[发明专利]一种艇用离心泵滚动轴承故障诊断方法

说明书

本发明涉及一种艇用离心泵滚动轴承故障诊断方法，包括质量效应优化、调谐效应优化和混抵效应优化，质量效应优化为将非扰动设备刚性安装在浮筏隔振系统的中间筏架上；调谐效应优化为将非动力设备或不工作的备用动力设备采用弹性安装方式固定在中间筏架上，做为筏架的动力吸振器；混抵效应优化为将两个以上的同时运行的动力设备弹性安装在中间筏架上；分别针对上述三个效应提出不同的设备成组、不同安装形式方案，以安装基座振动控制效果为目标，开展方案优选，形成总体最优应用隔振方案。本发明合理利用好浮筏质量、调谐及混抵效应，以最小的附加重量和空间代价实现最大的隔振效果。

技术领域

本发明属于故障诊断的技术领域，特别涉及一种艇用离心泵滚动轴承故障诊断方法。

背景技术

离心泵作为常用的液压泵，其在船舶、核电、水利机械中有着广泛的应用，尤其是对水 下装备，作为疏排水和供油的重要设备，一旦离心泵发生故障，可能会对整个设备产生严重 影响，甚至有带来设备报废的危险。滚动轴承作为离心泵的重要部件，其作用是支承离心泵 主轴旋转，一旦滚动轴承发生故障，会造成主轴偏心、卡死等故障，从而引起离心泵的停机。 据统计，离心泵故障的30％以上往往是由于滚动轴承故障产生的，因此针对离心泵的滚动滚 动轴承进行诊断具有重要的意义。

由于轴承振动信号相对于电流、流量等缓变信号会表现出非线性非稳态的特点，并且振 动信号中包含大量的、复杂的、难以提取的信息，利用振动信号进行诊断也是故障诊断研究 中的难点，传统的基于傅里叶变换的信号分析方法只能处理线性和平稳信号，而滚动轴承信 号的非平稳、非线性的特点，使得傅里叶变换存在一定的局限性。针对上述问题，专家学者 发明了多种时频联合分析方法，如短时傅里叶变换(Short-time FourierTransform,STFT)、 Wigner-Ville分布(Wigner-Ville Distribution,WVD)、小波变换(Wavelet Transform,WT)、 希尔伯特黄变换(Hilbert-Huang Transform,HHT)等，但是STFT的时频窗口是固定不可调 的，WVD得到的时频分布图存在交叉项的干扰，WT母小波的选择和分解层数等不具有自适应 性，并且需要提前获取分析信号的先验知识，HHT作为一种新的自适应的时频分析方法，虽 然实现了信号的自适应分解，但分解过程中会产生拟合误差、模态混叠和端点效应等，经验 模态分解(Empirical Mode Decomposition,EMD)和局部均值分解(Local Mean Decomposition, LMD)也有计算量大、频率混淆和平滑次数的选择等问题。

发明内容

本发明的目的在于针对上述技术需求而提供一种艇用离心泵滚动轴承故障诊断方法，通 过局部特征尺度分解对降噪后的离心泵滚动轴承振动信号进行自适应分解得到若干个内禀尺 度分量，然后提取各内禀尺度分量的样本熵作为监测振动信号的故障特征，最后通过构建多 棵决策树来建立随机森林分类器对不同的离心泵滚动轴承故障进行诊断，从而获得诊断结果。

为了实现上述目的，本发明采用如下技术方案：一种艇用离心泵滚动轴承故障诊断方法， 其特征在于：首先采用小波降噪的方法对振动信号进行降噪处理，然后采用局部特征尺度分 解对降噪后的振动信号进行时频分析，获取各故障模式信号的内禀尺度分量，之后提取各内 禀尺度分量的样本熵作为振动信号的故障特征，在故障诊断时，利用提取的各故障模式内禀 尺度分量的样本熵对随机森林进行训练，并利用Bagging的方式随机抽取训练样本对决策树 进行训练，建立多棵决策树，然后利用训练好的随机森林对测试数据进行诊断测试，从而获 得故障诊断结果。

按上述方案，所述小波降噪具体包括如下步骤：

S1)信号分解：选定小波函数和分解层数j，对信号进行j层小波分解；

S2)小波细节系数去噪：对于每一层小波，设定一个阀值，对细节系数进行阀值处理；

S3)信号重构：基于第j层的原始概貌系数和第1层到第j层修正的细节系数，进行信 号的重构。