[发明专利]一种基于卷积极大极小凹罚算法的旋转机械故障诊断方法

说明书

本发明公开一种基于卷积极大极小凹罚算法的旋转机械故障诊断方法，包括步骤：步骤S1、采集旋转机械振动加速度响应信号及转速信号，并记录可能存在的故障特征信息；步骤S2、从采集到的数据中截取一段振动信号，以移不变K‑SVD方法从中获取模式；步骤S3、以获取到的模式作为输入，通过卷积极大极小凹罚算法求解稀疏系数，将稀疏系数与模式卷积，得到重构故障特征；步骤S4、分析提取的故障特征信号的时域特征与解调谱特征，确定故障类型，完成故障诊断。本发明提出以卷积极大极小凹罚作为罚函数，不仅改善了现有方法存在的幅值低估问题，而且将算法求解过程从时域转换到频域中进行，极大提高了运算效率。

技术领域

本发明属于旋转机械故障诊断领域，更具体地，涉及一种基于卷积极大极小凹罚算法的旋转机械故障诊断方法。

背景技术

旋转机械服役在复杂多变的环境中，若出现故障将导致严重的后果，因此对旋转机械进行状态监测就显得至关重要。旋转机械的振动响应信号中包含大量的噪声，如何从含噪振动信号中准确而快速地提取出故障特征是机械故障诊断中的一个难题。

谱峭度(Kurtogram)、经验模态分解(Empirical Mode Decomposition,EMD)及卷积稀疏表示(Convolutional Sparse Coding,CSC)等信号处理方法被应用于机械故障诊断中，但仍然方法存在着不足。如谱峭度方法可能导致共振带被错误分割，降低共振带内故障特征的信噪比(丁康,黄志东,林慧斌.一种谱峭度和Morlet小波的滚动轴承微弱故障诊断方法[J].振动工程学报,2014,27(01):128-135.)。经验模态分解方法易造成模态混叠，进而影响特征提取的精度(胡爱军,孙敬敬,向玲.经验模态分解中的模态混叠问题[J].振动.测试与诊断,2011,31(04):429-434+532-533.)。旋转机械局部型故障响应信号表现出卷积特性，可表示为一冲击模式与稀疏系数的卷积，现有的卷积稀疏表示方法能有效地提取出冲击特征(施莹,庄哲,林建辉.基于卷积稀疏表示及等距映射的轴承故障诊断[J].振动.测试与诊断,2019,39(05):1081-1088+1138.)，但此类方法普遍采用l₁正则项作为目标函数的正则项，会系统性地低估冲击特征的幅值，造成无法恢复的误差。

发明内容

本发明的目的是针对现有卷积稀疏表示方法会低估冲击特征幅值的缺陷，提供一种基于卷积极大极小凹罚算法的旋转机械局部型故障诊断方法。该方法以卷积极大极小凹罚作为罚函数，改善了幅值低估问题，此外还将稀疏系数求解过程从时域转换到频域进行，极大提高了运算效率，能准确而高效地提取出故障特征。

本发明至少通过如下技术方案之一实现。

一种基于卷积极大极小凹罚算法的旋转机械故障诊断方法，包括以下步骤：

步骤S1、采集旋转机械振动加速度响应信号及转速信号，并记录可能存在的故障特征信息；

步骤S2、从采集到的数据中截取一段振动信号，以移不变K-SVD方法从中获取模式，模式为一波形呈现冲击衰减特性的向量；

步骤S3、以获取到的模式作为输入，通过卷积极大极小凹罚算法求解稀疏系数，将稀疏系数与模式卷积，得到重构故障特征；

步骤S4、分析提取的故障特征信号的时域特征与解调谱特征，确定故障类型，完成故障诊断。

优选的，所述步骤S1中具体包括：

S11、将三向加速度传感器安装于设备旋转轴承座处，并连接好数据采集仪与便携式计算机；

S12、设置数据采集仪的采样频率为f_s，采集并保存对应的振动加速度时域信号，以光电脉冲编码器采集输出轴的转速信号，根据设备结构分析并记录可能出现的齿轮以及轴承的故障类型，记录由运行工况决定的故障特征频率。

优选的，所述步骤S2具体包括：