[发明专利]基于小波主成分分析的滚动轴承故障预测方法

摘要

本发明提供了一种基于小波主成分分析的滚动轴承的故障预测方法。该方法主要包括提取滚动轴承的振动加速度信号的小波包变换系数，计算出小波包变换系数与所述轴承振动加速度信号之间的多分辨率相似系数熵；运用小波主成分分析算法对多分辨率相似系数熵进行特征融合处理，得到多分辨率状态融合空间的滚动轴承的振动加速度信号的融合特征测度，识别出处于正常状态、故障状态和隐患状态的滚动轴承的融合区间。本发明采用PCA算法对隐患做出隐患辨识，基于轴承异源隐患的振动特征的可分性，运用PCA提取多维状态主成份的思想将异源隐患的电机轴承振动信号定位分类，实验证明基于多分辨率状态融合空间的轴承隐患监测和隐患定位方法的有效性。

主权项

一种基于小波主成分分析的滚动轴承的故障预测方法，其特征在于，包括：提取滚动轴承的振动加速度信号的小波包变换系数，计算出所述小波包变换系数与所述轴承振动加速度信号之间的多分辨率相似系数熵；运用小波主成分分析算法对所述多分辨率相似系数熵进行特征融合处理，得到多分辨率状态融合空间的滚动轴承的振动加速度信号的融合特征测度；根据所述多分辨率状态融合空间的滚动轴承的振动加速度信号的融合特征测度监测滚动轴承的运行状态，根据比较所述融合特征测度的变化趋势识别出处于正常状态、故障状态和隐患状态的滚动轴承的融合区间；所述的提取滚动轴承的振动加速度信号的小波包变换系数，包括：将原始的轴承振动加速度信号分解为j层，得到2j个小波包分量，所述2j个小波包分量表示将原始信号频率平均分解成2j个频带后，每个频带包含的时域幅值；对所述2j个小波包分量分别重构，获得2j个小波包分量系数；计算出所述小波包变换系数与所述轴承振动加速度信号之间的多分辨率相似系数熵，包括：设原始轴承振动加速度信号的周期采集点数为n，一个采集周期内的轴承振动加速度信号的第j层小波包分量系数集合为N+:正整数；原始轴承振动加速度信号一个采样周期内的时域幅值为{Bk|k∈N+∪k∈[1,n]}；则小波包分量系数与原始轴承振动加速度信号之间的时域幅值相似系数的计算公式为：ρ=|Σk=1n(Akij-A‾ij)·(Bk-B‾)n·(Akij-A‾ij)2·(Bk-B‾)2|,ρ∈[0,1];]]>其中，A代表小波包分量系数，B代表原始时域幅值系数，为对原始信号进行j层小波包分解，第j层第i个小波分量系数的第k个时间序列对应的幅值，Bk为第k个时间序列对应的幅值系数，是小波包分量系数均值，是时域幅值系数均值；求出小波包变换系数与原始轴承振动加速度信号之间的多分辨率相似系数熵H(x)的计算公式为：H(x)=Σx=12jρ(x)lnρ(x)-1]]>x∈N∪x∈[1,2j]，代表第x个小波包分量系数与原始信号的相关熵数值，将多个相关熵数值加和累积得到相关熵数值H(x)；按照上述过程，分别求出2j个小波包分量对应的2j个相似系数熵。