[发明专利]旋转机械轴承故障诊断方法

说明书

本发明实施例提供了一种旋转机械轴承故障诊断方法，包括：实时采集当前运行状态下的旋转机械轴承的振动信号，并将预设时间段内的多个振动信号作为待检测数据样本；将所述待检测数据样本进行分组，根据分形维数算法计算每组数据的盒维数，并计算盒维数平均值和变异系数；将所述待检测数据样本的盒维数平均值和变异系数分别与标准盒维数和标准变异系数进行比较，以确定所述旋转机械轴承的状态，其中，所述标准盒维数和标准变异系数根据正常运行状态下旋转机械轴承的振动信号计算得到。本发明实施例利用盒维数和变异系数作为特征向量刻画轴承故障状态，其模式描述和区计算简单、分能力强，能精确的监测到故障的发生、可靠性高。

技术领域

本发明涉及机械故障领域，特别是涉及一种旋转机械轴承故障诊断方法。

背景技术

旋转机械轴承作为旋转机械的关键零部件，其工作状态的好坏将直接影响到整台机械设备的工作状态。旋转机械轴承故障是导致旋转机械设备发生故障的主要原因之一，严重时甚至可能导致重大财产损失。因此，为了避免由旋转机械轴承的机械故障，减少经济损失，对轴承进行状态监测从而保证其正常运行非常有必要。

轴承故障状态诊断方法主要有温度法、油样分析法以及振动法等。由于滚动轴承运行状态好坏往往直接体现在振动信号中，且振动信号便于在线测定运行工况，工程上一般采用振动诊断技术监测和诊断滚动轴承状态。如何从非平稳的状态信号中提取故障信息特征形成待检模式，进而进行模式识别或分类，则成了轴承故障诊断的关键。

其中分形特征由于其模式描述和区分能力强、特征参数少而广泛应用于旋转机械的故障诊断。例如申请号为CN201610450617.2中提出了一种基于分形盒维数和自适应灰色关联理论的滚动轴承故障诊断方法，但所采用分形维数作为特征参数静态的刻画轴承失效过程，而轴承振动状态从早期异常到功能失效是一个逐渐劣化的过程，其在轴承全寿命周期内并非平稳的。而且，仅用分形盒维数作为该振动信号的主导特征向量对故障判断可靠性较低，只有严重的故障出现时才可判别，故障判别的精确度低。

发明内容

鉴于上述状况，有必要针对现有技术中旋转机械轴承故障检测可靠性和精确度较低的问题，提供一种旋转机械轴承故障诊断方法。

本发明实施例提供了一种旋转机械轴承故障诊断方法，包括：

实时采集当前运行状态下的旋转机械轴承的振动信号，并将预设时间段内的多个振动信号作为待检测数据样本；

将所述待检测数据样本进行分组，根据分形维数算法计算每组数据的盒维数，并计算盒维数平均值和变异系数；

将所述待检测数据样本的盒维数平均值和变异系数分别与标准盒维数和标准变异系数进行比较，以确定所述旋转机械轴承的状态，其中，所述标准盒维数和标准变异系数根据正常运行状态下旋转机械轴承的振动信号计算得到。

上述旋转机械轴承故障诊断方法，其中，所述将所述待检测数据样本的盒维数平均值和变异系数分别与标准盒维数和标准变异系数进行比较，以确定所述旋转机械轴承的状态的步骤包括：

计算所述待检测数据样本的盒维数平均值和变异系数分别与标准盒维数和标准变异系数的差值，得到第一计算值；

当任意一个所述第一计算值超过对应的误差范围时确定所述旋转机械轴承出现故障。

上述旋转机械轴承故障诊断方法，其中，将所述待检测数据样本进行分组，根据分形维数算法计算每组数据的盒维数，并计算盒维数平均值和变异系数的步骤包括：

将所述待检测数据样本按照第一步长分组得到多个振动信号分析样本；

计算每个所述振动信号分析样本的盒维数，得到盒维数序列；

将所述盒维数序列按照第二步长进行分组得到多个盒维数分析样本，分别计算多个所述盒维数分析样本的平均值和标准方差；