[发明专利]一种滚动轴承多通道故障特征提取方法

说明书

本发明公开了一种滚动轴承多通道故障特征提取方法，首先使用FMVMD方法来对多通道信号进行分解获得多个本征模态分量(IMF)；其次，通过建立有效权重峭度指标(EWK)来筛选敏感分量进行信号重构；最后，利用SSA‑MOMEDA算法对重构信号进行降噪，包络解调完成滚动轴承故障特征的提取。本发明能有效提取出滚动轴承故障特征频率，对保证设备的正常运行有着重要的意义。

技术领域

本发明属于机械故障诊断技术领域，具体涉及一种基于FMVMD 与SSA-MOMEDA的滚动轴承多通道故障特征提取方法。

背景技术

滚动轴承是旋转机械设备中最重要且最易受损的关键部件之一，经常运行于高速、重负载的复杂工况环境下，其健康与否将直接影响整台机械设备的工作状态，轻则造成代价高昂的停机时间，严重时可能引起人员伤亡。因此，保证旋转器械的正常运行，有效提取滚动轴承的故障特征评估轴承运行状态至关重要。

目前大部分的特征提取方法都是针对单通道信号进行研究的，然而多通道信号存在更多的故障信息，更能全面表征滚动轴承的运行状态。因此，使用MVMD方法对滚动轴承多通信号进行分解，但MVMD 在使用前需对分解模态数K和惩罚因子а进行预设值。模态数K太小会导致多通道信号分解结果不完全，故障信息被遗漏，相反，模态数 K太大会导致过分解；而惩罚因子а则直接影响着模态分量的带宽。所以提出FMVMD方法对MVMD的参数进行自适应选择。

此外，提出有效权重峭度指标对敏感IMF分量进行筛选和重构，并通过SSA-MOMEDA算法对重构信号进行故障特征增强，完成滚动轴承故障特征提取。

发明内容

本发明要解决的技术问题是提供一种基于FMVMD与 SSA-MOMEDA的滚动轴承多通道故障特征提取方法，以多通道滚动轴承信号为依据，使用FMVMD对多通道信号进行分解，并选取有效分量进行重构，将重构信号进行MOMEDA处理，包络解调提取故障特征频率。

一种基于FMVMD与SSA-MOMEDA的滚动轴承多通道故障特征提取方法，包括以下步骤：

S1：对输入的多通道信号进行FMVMD分解，得到一系列多通道模态分量；

S2：计算各通道模态的EWK，选取EWK值大于0的模态作为有效模态进行信号重构；

S3：利用SSA-MOMEDA对重构信号进行降噪和增强周期冲击分量；

S4：通过包络解调获取滚动轴承故障特征频率；

优选的，所述S1中对信号进行FMVMD分解方法如下：

S1.1：收集多通道滚动轴承信号，并计算各个通道的EK值，EK 值通过下式进行计算：

EK＝KI·KES

式中SE(P)为数学x(n)的包络信号；

S1.2：挑选出最大EK值的通道作为主通道，对主通道信号进行频谱趋势分割，计算出分解模态数K、惩罚因子а、模态中心频率ω；

S1.3：将模态数K、惩罚因子а、模态中心频率ω带入MVMD中完成多通道信号的分解；

优选的，所述频谱趋势的分割通过FFT计算得到信号的频谱，对信号的频谱再次使用FFT得到信号频谱的核函数。取核函数的前 30个点利用iFFT计算得到频谱趋势；