[发明专利]基于振动信号密度分布的风机轴承故障特征提取方法

说明书

本发明涉及基于振动信号密度分布的风机轴承故障特征提取方法，用相位去量化振动频率和振动幅值等振动信号，不同故障可以得出不同的梯度特征图，基于PCA降维技术将这些特征降至三维，绘制样本特征库，与传统方法对比，具有更强的辨识度。本发明紧扣振动信号三大要素：振动大小，振动频率，振动相位，未对信号进行过多的特征提取，减少了相关性较低因素对结果的影响。并采用统计学理论对原始振动信号的处理，使得不具有较强特征的振动信号，凸显其信号特征，提高了风机高速轴承特征提取准确度。

技术领域

本发明涉及风机轴承，特别是一种基于振动信号密度分布的风机高速轴承故障特征提取方法。

背景技术

风机高速轴承振动信号劣化是轴承出现故障的重要表现。捕捉局部劣化的振动信号可以及时发现风机高速轴承存在的潜在故障。特征提取是识别故障类型的前提，目前的方法如脉冲波形特征、小波特征在识别具有明显故障特征的信号时，具有较高的可信度，但是当振动信号特征不明显(如脉冲峰值不明显)，其可信度将会降低。因此，其改进和创新势在必行。

本发明基于统计图谱法提出了一种新的信号量化法则，用相位去量化振动频率和振动幅值等振动信号，不同故障可以得出不同的梯度特征图，基于PCA降维技术将这些特征降至三维，绘制样本特征库，与传统方法对比，具有更强的辨识度。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种基于振动信号密度分布的风机轴承故障特征提取方法，可有效解决提高轴承故障特征提取辨识度的问题。

本发明解决的技术方案是：

一种基于振动信号密度分布的风机轴承故障特征提取方法，包括以下步骤：

步骤S1：收集振动信号

收集风机待提取故障特征同型号的所有滚动轴承的振动信号，并将振动信号处理成时域曲线；

步骤S2：处理轴承故障样本数据

(1)将滚动轴承转动一圈的度数划分成W个相等的区间，W≥8；

将滚动轴承转动一圈的振动量用振动量柱状图表示，设滚动轴承转动一圈的周期为T，i表示第i个周期，j表示第j个区间，振动量柱状图的横坐标为区间序号，纵坐标为时域曲线提取的振动量；每个振动量柱状图中的每个柱对应1个区间，振动量柱状图中柱的高度为对应区间内振动量振幅的平均值；

轴承转动n圈，则每个滚动轴承可以得到n个振动量柱状图，分别将n个振动量柱状图中相同区间的高度值求平均值，求得轴承转动n圈不同区间振动量振幅的平均值，得到轴承转动n圈的平均振动量振幅柱状图用于表示滚动轴承按照角度区间量化后的平均振动量的分布情况；

(2)将滚动轴承每个区间内的原始振动信号经过快速傅里叶变换，得到每个区间的振动频谱图；在每个振动频谱图内统计该区间频率，取纵坐标最大处的频率作为该区间的振动频率，从而得到每个区间的振动频率；

将滚动轴承转动一圈的振动频率用振动频率柱状图表示，振动频率柱状图的横坐标为区间序号，纵坐标为振动频率，每个振动频率柱状图中的每个柱对应1个区间，振动频率柱状图的高度为对应区间内的振动频率；

轴承转动n圈，则每个滚动轴承可以得到n个振动频率柱状图，分别将n个振动频率柱状图中相同区间的高度值求平均值，求得轴承转动n圈不同区间振动频率的平均值，得到轴承转动n圈的振动频率分布柱状图用于表示滚动轴承按照角度区间量化后的振动频率的分布情况；

(3)将时域曲线提取的每个区间的振动量采样值求和，得到每个区间的总振动量；

将滚动轴承转动一圈的总振动量用总振动量柱状图表示，总振动量柱状图的横坐标为区间序号，纵坐标为总振动量，每个总振动量柱状图中的每个柱对应1个区间，总振动量柱状图的高度为对应区间内的总振动量；