[发明专利]一种基于DS自适应谱重构的滚动轴承故障检测方法

说明书

本发明公开了基于DS自适应谱重构的滚动轴承故障检测方法，该方法包括步骤：采集振动时间信号x(t)为源信号；令轴承振动时间信号x(t)的傅里叶变换为X(f)，并将其细分为最小频谱子集集合；使用改进的DS证据理论创建评价子集函数；使用自下而上的方法利用评价函数作为特征指标对频谱进行重构，寻找最优共振带；对最优共振带进行博里叶反应变换，再进行希尔博特变换；包络谱分析；根据包络谱识别故障特征是否存在明显峰值；若不存在，则轴承正常运转，若存在则表示轴承存在故障，需结束运行。基于DS自适应谱重构的滚动轴承故障检测方法，更加及时、准确地实现滚动轴承故障模式识别及状态监测的特征向量提取方法。

技术领域

本发明涉及一种滚动轴承故障特征提取及模式识别方法，属于机械故障诊断与信号处理技术领域。

背景技术

滚动轴承作为旋转机械的关键部件，广泛应用旋转机械，必须尽早检测到轴承中发生的故障，以避免可能导致生产损失和人员伤亡的机械致命故障。根据获取有效故障信息的途径划分，目前常用的滚动轴承故障诊断方法主要有：温度检测法，油液检测法，声发射方法，油膜电阻诊断法，光纤检测诊断法，间隙测定诊断法以及振动分析方法等。其中，振动分析方法是轴承故障诊断最常用的方法之一，可以有效监测出轴承运行状态。周期性瞬态脉冲是滚动轴承缺陷的关键指标，冲击脉冲对于获取轴承故障的精确信息非常重要，然而瞬时特征也极易受到噪声干扰。

在滚动轴承振动信号中提取出有关故障特征的相关信息，并将其转化为输入智能诊断方法的特征向量，是采用智能方法对滚动轴承进行故障模式识别和运行状态监测的关键。

近年来，为了有效地诊断滚动轴承中发生的故障，研究人员已经广泛研究了不同的信号处理技术，以准确地从振动信号中提取故障特征。谱峭度是振动信号的强大工具之一，近年来，谱峭度对旋转机械的故障诊断给予了相当多的关注。谱峭度指标对冲击信号的变化很敏感，因此常作为故障特征对滚动轴承进行故障诊断。然而谱峭度指标对噪声同样敏感，因此使用谱峭度作为特征的方式经常无法准确的判定故障形式。小波变换法集成和发展了短时傅里叶变换，也常在故障诊断领域使用，但是小波基函数通常需要根据经验来设定，往往不同的小波基函数对模式识别的结果造成很大的差异。传统方法往往将滚动轴承故障模式识别和运行状态监测作为两个单独的问题分别进行处理，进而分别提出不同的解决方法，两者之间没有兼容性，并没有一个统一的特征向量能同时用于滚动轴承的故障模式识别和运行状态监测。传统用于滚动轴承不同故障类型模式识别方法往往是用单个特征向量，如谱峭度，脉冲因子，裕度因子等。但单个特征向量识别精度较低，很难准确的对轴承故障的模式进行判断。

因此，目前急需一种能够及时甚至实时而精确的对滚动轴承进行特征提取和模式识别的算法，以便及时发现运行过程中的问题。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种实现滚动轴承故障模式识别，更加及时、准确地实现滚动轴承故障模式识别及状态监测的特征向量提取方法。

技术方案：本发明提供的一种基于DS自适应谱重构的滚动轴承故障检测方法，所述故障检测方法包括如下步骤：

步骤1.1，在滚动轴承附近安装传感器进行测量，采集振动时间信号x(t)为源信号；