[发明专利]用于检测电机轴承故障的方法及装置

说明书

本公开提供用于检测电机轴承故障的方法及装置，所述方法包括：采集电机轴承的振动信号；使用变分模态分解法将采集的振动信号分解为多个模态信号分量；基于分解的多个模态信号分量来确定所述振动信号的样本熵值；将所述振动信号的样本熵值确定为所述电机轴承的故障特征，以确定所述电机轴承的故障类型。所述装置包括：信号采集单元，采集电机轴承的振动信号；信号分解单元，使用变分模态分解法将采集的振动信号分解为多个模态信号分量；熵值确定单元，基于分解的多个模态信号分量来确定所述振动信号的样本熵值；故障确定单元，将所述振动信号的样本熵值确定为所述电机轴承的故障特征，以确定所述电机轴承的故障类型。

技术领域

本申请涉及故障诊断领域，具体涉及一种基于变分模态分解法(VMD)、样本熵值以及多分类相关向量机实现的用于检测电机轴承故障的方法及装置。

背景技术

近年来，随着现代机械设备的大型化、复杂化发展，设备的正常工作对于保证生产制造过程中的安全、高效等意义重大。电机作为主要驱动设备已成为机械设备或旋转系统不可或缺的部件之一。滚动轴承是电机中最重要的组成部分，轴承故障约占电机故障的50％。轴承故障一旦发生可能导致整个生产线的停工，严重情况下甚至导致工作人员人身伤亡。因此，研究电机轴承故障诊断对于机械传动设备的稳定运行具有重大意义。

现有技术中，轴承故障诊断一般分为以下三步：信号采集、故障特征提取、故障诊断。其中后两步尤为关键。电机轴承故障发生时，机械传动电机复杂的工作环境与工作机理，使得轴承故障的谐波信号一般表现为非平稳、非线性，从而导致故障特征难以准确提取，信噪比较低，进而影响电机轴承故障的状态识别率。现有的各类故障诊断技术(诸如，经验模态分解法(EMD))由于采用了包络求取的方法，因而使得分解得到的信号分量不连续，经多次分解，包络估计误差被放大，分解的信号中存在严重的模态混叠现象，从而导致特征提取不够充分。另外，由于在不同故障状态下进行特征提取之后，现有的各类故障诊断技术通常采用诸如支持向量机(SVM)和相关向量机(RVM)之类的二值分类器来进行故障状态的识别，所以现有的各类故障诊断技术对故障类型的识别比较单一，并且难以对轻微故障以及电机固有缺陷进行准确区分和识别。

因此，迫切需要一种能够克服上述各种缺陷的用于检测电机轴承故障的方法及装置。

发明内容

本发明的目的在于提供用于检测电机轴承故障的方法及装置。

据本发明的一方面，提供一种用于检测电机轴承故障的方法，所述方法包括：采集电机轴承的振动信号；使用变分模态分解法将采集的振动信号分解为多个模态信号分量；基于分解的多个模态信号分量来确定所述振动信号的样本熵值；将所述振动信号的样本熵值确定为所述电机轴承的故障特征，以确定所述电机轴承的故障类型。

优选地，所述电机轴承的故障类型包括以下项中的至少一种：轴承内圈故障、轴承外圈故障和轴承滚动体故障。

优选地，所述使用变分模态分解法将采集的振动信号分解为多个模态信号分量的步骤包括：对采集的振动信号进行希尔伯特解调，并引入拉格朗日乘法算子和二次惩罚因子作为变分约束条件，以获得关于所述振动信号的各个模态信号分量的相应参数的初始解的集合；采用交替方向乘子法对所述初始解的集合进行迭代收敛计算，以获得关于所述振动信号的各个模态信号分量的相应参数的最优解的集合。

优选地，所述确定所述电机轴承的故障类型的步骤包括：使用多分类相关向量机确定所述电机轴承的故障特征的类别；根据所述电机轴承的故障特征的类别来确定所述电机轴承的故障类型。

据本发明的另一方面，提供一种用于检测电机轴承故障的装置，所述装置包括：信号采集单元，采集电机轴承的振动信号；信号分解单元，使用变分模态分解法将采集的振动信号分解为多个模态信号分量；熵值确定单元，基于分解的多个模态信号分量来确定所述振动信号的样本熵值；故障确定单元，将所述振动信号的样本熵值确定为所述电机轴承的故障特征，以确定所述电机轴承的故障类型。