[发明专利]一种基于改进K-SVD的滚动轴承故障冲击信号提取方法及系统

说明书

本发明提供了一种基于改进K‑SVD的滚动轴承故障冲击信号提取方法及系统，用加速度传感器对旋转机械的滚动轴承进行测量，获取振动原始信号y；采用原始K‑SVD算法对原始信号y进行降噪，得到降噪后信号x₁；将降噪后信号x₁添加到原始信号y中得到的增强后信号y+x₁；再次采用原始K‑SVD算法对增强后信号y+x₁进行降噪，得到新的降噪后信号x₂；新的降噪后信号x₂中减去降噪后信号x₁，得到信号x₂‑x₁；采用改进的K‑SVD算法对信号x₂‑x₁进行降噪，得到降噪结果x；以x作为新的x₁，迭代循环步骤S3～S6的操作，达到预设迭代次数时结束迭代循环，得到滚动轴承故障冲击信号。本发明的有益效果是：提高了滚动轴承故障冲击信号的提取精确度，为滚动轴承故障诊断提供依据，具有实用性。

技术领域

本发明涉及机械故障诊断领域，尤其涉及一种基于改进K-SVD的滚动轴承故障冲击信号提取方法及系统。

背景技术

滚动轴承作为关键零部件广泛应用于旋转机械设备。轴承故障可能导致严重的机械设备故障、巨大的经济损失、甚至灾难性的人员伤亡。因此，轴承故障检测具有重要意义。众所周知，当轴承正常元件撞击故障表面时会产生周期性的冲击响应，这些冲击可以视为轴承失效的证据。因此，合适的故障冲击提取方法对轴承故障诊断非常关键。

近年来，稀疏表示方法在机械故障诊断领域得到了相当大的关注。稀疏表示方法旨在通过冗余字典寻找目标信号的最稀疏或近似最稀疏的表示。与基于滤波的方法(例如谱峭度，小波变换和具有滤波器组特性的自适应信号分解方法)相比，稀疏表示方法可以有效地解决频率混叠问题。常用的稀疏表示方法有K-奇异值分解(K-SVD)。然而，在使用原始K-SVD算法提取轴承故障冲击信号时，可能会出现冲击较微弱的情况，这将影响到轴承故障的检测。

发明内容

为了解决上述问题，本发明提供了一种基于改进K-SVD的滚动轴承故障冲击信号提取方法及系统，一种基于改进K-SVD的滚动轴承故障冲击信号提取方法主要包括以下步骤：

S1：控制加速度传感器对旋转机械的滚动轴承进行测量，获取滚动轴承的振动原始信号y；

S2：采用原始K-SVD算法对原始信号y进行降噪，得到降噪后信号x₁；

S3：将降噪后信号x₁添加到原始信号y中，得到增强后信号y+x₁；

S4：再次采用原始K-SVD算法对增强后信号y+x₁进行降噪，得到新的降噪后信号x₂；

S5：将新的降噪后信号x₂中减去步骤S2中得到的降噪后信号x₁，得到信号x₂-x₁；

S6：采用改进的K-SVD算法对信号x₂-x₁进行降噪，得到降噪结果x；

S7：判断当前迭代次数n是否小于预设迭代次数I；若是，则以n+1作为新的n，以x作为新的x₁，回到步骤S3；若否，则到步骤S8；预设迭代次数I大于1；

S8：输出最终的降噪结果，该最终的降噪结果即为提取到的滚动轴承故障冲击信号。

进一步地，步骤S2和S4中，原始K-SVD算法的稀疏编码阶段采用正交匹配追踪算法进行更新原子系数。

进一步地，步骤S2和S4中，原始K-SVD算法的字典更新阶段采用奇异值分解方法进行逐个更新原子。