[发明专利]一种深沟球滚动轴承内圈故障劣化状态识别方法及系统

说明书

本发明公开一种深沟球滚动轴承内圈故障劣化状态识别方法及系统。本发明基于滚动轴承内圈故障劣化过程中采集的振动加速度时间序列信号，通过分别对振动响应序列信号采用非线性和线性自回归各态历经时间序列模型进行辨识，再计算两种模型之间响应的最小二乘积分误差得到非线性估计值，能够对机械系统退化状态特征进行评估，具有计算步骤简单、容易实现、结果准确等优点。

技术领域

本发明涉及机械系统状态监测与评估技术领域，特别是涉及一种深沟球滚动轴承内圈故障劣化状态识别方法及系统。

背景技术

滚动轴承是现代机械系统中大量使用的机械零件，其运行状态是否正常往往直接影响到整台机器的性能，例如精度、可靠性及寿命等。为了实现预知维修保证滚动轴承正常运行，需要提早地发现轴承故障劣化程度，所以对滚动轴承内圈故障劣化状态识别研究具有重要的价值。据统计，滚动轴承故障在机械设备故障中占有很大的比例，而各种轴承失效中内圈或外圈裂纹占失效总数的比例很高。在正常工作条件下，由于受到载荷、安装、润滑状态或轴承工作条件恶劣等因素的影响，滚动轴承运转一段时间后将会产生故障，大部分可归结为轴承元件表面的劣化，进而使振动加剧。初始阶段故障程度较为轻微，继续运行中故障会进一步劣化，使其运转状态逐渐恶化以至完全失效。

目前滚动轴承故障劣化识别方法中，第一种是经典的参数统计估计方法，这种方法有很大的局限性。第二种方法是智能识别方法，如人工神经网络和支持向量机。该方法克服了传统参数估计方法的困难，能自适应地学习和调整网络的大小。但是它需要大量的典型故障数据样本或经验知识，而在工程实际当中，一般很难获得大量典型的故障样本。目前滚动轴承的运行状态监测与故障诊断技术在诊断信息的处理与分析、故障类型的识别等方面已经取得了很大的进步，但是对滚动轴承的故障程度估计以及劣化状态和趋势预测方面的研究所做的工作还较少。现有的振动法退化状态识别技术一般基于线性模型的假设，或者把非线性模型线性近似化，这种方法在某一些具有弱动力学行为的机械系统上应用是可行的，但对具有强非线性动力学行为的滚动轴承出现较大的误差。而随着机械系统高速化、轻量化等趋势的发展，含故障滚动轴承运行时将出现非线性动力学行为或者其动力学行为非线性程度变得更高，基于非线性理论对滚动轴承劣化状态进行识别是未来的趋势之一。

发明内容

本发明的目的是提供一种深沟球滚动轴承内圈故障劣化状态识别方法及系统，能够简便、快捷且精确的实现深沟球滚动轴承内圈故障劣化状态识别。

为实现上述目的，本发明提供了如下方案：

一种深沟球滚动轴承内圈故障劣化状态识别方法，包括：

在含有内圈故障深沟球滚动轴承稳定转速运行状态采集设定时长的振动加速度时间序列信号；

对所述振动加速度时间序列信号进行去噪处理，得到去噪后振动响应序列信号；

对所述去噪后振动响应序列信号进行辨识，得到描述所述振动信号的辨识非线性时间序列模型；

根据所述辨识非线性时间序列模型所用的去噪振动响应时间序列信号，建立对应所述辨识非线性时间序列模型结构的最优线性时间序列模型，所述最优线性时间序列模型为单输入单输出；

根据所述最优线性时间序列模型和所述非线性时间序列模型，确定非线性估计值；

根据所述非线性估计值识别深沟球滚动轴承内圈故障劣化状态。

可选的，所述对所述振动加速度时间序列信号进行去噪处理，得到去噪后振动响应序列信号，具体包括：

对所述振动加速度时间序列信号采用小波等滤波算法进行去噪处理，得到去噪后振动响应序列信号。

可选的，所述对所述去噪后振动响应序列信号进行辨识，得到描述所述振动信号的辨识非线性时间序列模型，具体包括：