[发明专利]基于级联多稳随机共振和EMD的滚动轴承故障检测方法

说明书

技术领域

本发明涉及滚动轴承故障诊断技术领域，特别是一种基于级联多稳随机共振和EMD的滚动轴承故障检测方法。

技术背景

滚动轴承是应用最广泛的机械零件之一，同时也是机械设备中最容易损坏的元件之一，它的运行状况直接影响整台设备的功能。据不完全统计，在使用滚动轴承的旋转机械中，大约有30％的机械故障都是由轴承引起的。轴承产生故障的原因有疲劳剥落、磨损、塑性变形、锈蚀、断裂、胶合以及保持架损坏等。如果不及时诊断轴承早期故障，将导致机器设备产生严重故障，从而造成巨大的经济损失。因此，诊断出轴承的早期故障特征对避免严重故障的发生，保证机械设备的正常运行有着重大的现实意义。然而，早期故障的特征本身是很微弱的，实现早期故障微弱特征的提取极具挑战性。

在轴承故障诊断领域，利用现代信号处理方法对轴承故障进行处理，从含有噪声的信号中准确提取故障特征信号，是当前故障诊断的热点之一。现有特征提取方法大多是从消除噪声的角度出发来检测故障特征，已经在微弱特征提取和故障诊断中表现出了优良的特性，然而对于噪声重度污染的微弱特征信号，一味的降噪虽然在一定程度上降低了噪声，但也削弱了特征信号，效果不理想。

随机共振是一种利用噪声来增强微弱信号的新理论，它是以噪声为媒介引起微弱周期信号与非线性协同作用的非线性现象，已作为一种微弱特征提取方法，应用到微弱信号检测领域。与传统方法相比，它在削弱噪声的同时强化微弱特征，提高信噪比，实现微弱信号的检测。然而，只有在输入信号、噪声和非线性系统之间满足一定的匹配条件，才能产生随机共振现象，实现微弱特征的提取。

实际在处理信噪比极低的微弱信号时，单一随机共振的效果并不能达到我们的预期目标，会对诊断结果的准确性造成一定的影响。

发明内容

本发明克服上述现有技术的不足，提供一种基于级联多稳随机共振和EMD的滚动轴承故障检测方法，本发明的技术方案如下：

一种基于级联多稳随机共振和EMD的滚动轴承故障检测方法，该方法基于一种级联多稳随机共振系统，所述级联多稳随机共振系统包括多个多稳随机共振系统，其中，第一级多稳随机共振系统的输出作为第二级多稳随机共振系统的输入，第二级多稳随机共振系统的输出作为第三级多稳随机共振系统的输入，以此类推，最后一级多稳随机共振系统的输出为级联多稳随机共振系统的输出；该方法内容包括以下步骤：

(1)计算待诊断机械设备的故障特征频率，提取待诊断机械设备的振动数据作为级联多稳随机共振系统的输入，级联多稳随机共振系统的输出作为与振动数据相应的振动数据结果；对提取的振动数据结果进行傅里叶变换，得到原始信号的频谱，并确定频谱中所含的频率成分；

(2)对多稳随机共振系统的参数进行最佳选取，将振动信号引入一个级联多稳随机共振系统；所述多稳随机共振系统通过Langevin方程dx/dt＝-dU(x)/dx+s(t)+η(t)进行描述；

式中，U(x)为多稳随机共振系统势能函数，其中a、b、c为参数；s(t)为微弱信号；η(t)是均值为0、方差为1、强度为D的白噪声；调节其参数a、b、c使其与输入振动信号达到最佳匹配并且伴随出现随机共振现象；

(3)对级联多稳随机共振系统的每一级输出信号进行傅里叶变换，取其频谱，观察每一级频谱中是否有故障特征频率成分；为使提取特征信号的过程更加明确，对每一级多稳随机共振系统的输出进行傅里叶变换，观察其频谱中的频率成分；

(4)将级联多稳随机共振系统最后一级的输出作为级联多稳随机共振系统的输出，对系统输出进行经验模式分解，提取各个信号中含有的且与预知的故障特征频率相符频率成分，根据经验模式分解结果判断该滚动轴承是否存在故障以及发生故障的部位。

在步骤(4)中，所述将级联多稳随机共振系统最后一级的输出作为级联多稳随机共振系统的输出，对系统输出进行经验模式分解，其经验模式分解的过程包括如下步骤：

a、将原始信号分解为有限个本征模函数：式中，x(t)表示原始信号；c_i表示第i个本征模态函数分量；r_n(t)为提取n个模式分量之后的残余量；

其中每一个基本模式分量代表了原始信号中包含的不同时间尺度的特征信号，也就是一个渐进的单频信号，残余量代表了原始数据中的趋势量信息；

b、将分解出来的本征模函数进行Hilbert变换，得到时-频联合谱图，x(t)的Hilbert变换可以表示为x(t)与1/πt的卷积：式中，ρ.ν.表示取积分的主值。