[发明专利]一种基于振动信号的滚动轴承智能故障诊断方法

权利要求书

1.一种基于振动信号的滚动轴承智能故障诊断方法，其特征在于，包括：

步骤1、通过前端采集模块采集待测滚动轴承的三向振动加速度信号和转速信号，其中，根据待测滚动轴承的类型及应用设备信息设定缓加速工况，待测滚动轴承从零转速缓慢加速至最大转速，振动时域信号及转速时域信号经过预处理、采样、量化和编码实现数据的采集；

步骤2、通过5G通信传输模块将振动时域信号及转速时域信号实时传输到云端数据处理模块；

步骤3、通过云端分析模块对振动时域信号及转速时域信号进行处理，振动时域信号及转速时域信号经过快速傅里叶变换转换成振动频域信号及转速频域信号，并合成colormap图，colormap图中以频率为横坐标，转速为纵坐标，通过colormap图能够展示共振、阶次、冲击和能量低中高频段分布信息；

步骤4、将colormap图转换成二维灰度图，将二维灰度图进行分块预处理，分块预处理将综合考虑转速和频段信息，分块预处理包括A1区域、横坐标扩展区域和纵坐标扩展区域，其中A1区域是主区域，涵盖不同轴承类型的所有最大转速范围及不同轴承的基础频率范围，是特征对比匹配的核心区域，二维灰度图中，横坐标扩展区域向频率范围扩展，纵坐标扩展区域向转速范围扩展，应对不同最高工作转速轴承的分析诊断工作；

步骤5、建立智能学习模型，分析提取二维灰度图中的特征点信息，进行特征识别，完成数据库样本的故障诊断时特征值检索匹配过程，在训练样本库过程中，当不同滚动轴承所有类型的故障均被训练储存后，将形成完善的云端数据库，不同故障类型被以特征值集合形式保存，待测滚动轴承经过完整的测试、传输和处理过程将形成一套新的特征值，该特征值与数据库中特征值进行检索、匹配从而实现故障的诊断确定。

2.根据权利要求1所述的基于振动信号的滚动轴承智能故障诊断方法，其特征在于：所述步骤1中，使用三向加速度传感器采集轴承端的振动加速度信号，借助编码器采集转速信号，振动加速度信号和转速信号均通过数据采集卡进行驱动。

3.根据权利要求1所述的基于振动信号的滚动轴承智能故障诊断方法，其特征在于：在步骤3中，利用快速傅里叶变换将振动时域信号及转速时域信号转换成振动频域信号及转速频域信号的公式为：

其中：X(k)为傅里叶变换结果，x(n)为时域信号，N为离散信号个数，根据W_n的对称性和周期性可实现快速傅里叶变换。

4.根据权利要求1所述的基于振动信号的滚动轴承智能故障诊断方法，其特征在于：在步骤3中，通过修正的加权平均法将colormap图转化为二维灰度图，在转化过程中，在对代表振动幅值的每个像素值进行规范化处理，转换过程中，加大R和B色的权重，提高转换后特征保留度，转换公式为：

Grey＝a×R+b×G+c×B，a+b+c＝1

其中，R、G、B分别为红绿蓝颜色值，Grey为得到的灰度值，通过修正a、b、c三个权重的数值实现期望变换。