[发明专利]基于总体经验模式分解与分形盒维数的轴承故障诊断方法

摘要

本发明公开了一种基于总体经验模式分解与分形盒维数的轴承故障诊断方法，在轴承上设置静电传感器，通过静电感应检测旋转机械转轴工作时的静电信号,其电极通过信号调理电路与一台计算机相连；信号调理电路把静电传感器输入的检测电荷信号变成电压信号，放大电路后接抗混叠滤波电路，通过数据采集卡送入计算机进行处理；计算机对采集到的轴承静电信号进行总体经验模式分解后求取能量与分形盒维数，用求得的不同故障下的特征量作为神经网络分类器训练样本的输入向量，对应的故障类型作为神经网络分类器训练样本的输出向量，先通过训练样本对神经网络分类器进行训练，然后对实际轴承工作信号进行识别，实现轴承的故障诊断。

主权项

基于总体经验模式分解与分形盒维数的轴承故障诊断方法，其特征在于，包括下述步骤：(1)在轴承内设置静电传感器，静电传感器利用轴承工作过程中产生的电荷，通过静电感应检测旋转机械转轴工作时的静电信号，传感器的输出接信号调理电路后经数据采集卡与一台计算机相连，计算机作为数据处理平台；(2)信号调理电路中设有电荷放大电路，该电荷放大调理电路把静电传感器输入的检测电荷信号变成电压信号，放大电路后接抗混叠滤波电路，通过数据采集卡送入计算机进行处理；(3)对采集的静电信号进行特征提取：计算机对采集到的不同故障类型下以及正常情况下的静电信号分别进行总体经验模式分解求取本征模式分量，然后对各阶本征模式分量求取能量以及分形盒维数，将能量与分形盒维数作为信号的特征量；(4)神经网络分类器的训练：将不同故障类型下以及正常情况下静电信号的特征量用于神经网络分类器训练，用特征量相对应的转轴工作状态作为神经网络的输出量，从而通过训练样本对神经网络分类器进行训练；(5)把待辨识的静电信号送入计算机，提取带辨识信号的能量与盒维数作为特征量输入训练好的神经网络分类器，即可通过输出得到该信号对应的转轴工作状态。