[发明专利]一种基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法

权利要求书

1.基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，其特征在于，包括：

获取工作状态下轴承的振动/声学信号，对原始信号进行预处理，计算其频率重心指数SCI_Raw；

对原始信号进行最小熵解卷积(MED)处理以获得信号中的脉冲分量，计算脉冲分量的峭度值确定是否存在来自外来源的大干扰脉冲，对原始信号进行筛选；

对筛选后信号的脉冲分量求包络谱，以判断轴承是否存在剥落、裂纹故障；

若轴承不存在剥落、裂纹故障，计算其信号脉冲分量的频率重心指数SCI_MED，并结合原始信号的频率重心指数SCI_Raw，计算工作轴承的乏油特征参数SLF；

根据乏油特征参数SLF确定轴承的润滑状态。

2.根据权利要求1所述的基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，其特征在于，计算原始信号频率重心指数的步骤包括：

将传感器放置于被测试轴承安装座上，获取工作状态下轴承的振动/声学信号测量值x(n)，n＝0，1，…，N-1，N为数据长度，采样频率记为Fs；

对原始信号x(n)进行快速傅里叶变换得到信号频谱；

计算x(n)的频率重心指数SCI_Raw的公式如(1)(2)所示；

其中采样时间间隔Δt＝1/Fs，是原始信号x(n)的单边功率谱。

3.根据权利要求1所述的基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，其特征在于，对原始信号进行筛选的步骤包括：

将原始信号x(n)进行最小熵解卷积(MED)处理以获得信号中的脉冲分量y(n)；

计算y(n)的峭度值；

设置一门槛值T_Kurt以判断是否存在来自外来源的大干扰脉冲，若峭度值大于T_Kurt，则认为信号被污染，应重新进行测量，否则进行下一步分析。

4.根据权利要求1所述的基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，其特征在于，判断轴承是否存在剥落、裂纹故障的步骤包括：

对筛选后信号的脉冲分量y(n)求平方包络和离散傅里叶变换得到包络谱；

检查包络谱中是否存在任何轴承故障特征频率BCF，若存在，则认定轴承产生剥落、裂纹故障；若不存在，则认定该分量为非周期性冲击，即随机冲击，并进行下一步处理。

5.根据权利要求1所述的基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，其特征在于，计算工作轴承的乏油特征参数的步骤包括：

对脉冲分量y(n)进行快速傅里叶变换得到信号频谱，并计算y(n)的频率重心指数SCI_MED；

计算工作轴承乏油特征参数SLF的公式如(3)所示；

SLF＝SCI_MED/SCI_Raw (6)

其中SCI_Raw为原始信号的频率重心指数。

6.根据权利要求1所述的基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，其特征在于，确定轴承润滑状态的步骤包括：

设置门槛值T_SLF，若乏油特征参数SLF大于T_SLF，则认定工作轴承处于乏油工作状态，否则工作轴承为适当润滑状态。