[发明专利]一种基于EEMD多特征融合的轴承复合故障诊断方法

说明书

本发明公开了一种基于EEMD多特征融合的轴承复合故障诊断方法，取出故障轴承安装在MFS机械故障模拟试验台，将试验台连接上位机，上位机通过控制器控制电机转速，选择转速后启动电机，通过加速度传感器采集故障振动信号经过模数转换得到数字信号传输到上位机中。将采集到的轴承故障振动信号通过EEMD不断分解成为多个IMF，计算相关系数得到与原始振动信号相关性强的分量。采用上述方案对轴承复合故障进行模拟仿真，不仅能准确地模拟轴承运行环境以及故障类型，而且能够采用多种特征提取方法，从多方面考量不同特征表征能力，进行多特征融合构建复合故障特征集，全方面表征故障特点，可以有效的改善轴承复合故障难以诊断准确的问题。

技术领域

本发明涉及到风机轴承故障诊断领域，针对故障特征相互耦合，存在特征值重叠问题的问题，提出了一种基于EEMD多特征融合的的滚动轴承复合故障诊断方法。具体是利用由美国SpectraQuest公司制造生产的MFS机械故障模拟试验台对风机轴承故障进行信号采集以及故障诊断模拟仿真，通过EEMD多特征融合算法对风机轴承进行故障诊断，分析实验结果并计算诊断精确度。

背景技术

随着人类科技发展和文明进步，飞行器、舰船、车辆、发电机组等重大机械装备与基础设施的安全服役对国民经济发展和国防建设都具有重要意义。在实际生产中，旋转机械设备故障不但会影响生产效益，严重时还会对工作人员造成不同程度的危害，滚动轴承作为旋转机械的重要组成部分，在大型工业设备中被广泛应用。滚动轴承出现故障将直接影响设备运行甚至是人员伤亡，因而对滚动轴承的故障诊断和检测技术研究就是十分具有现实意义。

工业设备在现场运行时运行工况复杂多变，环境恶劣增加了系统发生故障的次数，一旦产生故障会造成生产线暂停影响设备生产效率，增加生产成本，甚至可能会对现场人员生命以及财产安全造成影响，因此对设备进行预前故障诊断和健康管理是维护设备的基础，提前对设备进行实时且有效的维护对系统安全以及运行可靠具有重要价值。

在进行轴承复合故障诊断时通常存在两个问题导致轴承复合故障类型难以准确识别，一是外部环境环境问题，设备服役现场存在一定的噪声及干扰，导致原始轴承振动信号难以提取特征，故障诊断率降低。二是内部设备运行问题，由于设备受到的负载和摩擦等非线性特性不同，对轴承损耗程度及故障位置不止是单一类型，常常是以复合故障的形式出现，复合故障诊断重点在于提高特征提取能力。

发明内容

本发明针对轴承复合故障诊断中存在的分离特征难得问题，提出基于EEMD多特征融合的轴承复合故障诊断方法，该方法通过采用多种特征提取方法，从多方面考量不同特征表征能力，进行多特征融合构建复合故障特征集，全方面表征故障特点，对于轴承复合故障诊断段效果显著。

一种基于EEMD多特征融合的轴承复合故障诊断方法，其优势在于克服单一特征提取方法表征不完全，无法准确提取复合故障故障特征的缺陷，考虑将动力学方法与时域指标进行特征融合，构建特征向量，增加对复合故障的识别能力。应用MFS机械故障模拟试验台采集轴承多种故障诊断原始振动信号并通过MATLAB对系统进行故障诊断仿真，将故障诊断方法在仿真平台进行实现，通过对比其他故障诊断方法，分析所采取方法的诊断效果。

本发明的主要研究对象为轴承复合故障，控制对象为故障振动给信号。

MFS机械故障模拟试验台示意图如说明书附图1所示。

轴承整体结构示意图如说明书附图2所示。

由美国SpectraQuest公司制造生产的MFS机械故障模拟试验台进行实验。该实验台包括底座、电动机、控制器、传感器、联轴器、旋转轴以及不同故障类型的滚动轴承等组成，滚动轴承整体结构包含外圈、内圈、滚珠以及保持架，本次实验通过更换故障轴承的方式采集多种轴承故障信号。首先将故障轴承安装到故障模拟试验台。然后通过加速度传感器轴承故障振动信号，将采集到的模拟信号通过数据采集模块传递给上位机。将上位机采集到的信号输入到MATLAB仿真平台进行信号处理、建立模型并输出仿真结果。