[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

说明书

本发明公开了一种基于自适应MED滚动轴承早期故障诊断方法，该方法为一种针对轴承外圈早期故障的诊断方法。本发明针对，MED降噪效果受滤波器阶数L影响的问题，研究了轴承的故障机理，提出了一种利用遗传算法和Teager能量算子包络谱熵(TESE)为目标函数的自适应MED降噪方法。首先提出TESE指标，衡量信号的降噪效果；再利用遗传算法优良的寻优特性，以TESE作为目标函数，对MED算法的最佳影响参数进行寻优，通过解调谱提取微弱故障特征。该方法能够对早期微弱故障中的冲击成分进行自适应增强，可有效提取滚动轴承早期故障特征频率信息。

技术领域

本发明属于故障诊断技术领域，涉及一种早期轴承外圈单点故障诊断方法，特别涉及一种基于自适应MED滚动轴承早期故障诊断方法。

背景技术

滚动轴承是机械设备中最常用的零件之一，其运行状态直接影响到整台机器的性能。当轴承出现局部损伤或缺陷时，轻则使设备产生噪音、振动异常，重则损坏设备。实际工程应用中，由于存在振动传输路径复杂多变、工作环境噪声干扰严重、多振动源的激励和响应互相耦合等诸多因素的影响，使得滚动轴承早期故障诊断相对困难。

最小熵反褶积(Minimum entropy deconvolution,MED)是一种自适应系统识别的降噪方法，利用最大峭度值作为迭代终止条件，在提取信号中的冲击成分方面表现出优异的性能，非常适用于强背景噪声下滚动轴承冲击性故障的降噪处理从而突出冲击脉冲。但其降噪结果易受主观选择滤波器长度L的影响。如何选取滤波器长度L是MED降噪的关键，如果MED中滤波器长度选择不当可能会造成解卷积的结果失去意义。因此，解决MED算法参数无法自适应选取问题值得进一步研究。

发明内容

针对MED降噪效果受滤波器长度L无法自动选取的问题，提出一种基于自适应的MED滚动轴承早期故障诊断方法。该方法首先提出TESE指标来衡量信号的降噪效果；再利用遗传算法优良的寻优特性，以TESE作为目标函数，对MED算法的最佳影响参数进行寻优，能够对早期微弱故障中的冲击成分进行自适应增强。

本发明采用的技术方案为一种基于自适应的MED滚动轴承早期故障诊断方法，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。

所述步骤(1)中，输入时间信号，设定遗传算法各项参数。

本方法设定的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。

利用遗传算法对MED的影响参数进行优化，设定遗传算法各项参数。

所述步骤(2)中，对信号进行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；

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：