[发明专利]基于参数自适应VMD及快速Hoyer谱图指标的滚动轴承诊断方法

说明书

本发明涉及机械信号处理与故障诊断领域，公开了一种基于参数自适应VMD及快速Hoyer谱图指标的滚动轴承诊断方法，以提高传统快速峭度图在故障诊断中的鲁棒性，实现机械故障的准确诊断。本发明利用包络熵作为适应度函数，通过优化算法自适应获得与待分析信号匹配的VMD参数，从而获得信号各模态中心频率；随后通过尺度空间表示平滑频谱，得到各模态中心频率间的频率分界点；最后对频谱进行树状分割，并用Hoyer指标评估各频带包含故障信息的丰富程度，选取最有滤波频带进行包络谱分析，进而实现机械故障特征提取与故障诊断。

技术领域

本发明属于与信号处理领域，具体涉及一种基于参数自适应VMD及快速Hoyer谱图指标的滚动轴承诊断方法。

背景技术

滚动轴承是旋转机械中应用最为广泛的零部件之一，复杂的工作环境和长时间的交变载荷极易使轴承产生故障，若不及时采取维护措施极易引发重大安全事故。对轴承运行状态进行实时监测是保证高端机械装备正常运行的必要环节，也是提高机械设备运行安全性、稳定性、可靠性的重要手段。因此，对于滚动轴承的状态监测和故障诊断具有重要意义。滚动轴承发生故障时会产生周期性脉冲信号，但早期轴承故障信号较微弱且易被传动系统中其他部件的振动信号掩盖，因此需要将有效信号从噪声中分离出来。

快速峭度图作为一种常用的降噪滤波方法，长期被应用于滚动轴承故障诊断领域，但因其使用了峭度指标导致其易受到轴承信号中异常冲击的影响，因而鲁棒性不强；且快速峭度图对轴承信号的频谱均匀划分，造成滤波中心频率和滤波带宽的选取相互限制，容易造成滤波频带计算不准确的情况，导致计算的滤波频带无法包含足够的故障信息，无法成功诊断滚动轴承的故障类型。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于参数自适应VMD及快速Hoyer谱图指标的滚动轴承诊断方法，基于参数自适应的VMD确定信号各个模态的滤波中心频率，利用尺度空间表示平滑信号频谱并在各滤波中心频率之间确定极小值点以作为滤波频带边界，参照快速峭度图中的1/3-二进滤波组分割方式对频谱进行进一步划分后利用Hoyer指标评价各滤波频带包含故障信息的程度，选取包含最丰富故障信息的频带进行带通滤波，最后通过包络谱提取轴承故障特征频率。它能提高谱图的稳定性，克服了现有及技术的不足，实现机械故障的准确诊断。

为达到上述目的，本发明采用如下技术方案来实现的：

基于参数自适应VMD及快速Hoyer谱图指标的滚动轴承诊断方法，包括以下步骤：

步骤1：利用振动加速度传感器采集轴承振动信号；

步骤2：采用微分搜索算法对VMD的参数中的惩罚项参数α和分解层数K进行优化，确定步骤1中所采集信号的模态数；

步骤3：根据步骤2确定的参数对步骤1中采集到的轴承信号进行VMD分解，确定各个模态的中心频率；

步骤4：利用尺度空间表示计算滤波频带边界，并利用1/3-二进滤波组构造各个滤波频带；

步骤5：利用Hoyer指数评价步骤4中各个频带包含轴承故障信息的丰富程度，选取Hoyer指数最大的频带进行带通滤波，并对带通滤波后的信号进行包络谱分析以提取轴承故障特征频率。

本发明进一步的改进在于，步骤2，具体实现方法如下：

步骤2.1：设定VMD中参数α和K的搜索范围；

步骤2.2：设定DS算法的适应度函数；

利用DS算法搜寻最优的分解参数时，设定一个适应度函数；将信号分解后的包络信号序列p_j的熵值作为适应度值，优化目标为分解后的某一分量包络熵值最小，对于给定信号s(t)，其包络熵值E_p表示如式(1)和式(2)所示：