一种回转支承故障诊断方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种回转支承故障诊断方法、装置及存储介质，方法包括：S1、获取回转支承的振动信号，将其设为原始信号；S2、通过EEMD法对原始信号进行处理，然后经分解获得振动信号的本征模态分量IMF，继而对IMF进行择优处理，得到最优分量；S3、利用GWO算法以相关峭度为适应度函数在最优分量上进行MCKD参数寻优处理，获得最佳参数组合；S4、将GWO算法寻优处理获得的最佳参数组合代入到MCKD中对最优分量进行分析，得到降噪信号；S5、对降噪信号进行包络谱分析，进而将包络谱中发现的故障特征频率与理论故障特征频率进行对比分析，得出诊断结果，本方案实施可靠、准确度高、响应快速。

【技术实现步骤摘要】
一种回转支承故障诊断方法、装置及存储介质
本专利技术涉及轴承检测
，尤其涉及一种回转支承故障诊断方法、装置及存储介质。
技术介绍
回转支承是一种特殊的大型滚动轴承，广泛应用于各种大型机械，例如港口的门座起重机。门座起重机回转支承在工作状态时各部分的受力不均以及运动状态复杂，并且由于低速重载的运行特点和大量的背景噪声，使得原本因故障产生的冲击淹没在背景噪声里，因此故障特征的提取比一般中高速轴承难。然而，在门座起重机的长期使用中，回转支承的故障产生是难免的。如果这些故障不能及时发现并作出应对措施，将会影响门座起重机的正常运转，同时导致巨大的经济损失。目前，少部分的研究人员在回转支承故障诊断展开研究并取得初步成果。吕学昭等人采用小波分解和极值域均值模态分解的复合方法对门座起重机回转支承进行故障诊断。然而小波分解中小波基与分解层数无法自适应选取。南京工业大学针对回转支承故障诊断做了较多的研究，将圆域分析、小波能量模式、双谱分析、峭度概率密度分析、加权融合算法、概率主成分分析等方法应用于实验台回转支承的振动信号的降噪和特征提取，同时还将支持向量机、BP神经网络等机器学习方法应用于实验台回转支承的故障诊断和寿命预测。但因其数据来自于实验台，且故障是人为加工所形成的，与现场实际的故障还是有一定的区别。因此，就如何对实际使用过程中进行支承振动信号采集和后处理获得故障诊断结果的研究依然还需要进一步深入。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种实施可靠、准确度高、响应快速的回转支承故障诊断方法、装置及存储介质。为了实现上述的技术目的，本专利技术所采用的技术方案为：一种回转支承故障诊断方法，包括：S1、获取回转支承的振动信号，将其设为原始信号；S2、通过EEMD法(EnsembleEmpiricalModeDecomposition，集合经验模态分解)对原始信号进行处理，然后经分解获得振动信号的本征模态分量IMF，继而对本征模态分量IMF进行择优处理，得到最优分量；S3、利用GWO算法以相关峭度为适应度函数在最优分量上进行MCKD参数寻优处理，获得最佳参数组合，该最佳参数组合为MCKD算法输入参数，周期T，滤波器长度L；S4、将GWO算法寻优处理获得的最佳参数组合代入到最大相关峭度解卷积算法MCKD中对最优分量进行分析，得到降噪信号；S5、对降噪信号进行包络谱分析，将包络谱中发现的故障特征频率与理论故障特征频率进行对比分析，得出诊断结果。作为一种可能的实施方式，进一步，所述通过EEMD法对原始信号进行处理和分解的方法为：按照预设标准差和预设次数往原始信号中多次加入等幅值的高斯白噪声并进行EMD分解，然后对多次EMD分解后的IMF分量进行平均，消除多次加入的高斯白噪声。作为一种较优的实施选择，优选的，所述通过EEMD法对原始信号进行处理和分解的具体方法包括如下步骤：S21、设定加入高斯白噪声的次数和高斯白噪声的幅值；S22、往原始信号x(t)中加入一组均匀的高斯白噪声ni(t)，产生新的信号，其数学模型如下：xi(t)＝x(t)+ni(t)其中，ni(t)为第i次加入的高斯白噪声，xi(t)为第i次试验的带噪信号，i＝1,2,…,N；S23、对带噪信号xi(t)进行EMD分解，得到若干个IMF和一个余项：其中，ci,j(t)为第i次试验的带噪信号分解后的第j个IMF，ri(t)为残余函数；S24、重复N次步骤S22和步骤S23，对得到的各IMF和余项取平均即为最终的IMF和余项：其中，cj(t)为EMD分解后的第j个IMF，r(t)为EMD分解后的余项。作为一种较优的实施选择，优选的，所述对IMF进行择优处理的方法为：以相关系数、排列熵、方差贡献率或峭度为指标选择至少一个本征模态分量IMF作为最优分量，例如，取指标数值最大的一个IMF或按从大到小取前3个IMF进行重构合成最优分量，或者对其指标数值进行归一化处理，再取数值大于0.5的分量重构等等方式进行处理。作为一种较优的实施选择，优选的，步骤S1中，高斯白噪声的加入次数为50或100，高斯白噪声的幅值为0.01～0.4。作为一种较优的实施选择，优选的，所述利用GWO算法以相关峭度为适应度函数在最优分量上进行MCKD参数寻优处理的方法包括：S31、初始化GWO算法，生成灰狼群位置；S32、将灰狼群位置中各灰狼位置导入MCKD算法中进行计算各灰狼适应度函数值CK；S33、对各灰狼适应度函数值CK进行对比评价；S34、根据评价结果更新灰狼位置；S35、判定迭代计算的次数，当当前计算的迭代次数小于预设最大迭代次数时，则将更新后的灰狼位置参数重新返回到步骤S32中进行按步骤处理，当当前计算的迭代次数大于预设最大迭代次数时，则将更新后的灰狼位置参数输出，获得最佳参数组合。作为一种可能的实施方式，进一步，所述获取振动信号的采样时间长度大于回转支承旋转一周的耗时，每次采样的采样频率为400Hz。基于上述的诊断方法，本专利技术还提供一种回转支承故障诊断装置，其包括：若干加速度传感器，布设在回转支承的振动信号可探测区域上，且用于采集回转支承工作时产生的振动信号；数据处理单元，用于获取振动信号，且通过EEMD法对振动信号进行处理，并输出择优处理后的最优分量；参数优化单元，用于通过GWO算法寻优处理获得最大相关峭度解卷积算法MCKD的最佳参数组合，并利用该最佳参数组合代入MCKD中对最优分量进行分析，得到降噪信号；诊断分析单元，用于对降噪信号进行包络谱分析，并根据包络谱分析输出诊断结果。基于上述的诊断装置，本专利技术还提供一种起重机回转支承故障诊断装置，其包括上述所述的一种回转支承故障诊断装置；其中，所述的若干加速度传感器布设在门座起重机的背风侧且靠近回转支承的位置；另外，所述回转支承的轴向和径向上均布设覆盖有加速度传感器。基于上述的诊断方法，本专利技术还提供一种存储介质，所述的存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述的至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行实现上述所述的回转支承故障诊断方法。采用上述的技术方案，本专利技术与现有技术相比，其具有的有益效果为：本专利技术方案将EEMD和MCKD两种方法相结合，用于门座起重机回转支承故障诊断。为了实现MCKD参数的自适应选取，采用灰狼优化算法，以相关峭度为适应度函数对最佳参数组合进行全局寻优；通过所提方法，实现了门座起重机回转支承故障特征频率的提取；而基于该方案，实现了在响应快速的情况下，兼具准确度高地对回转支承工作中的异常振动进行诊断和结果输出，为维保人员提供较为可靠、有价值的反馈。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简本文档来自技高网...

【技术保护点】
1.一种回转支承故障诊断方法，其特征在于，包括：/n获取回转支承的振动信号，将其设为原始信号；/n通过EEMD法对原始信号进行处理，然后经分解获得振动信号的本征模态分量IMF，继而对本征模态分量IMF进行择优处理，得到最优分量；/n利用GWO算法以相关峭度为适应度函数在最优分量上进行MCKD参数寻优处理，获得最佳参数组合；/n将GWO算法寻优处理获得的最佳参数组合代入到最大相关峭度解卷积算法MCKD中对最优分量进行分析，得到降噪信号；/n对降噪信号进行包络谱分析，将包络谱中发现的故障特征频率与理论故障特征频率进行对比分析，得出诊断结果。/n

【技术特征摘要】
1.一种回转支承故障诊断方法，其特征在于，包括：
获取回转支承的振动信号，将其设为原始信号；
通过EEMD法对原始信号进行处理，然后经分解获得振动信号的本征模态分量IMF，继而对本征模态分量IMF进行择优处理，得到最优分量；
利用GWO算法以相关峭度为适应度函数在最优分量上进行MCKD参数寻优处理，获得最佳参数组合；
将GWO算法寻优处理获得的最佳参数组合代入到最大相关峭度解卷积算法MCKD中对最优分量进行分析，得到降噪信号；
对降噪信号进行包络谱分析，将包络谱中发现的故障特征频率与理论故障特征频率进行对比分析，得出诊断结果。


2.如权利要求1所述的回转支承故障诊断方法，其特征在于，所述通过EEMD法对原始信号进行处理和分解的方法为：
按照预设标准差和预设次数往原始信号中多次加入等幅值的高斯白噪声并进行EMD分解，然后对多次EMD分解后的IMF分量进行平均，消除多次加入的高斯白噪声。


3.如权利要求2所述的回转支承故障诊断方法，其特征在于，所述通过EEMD法对原始信号进行处理和分解的具体方法包括如下步骤：
S21、设定加入高斯白噪声的次数和高斯白噪声的幅值；
S22、往原始信号x(t)中加入一组均匀的高斯白噪声ni(t)，产生新的信号，其数学模型如下：
xi(t)＝x(t)+ni(t)
其中，ni(t)为第i次加入的高斯白噪声，xi(t)为第i次试验的带噪信号，i＝1,2,…,N；
S23、对带噪信号xi(t)进行EMD分解，得到若干个IMF和一个余项：



其中，ci,j(t)为第i次试验的带噪信号分解后的第j个IMF，ri(t)为残余函数；
S24、重复N次步骤S22和步骤S23，对得到的各IMF和余项取平均即为最终的IMF和余项：






其中，cj(t)为EMD分解后的第j个IMF，r(t)为EMD分解后的余项。


4.如权利要求3所述的回转支承故障诊断方法，其特征在于，所述对IMF进行择优处理的方法为：以相关系数、排列熵、方差贡献率或峭度为指标选择一个本征模态分量IMF或多个IMF重构作为最优分量。


5.如权...

【专利技术属性】
技术研发人员：张冲，曾耀传，郑强，吴晓梅，许竞，颜朝友，黄美强，钟建华，林云树，
申请(专利权)人：福建省特种设备检验研究院，
类型：发明
国别省市：福建;35