一种基于时/频双域分析的自行车轴承检测方法技术

本申请属于自行车轴承检测技术领域，具体公开一种基于时/频双域分析的自行车轴承检测方法，包括分别获取异常或正常的轴承在转动状态下对应的第一转轴转速和第一音频序列，将第一转轴转速划分为多个第一转速区间，并对每个转速区间的音频序列进行特征增强处理，构建包含第一转速区间

【技术实现步骤摘要】
一种基于时/频双域分析的自行车轴承检测方法


[0001]本申请属于自行车轴承检测
，具体地说涉及一种基于时/频双域分析的自行车轴承检测方法。

技术介绍

[0002]自行车轴承检测普遍存在于轴承的生命周期(出厂检测、故障检测等)中，音频检测(人工辩声)是最常用和普遍的方法，而该方法核心是人工识别某一转速下轴承的异响。该方法依赖实时人员的工作经验，存在人为差异和识别准确度不稳定的问题，并且不能系统性的定量分析，工作效率较低。
[0003]因此，现有技术还有待于进一步发展和改进。

技术实现思路

[0004]针对现有技术的种种不足，为了解决上述问题，现提出一种基于时/频双域分析的自行车轴承检测方法。本申请提供如下技术方案：
[0005]一种基于时/频双域分析的自行车轴承检测方法，包括：
[0006]分别获取异常或正常的轴承在转动状态下对应的第一转轴转速和第一音频序列，将第一转轴转速划分为多个第一转速区间，并对每个转速区间的音频序列进行特征增强处理，构建包含第一转速区间
‑
第一音频序列和第一高低功率比的第一增强向量特征，其中，特征增强处理包括对获取的原始数据进行处理得到速度区间、频率功率特征和时域动态指纹；
[0007]获取待测轴承的第二转轴转速和第二音频序列，将第二转轴转速划分为多个第二转速区间，并对每个转速区间的音频序列同样进行特征增强处理，构建包含第二转速区间
‑
第二音频序列和第二高低功率比的第二增强向量特征；
[0008]将第二增强向量特征与第一增强向量特征相对照计算相似度，将相似度与预设相似度阈值相比较，当相似度小于预设相似度阈值时，输出轴承异常或正常的判断结果。
[0009]进一步的，第一音频序列或第二音频序列为包含时序的音频序列As
n
＝{as1，as2，...as
n
}，其对应的转速时间序列为Rev
n
＝{rev1，rev2...rev
n
}；
[0010]基于转轴转速对音频序列As
n
按转速时间序列rev_i进行分割，得到多维动态时序指纹：As
rev_i
＝{As(d*(i
‑
1)+1:d*i+1),i＝ceil(N/d)}；
[0011]其中，As
rev_i
为速度分段为rev_i时的音频序列，d为速度区间的采样间隔，N音频时间序列的长度，ceil(
·
)为向上取整操作。
[0012]进一步的，计算每段时间序列下音频序列As
n
的傅里叶级数AS
n
；
[0013]则频域序列其中，n为频域数据的序列号，j2＝
‑
1；
[0014]对频域序列以1000为区间间隔划分为多个频段，并对每一频段进行积分，得到功
率比序列
[0015]进一步的，所述傅里叶级数AS
n
是复数序列，记为AS
n
＝{a
k
+b
k
*i,k＝1,2,3
…
,N}，其中，i2＝
‑
1，a和b为实数。
[0016]进一步的，利用动态时间规整计算第二增强向量特征与第一增强向量特征的相似度，其方法包括：
[0017]基于第二增强向量特征的多维动态音频序列As
rt
与第一增强向量特征的多维动态时序指纹As
db
，计算每个转轴转速区间的残差百分比其中，n表示转速区间的个数。
[0018]进一步的，基于计算得到的残差百分比求解每个转速区间的权重以及权重序列Q＝{Q1,Q2,
…
,Q
n
}。
[0019]进一步的，基于获取的权重序列和功率比序列，计算决定性因数per＝Q*(pow
f
‑
pow)/pow，并将决定性因数作为相似度与预设相似度阈值相比较，其中，pow
f
为第二增强向量特征的各频段功率比；pow为第一增强向量特征的各频段功率比。
[0020]进一步的，所述第一增强向量特征是对多组异常轴承和正常轴承进行采集并处理后获取的用于指纹比对的增强向量，其中，异常轴承和正常轴承的采集数量相同。
[0021]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种基于时/频双域分析的自行车轴承检测方法。
[0022]一种电子终端，包括：处理器及存储器；
[0023]所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行一种基于时/频双域分析的自行车轴承检测方法。
[0024]有益效果：
[0025]1.本申请采用的检测方法能够提高识别速度，与传统人工听声识别相比，大幅度的提高工作效率；
[0026]2.本申请采用的检测方法操作门槛低，实施者只需要按要求采集音频和转速信息即可，而传统人工听声识别需要操作者具备一定的经验，人工成本较高；
[0027]3.本申请采用的检测方法用到的外接设备只有音频采集器，利用的外接设备少，硬件部署方面易于实现；
[0028]4.本申请采用的检测方法能够保证识别的准确率，避免传统人工识别存在的不稳定性；
[0029]5.本申请采用的检测方法能够系统性的记录转轴轴承的音频信息，辅助生产者进一步探究并解决轴承故障原因，提高后续生产合格率。
附图说明
[0030]图1是本申请具体实施例中一种基于时/频双域分析的自行车轴承检测方法算法流程示意图；
[0031]图2是本申请具体实施例中按速度区间将音频划分为8个动态指纹图；
[0032]图3是本申请具体实施例中残差矩阵示意图；
[0033]图4是本申请具体实施例中一段音频信号的时域序列图；
[0034]图5是本申请具体实施例中图4中音频信号的频域谱图。
具体实施方式
[0035]下面结合附图和实施例一对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关专利技术相关的部分。
[0036]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0037]首先，基于转速信息划分转速区间：
[0038]根据转轴的转速对音频的时序序列进行分隔，由于在进行轴承检测时，转轴的速度会有稳定的升高
→
稳定
→
减速这三个阶段，故一次测试的速度区间会有重合，但是二者变化率的方向相反，因此，此处的两个区间音频序列不需要拼接。
[0039]通过对200个轴承样本(正常和异常数量一致)进行音频和转速信息的采集，其中音频序列为As
n...

【技术保护点】

【技术特征摘要】
1.一种基于时/频双域分析的自行车轴承检测方法，其特征在于，包括：分别获取异常或正常的轴承在转动状态下对应的第一转轴转速和第一音频序列，将第一转轴转速划分为多个第一转速区间，并对每个转速区间的音频序列进行特征增强处理，构建包含第一转速区间
‑
第一音频序列和第一高低功率比的第一增强向量特征，其中，特征增强处理包括对获取的原始数据进行处理得到速度区间、频率功率特征和时域动态指纹；获取待测轴承的第二转轴转速和第二音频序列，将第二转轴转速划分为多个第二转速区间，并对每个转速区间的音频序列同样进行特征增强处理，构建包含第二转速区间
‑
第二音频序列和第二高低功率比的第二增强向量特征；将第二增强向量特征与第一增强向量特征相对照计算相似度，将相似度与预设相似度阈值相比较，当相似度小于预设相似度阈值时，输出轴承异常或正常的判断结果。2.根据权利要求1所述的一种基于时/频双域分析的自行车轴承检测方法，其特征在于，第一音频序列或第二音频序列为包含时序的音频序列As
n
＝{as1，as2，...as
n
}，其对应的转速时间序列为Rev
n
＝{rev1，rev2...rev
n
}；基于转轴转速对音频序列As
n
按转速时间序列rev_i进行分割，得到多维动态时序指纹：As
rev_i
＝{As(d*(i
‑
1)+1:d*i+1),i＝ceil(N/d)}；其中，As
rev_i
为速度分段为rev_i时的音频序列，d为速度区间的采样间隔，N音频时间序列的长度，ceil(
·
)为向上取整操作。3.根据权利要求2所述的一种基于时/频双域分析的自行车轴承检测方法，其特征在于，计算每段时间序列下音频序列As
n
的傅里叶级数AS
n
；则频域序列其中，n为频域数据的序列号，j2＝
‑
1；对频域序列以1000为区间间隔划分为多个频段，并对每一频段进...

【专利技术属性】
技术研发人员：冯茗杨，
申请(专利权)人：青岛迈金智能科技股份有限公司，
类型：发明
国别省市：