滚动轴承振动信号盲源分离方法、装置及计算机设备制造方法及图纸

本申请涉及一种滚动轴承振动信号盲源分离方法、装置及计算机设备。所述方法包括：获取滚动轴承振动信号；采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；对所述滚动轴承振动信号进行聚类分析得到信源个数；选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。采用本方法能够更加准确有效地获得复合信号中感兴趣的信号，并结合聚类分析和独立成分分析对信号的特征进行提取，采用提取出的独立分量进行故障诊断，实现更为准确的故障诊断。

【技术实现步骤摘要】
滚动轴承振动信号盲源分离方法、装置及计算机设备
本申请涉及机械设备故障诊断
，特别是涉及一种滚动轴承振动信号盲源分离方法、装置及计算机设备。
技术介绍
滚动轴承是旋转机械设备中最常见且至关重要的零件之一，其运行状态直接影响整个设备的工作性能。据不完全统计，大约30％的机械故障是由轴承失效引起的。为了保证设备的使用，需要对滚动轴承的故障进行检测。目前常用的检测方法有：通过监测轴承座(或箱体)处的温度来判断轴承工作是否正常的温度法、对轴承所使用的润滑油中取出的油样中金属颗粒的大小和形状的收集和分析来判断轴承工况和故障的油样分析法以及通过安装在轴承座或箱体适当方位的振动传感器监测轴承振动信号，并对此信号进行分析与处理来判断轴承工况与故障的振动法。由于振动法具有：适用于各种类型各种工况的轴承；可以有效地诊断出早期微小故障；信号测试与处理简单、直观；诊断结果可靠等优点，所以在实际中的应用最为广泛。然而，滚动轴承在实际使用过程中易发生多源故障，在实际使用时由于传感器的限制，测得的复合振动信号难以区分进行后续的故障诊断，常规的盲源分离方法由于受到“欠定”的影响，分离提取信号的效果不是很好，使得影响后续的故障诊断结果。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够有效分离和提取信号的滚动轴承振动信号盲源分离方法、装置及计算机设备。一种滚动轴承振动信号盲源分离方法，所述方法包括：获取滚动轴承振动信号；采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；r>对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；对所述滚动轴承振动信号进行聚类分析得到信源个数；选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。在其中一个实施例中，所述采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数的步骤包括：采用果蝇算法选取复变分模态分解的惩罚因子和信号个数。在其中一个实施例中，所述对所述滚动轴承振动信号进行聚类分析得到信源个数的步骤包括：采用OPTICS算法对所述滚动轴承振动信号进行聚类分析得到所述信源个数。在其中一个实施例中，所述采用果蝇算法选取复变分模态分解的惩罚因子和信号个数的步骤包括：获取预设的初始惩罚因子X和初始信号个数Y作为初始化果蝇群体位置(X,Y)；随机生成果蝇个体利用嗅觉搜寻食物的距离与方向，得到果蝇个体的迭代模型：其中，Xi为第i次迭代后的果蝇群体位置横坐标，Yi为第i次迭代后的果蝇群体位置纵坐标，Lr为迭代步长；计算所述果蝇群体中每个果蝇个体与原点的距离：其中，Di为每个果蝇个体与原点的距离，Si为果蝇个体所在位置的食物浓度；将食物浓度Si的值代入预设的目标函数中求解每个果蝇个体的味道浓度；重复迭代直至包络谱峰因子达到最大值时，确定果蝇群体中所述味道浓度最大的果蝇个体；将所述味道浓度最大的果蝇个体的横坐标选定为所述惩罚因子，纵坐标选定为所述信号个数。在其中一个实施例中，所述选取信源个数个所述模态分量进行独立成分分析，得到独立分量的步骤包括：根据相关系数最大准则选取信源个数个所述模态分量进行独立成分分析，得到独立分量。一种滚动轴承振动信号盲源分离装置，所述装置包括：振动信号获取模块，用于获取滚动轴承振动信号；参数选取模块，用于采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；复变分模态分解模块，用于对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；聚类模块，用于对所述滚动轴承振动信号进行聚类分析得到信源个数；独立成分分析模块，用于选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。在其中一个实施例中，所述参数选取模块用于采用果蝇算法选取复变分模态分解的惩罚因子和信号个数。在其中一个实施例中，所述聚类模块用于采用OPTICS算法对所述滚动轴承振动信号进行聚类分析得到所述信源个数。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取滚动轴承振动信号；采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；对所述滚动轴承振动信号进行聚类分析得到信源个数；选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取滚动轴承振动信号；采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；对所述滚动轴承振动信号进行聚类分析得到信源个数；选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。上述滚动轴承振动信号盲源分离方法、装置及计算机设备，通过群体智能优化算法选取惩罚因子和信号个数，得到最优的参数后对滚动轴承振动信号进行复变分模态分解，得到信号个数个模态分量，另外对滚动轴承振动信号进行聚类分析得到信源个数，从分解得到的模态分量中选取信源个数个进行独立成分分析得到独立分量，根据独立分量进行滚动轴承故障诊断，利用群体智能优化算法配合复变分模态分解，能够更加准确有效地获得复合信号中感兴趣的信号，并结合聚类分析和独立成分分析对信号的特征进行提取，采用提取出的独立分量进行故障诊断，实现更为准确的故障诊断。附图说明为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为其中一个实施例中，滚动轴承振动信号盲源分离方法的流程示意图；图2为其中一个实施例中，滚动轴承振动信号盲源分离方法的流程示意图；图3为其中一个实施例中，滚动轴承振动信号盲源分离方法的流程示意图；图4为其中一个实施例中，采用果蝇算法选取复变分模态分解的惩罚因子和信号个数步骤的流程示意图；图5为其中一个实施例中，滚动轴承振动信号盲源分离方法的流程示意图；图6为其中一个实施例中，滚动轴承振动信号盲源分离装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施本文档来自技高网...

【技术保护点】
1.一种滚动轴承振动信号盲源分离方法，其特征在于，所述方法包括：/n获取滚动轴承振动信号；/n采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；/n对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；/n对所述滚动轴承振动信号进行聚类分析得到信源个数；/n选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。/n

【技术特征摘要】
1.一种滚动轴承振动信号盲源分离方法，其特征在于，所述方法包括：
获取滚动轴承振动信号；
采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数；
对所述滚动轴承振动信号进行复变分模态分解得到所述信号个数个模态分量；
对所述滚动轴承振动信号进行聚类分析得到信源个数；
选取信源个数个所述模态分量进行独立成分分析，得到独立分量；所述独立分量用于进行滚动轴承故障诊断。


2.根据权利要求1所述的滚动轴承振动信号盲源分离方法，其特征在于，所述采用群体智能优化算法选取复变分模态分解的惩罚因子和信号个数的步骤包括：
采用果蝇算法选取复变分模态分解的惩罚因子和信号个数。


3.根据权利要求1所述的滚动轴承振动信号盲源分离方法，其特征在于，所述对所述滚动轴承振动信号进行聚类分析得到信源个数的步骤包括：
采用OPTICS算法对所述滚动轴承振动信号进行聚类分析得到所述信源个数。


4.根据权利要求2所述的滚动轴承振动信号盲源分离方法，其特征在于，所述采用果蝇算法选取复变分模态分解的惩罚因子和信号个数的步骤包括：
获取预设的初始惩罚因子X和初始信号个数Y作为初始化果蝇群体位置(X,Y)；
随机生成果蝇个体利用嗅觉搜寻食物的距离与方向，得到果蝇个体的迭代模型：



其中，Xi为第i次迭代后的果蝇群体位置横坐标，Yi为第i次迭代后的果蝇群体位置纵坐标，Lr为迭代步长；
计算所述果蝇群体中每个果蝇个体与原点的距离：



其中，Di为每个果蝇个体与原点的距离，Si为果蝇个体所在位置的食物浓度；
将食物浓度Si的值代入预设的目标函数中求解每个果蝇个体的味道浓度；
重复迭代直至包络谱峰因子达到最大值时，确定...

【专利技术属性】
技术研发人员：丁春嵘，王文刚，王洪昆，边志宏，王蒙，丁颖，王萌，焦杨，马瑞峰，
申请(专利权)人：神华铁路装备有限责任公司，
类型：发明
国别省市：北京;11