[发明专利]一种滚动轴承在线故障检测方法

权利要求书

1.一种滚动轴承在线故障检测方法，其特征在于，具体包括如下步骤：

1)、对旋转机械中的对象滚动轴承在正常运行状态下及不同故障模式下的振动信号进行采样，得到轴承振动信号数据样本，其中，不同的故障模式对应不同的故障类型及严重程度，且在轴承振动信号数据样本中，不同振动信号与不同故障模式一一对应；

2)、从轴承振动信号数据样本中提取振动信号，利用四维联合熵特征与Holder系数特征提取算法，提取任意振动信号中表征故障特征的主导特征向量，并根据不同振动信号与不同故障模式的对应关系，得到各主导特征向量与相应故障模式间的对应关系；

3)、根据主导特征向量与故障模式间的对应关系建立样本知识库；

4)、实时获取当前运行状态下的待诊断滚动轴承的实时振动信号，并利用四维联合熵特征与Holder系数特征提取算法，从实时振动信号中提取实时主导特征向量，基于步骤3)建立的样本知识库，利用灰色关联算法计算实时主导特征向量与样本知识库中各主导特征向量的关联度，通过关联度得到待诊断滚动轴承所属的故障模式。

2.根据权利要求1所述滚动轴承在线故障检测方法，其特征在于，所述步骤2)利用四维联合熵特征与Holder系数特征提取算法，提取任意振动信号中表征故障特征的主导特征向量，具体步骤包括以下：

2.1)、对当前振动信号进行香农熵E1和指数熵E2计算：

设轴承振动信号为f，首先对信号进行采样，将信号离散化为离散信号序列f(n)，n＝1,2,...,N，N表示离散信号的点数，进行FFT变换，即：

j是复数的虚轴，k＝1,2,...,N；

求得信号频谱后，计算各个点的能量：Ek＝|F(k)|2；

计算各个点的总能量值：

计算各个点的能量在总能量中所占的概率比例：

对当前振动信号进行香农熵E1和指数熵E2计算：

E 1 = - Σ k = 1 N p k log e p k , ]]>

E 2 = Σ k = 1 N p k e 1 - p k ; ]]>

2.2)、对当前振动信号进行Holder系数计算：

对FFT变换后的振动信号F(k)，k＝1,2,...,N，进行归一化处理得到Fg(k)；

以矩形信号序列s1(k)和三角信号序列s2(k)作为参考序列，计算处理后的当前振动信号Fg(k)与两个参考信号序列的Holder系数值，计算之前，首先估计当前振动信号F(k)的频率范围，再设置矩形信号和三角信号的频率范围与之相匹配，其后具体计算过程如下：

首先计算处理后的当前振动信号Fg(k)与矩形信号序列s1(k)的Holder系数值H1，即：

其中，p,q是Holder不等式的参数，且p,q＞1，矩形信号序列s1(k)表示为

同理求得处理后的当前振动信号Fg(k)与三角信号序列s2(k)的Holder系数值H2，即：

其中，三角信号序列s2(k)表示为

2.3)、将求得的熵特征值E1和E2与Holder系数特征值H1和H2组成四维联合特征向量，即[E1,E2,H1,H2]，作为当前振动信号的主导特征向量。