[发明专利]一种基于自适应的MED滚动轴承早期故障诊断方法

权利要求书

1.一种基于自适应的MED滚动轴承早期故障诊断方法，其特征在于：该方法包括以下具体步骤：

步骤(1)输入实测信号，设定遗传算法各项参数；

步骤(2)对实测信号进行MED处理，计算TESE指标，利用遗传算法搜寻函数中TESE最优解，得到最佳影响参数L₀；

步骤(3)利用优化后的MED算法对故障信号进行处理，对得到的解卷积信号进一步Teager算子解调，得到解调谱，提取故障特征频率。

2.根据权利要求1所述的一种基于自适应的MED滚动轴承早期故障诊断方法，其特征在于：所述步骤(1)：输入实测信号，设定遗传算法各项参数；

设定的L的范围(1:60)，步长为1；种群大小P＝100，采用二进制编码，长度为10，交叉概率Pc＝0.6，变异概率Pm＝0.001，最大进化代数G＝100，采用轮盘选择算子。

利用遗传算法对MED的影响参数进行优化，其中涉及的关键因素具体包括：

1)初始化：设定遗传算法群种大小P，终止进化代数G，交叉概率Pc和变异率Pc。

2)编码：将参数滤波器长度L进行二进制编码。

3)选择：采用轮盘选择算子。

4)交叉：采用两点交叉，对待交叉的两个个体随机选取两个位置，将两个位置间的部分进行交换，从而得到两个新个体。

5)变异：采用一点变异，对待操作的个体随机选取一个位置进行取反操作。

6)适应值函数：本文用L作为自变量，以TESE为目标函数。

3.根据权利要求1所述的一种基于自适应的MED滚动轴承早期故障诊断方法，其特征在于：所述步骤(2)：对实测信号进行MED处理，计算TESE指标，利用遗传算法搜寻函数中TESE最优解，得到最佳影响参数L₀；

通过对Teager能量算子解调出的包络信号进行FFT变换，即Teager包络谱TES(i)。将Teager包络谱分析与信息熵结合，即Teager包络谱熵：

设由一个离散随机变量X＝{x₁，x₂，…，x_N}所给定的信源，其出现的概率p_i＝p(x_i)，i＝1，2，...，N,且则信源X的信息熵表示为：

其中，定义ln0＝0。

通过对Teager能量算子解调出的包络信号进行FFT变换，即Teager包络谱TES(i)。将Teager包络谱分析与信息熵结合，即Teager包络谱熵：

式中：TES(i)为振动信号{x_i，i＝1，2，…，N}的Teager包络谱；TESE代表Teager包络谱熵，j＝1,..,N。包络谱熵的大小只取决于包络信号的频率分布，而与信号的强弱无关。

4.根据权利要求1所述的一种基于自适应的MED滚动轴承早期故障诊断方法，其特征在于：所述步骤(3)：利用优化后的MED算法对故障信号进行处理，对得到的解卷积信号Teager算子解调，得到解调谱，提取故障特征频率。

MED方法的主要原理通过建立一个逆滤波器来抵消传输路径的影响，轴承冲击信号中混入噪声，叠加形成信号d(n)。x(n)是MED滤波器f的输出信号，通过使x(n)峭度最大化计算出滤波器系数，最终目标是让逆滤波器f恢复原始信号的脉冲。

输出信号x(n)看做是长度为L的有限脉冲滤波器f对传感器信号d(n)作用结果：

对一个时间信号x(t)做Teager能量算子运算后，可得到其瞬时能量信号定义为：

其中，和分别为信号x(t)的一、二阶导数。Teager能量算子ψ可以表达信号的瞬时能量值。对于离散时间信号，可近似表达为：

ψ[x(n)]＝x²(n)-x(n+1)x(n-1)

时间信号x(t)经能量算子运算后得到瞬时能量信号ψ[x(t)]，本质为振动瞬时幅值和瞬时频率二者的平方之积。能量算子能更为有效地突出冲击成分的瞬态特征。