[发明专利]基于LCD与堆叠自动编码器的滚动轴承故障诊断方法

说明书

本发明提出的基于LCD与堆叠自动编码器的滚动轴承故障诊断算法，包括如下步骤：采集滚动轴承的原始振动信号；先用LCD从原始振动信号中筛选出多个ISC分量，将其重构为两个频率段后转成频域信号；然后结合自动编码器提取两个频段信号的初步特征；最后，将两频段信号拼接后输入堆叠自动编码器并通过Softmax分类器进行分类，完成故障诊断。本发明不但能够从海量的数据中自适应的学习故障特征，而且在诊断精度方面优于传统故障诊断算法，可用于大数据环境下的滚动轴承故障诊断。

技术领域

本发明涉及机械设备的故障诊断技术领域，尤其涉及一种基于LCD与堆叠自动编码器的滚动轴承故障诊断方法。

背景技术

滚动轴承在机械设备中应用广泛，一旦损坏会引发机械故障甚至造成安全事故及财产损失。因此，对滚动轴承的状态监测与故障诊断具有十分重要的意义。滚动轴承通常工作于大型机械内部，其信号具有成分复杂、特征能量微弱、非线性等特点，使得故障诊断较为困难。此外，随着机械设备群的规模不断变大、效率不断提高，故障检测设备获得的数据量也急剧增大。因此研究适用于“大数据”背景下的滚动轴承故障检测方法显得非常重要。

发明内容

本发明提供一种基于LCD与堆叠自动编码器的滚动轴承故障诊断方法，用以解决现有的滚动轴承故障诊断方法鲁棒性较低、诊断精度较差的问题。

为了解决上述问题，本发明提供了一种基于LCD与堆叠自动编码器的滚动轴承故障诊断方法，包括如下步骤：

步骤一、采集滚动轴承的原始振动信号S(t)；

步骤二、所述原始振动信号S(t)预处理：将采集的原始振动信号S(t)使用LCD进行分解；把分解得到的多个ISC分量重构为高低两个频率段，并使用傅里叶变转换将每个频率段转换为频域信号；其中，将采集的振动信号S(t)使用LCD进行分解的具体步骤为：

1)确定原始振动信号S(t)的极值点m_k、以及与所述极值点m_k对应的时刻t_k；其中，k＝1，2...，M，M为极值点个数，且M为正整数；

2)根据公式(1)计算任意两个相邻的极值点之间的连线l_k在t_k时刻的函数值A_k，再根据公式(2)计算函数值A_k与t_k时刻的极值点m_k之间的差L_k，式中α的值取0.5；

L_k＝α*A_k+(1-α)m_k (2)

根据公式(3)采用三次样条函数拟合(t_k，L_k)得到均值曲线ml_i1，i为提取第i个ISC分量时拟合的均值曲线，然后将ml_i1从原始振动信号S(t)中分离；

S_i(t)＝S(t)-ml_i1 (3)

3)若S_i(t)满足ISC判据条件，输出S_i(t)并令ISC₁＝S_i(t)，S_i(t)是第一个ISC分量记ISC₁＝S_i(t)，并令i＝i+1，其中i为正整数；否则将S_i(t)代替原始振动信号S(t)，重复步骤1)、步骤2)直到S_i(t)满足ISC条件；