号，该振动信号为模拟信号，通过采集卡进行数模转换为数字信号，即离散信号，再传输至上位机进行数据处理，数据处理过程包括以下步骤 ：