基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法、系统、设备以及存储介质技术方案

基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法、系统、设备以及存储介质，属于车用零部件检测技术领域，解决了现有技术手段易造成轴承使用寿命的浪费和轴承未及时更换所导致的设备停运，且由于设备停运，会对人员的身体健康产生威胁的问题。所述方法包括以下步骤：步骤S1，根据数学形态学的四种算子的滤波性能构建出增强顶帽变换算子，采用其对采集到的轴承振动信号进行特征增强；步骤S2，经过特征增强后的轴承振动信号输入至集合经验模态分解中，将特征增强后的轴承振动信号分解为若干个模态分量；步骤S3，计算出若干个模态分量的峭度值，选取指定的模态分量，并对选取出的模态分量进行分析，进而识别出轴承故障。障。

【技术实现步骤摘要】
基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法、系统、设备以及存储介质


[0001]本专利技术涉及车用零部件检测
，具体涉及基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法、系统、设备以及存储介质。

技术介绍

[0002]主轴轴承作为加工中心主轴的核心部件之一，其健康状态对加工中心的稳定运转及生产的稳定进行起着至关重要的影响。同时，在不同工作状态下轴承产生的失效模式也不同，由于过载、装配不当、设备的异常振动和润滑不良等原因都会造成轴承失效，使得维护人员在对主轴轴承的维护保养过程产生较大的难度。现有主轴轴承的更换及维护方案是通过人为经验或设备报警提醒来进行，易造成轴承使用寿命的浪费和轴承未及时更换所导致的设备停运，造成严重的生产损失。除此之外，现有高速加工中心电主轴转速和加工精度较高，转速一般都在每分钟10000转以上，主轴刀具跳动在0.01以内。主轴轴承损坏，将导致主轴抱死，发生故障，同时设备的稳定性会随之下降使得设备停机造成严重的生产损失甚至人员伤亡。
[0003]因此，现有的技术手段存在的缺陷为：
[0004]1)由于更换及维护方案是通过人为经验或设备报警提醒来进行，易造成轴承使用寿命的浪费和轴承未及时更换所导致的设备停运；
[0005]2)由于设备停运，会对人员的身体健康产生威胁。
[0006]现有技术，专利文献CN114444552A公开了“防爆电机轴承微弱故障诊断方法、介质、电子设备及系统”，建立了复杂防爆电机轴承深层稀疏滤波机制，对防爆电机轴承信号高维输入数据执行两次稀疏滤波，实现逐步降维过程。深层稀疏滤波机制为实际生产应用中防爆电机轴承运行状态监测使用高维度、大批量轴承数据提供了更为便捷有效的处理手段，能够得到低维的轴承故障特征集，克服了传统单一轴承振动数据集处理的局限性。专利文献CN114491823A公开了“一种基于改进生成对抗网络的列车轴承故障诊断方法”，通过基于判别模型和生成模型的GAN训练方法搭建小样本数据类别的生成对抗网络，并采用真实数据集对其进行训练，可以提高故障的诊断识别率；通过深度卷积神经网络对样本进行特征提取，实现不同故障的特征学习；通过皮尔逊相关系数测量生成样本与真实样本平均值之间的损失函数来提高生成的质量，所生成的数据更贴近真实数据，使得模型能提取到有效的多尺度深层特征。
[0007]综上所述，现有技术手段由于更换及维护方案是通过人为经验或设备报警提醒来进行，易造成轴承使用寿命的浪费和轴承未及时更换所导致的设备停运，且由于设备停运，会对人员的身体健康产生威胁。

技术实现思路

[0008]本专利技术解决了现有技术手段由于更换及维护方案是通过人为经验或设备报警提
醒来进行，易造成轴承使用寿命的浪费和轴承未及时更换所导致的设备停运，且由于设备停运，会对人员的身体健康产生威胁的问题。
[0009]本专利技术所述的基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法，所述方法包括以下步骤：
[0010]步骤S1，根据数学形态学的四种算子的滤波性能构建出增强顶帽变换算子，采用其对采集到的轴承振动信号进行特征增强；
[0011]步骤S2，经过特征增强后的轴承振动信号输入至集合经验模态分解中，将特征增强后的轴承振动信号分解为若干个模态分量；
[0012]步骤S3，计算出若干个模态分量的峭度值，选取指定的模态分量，并对选取出的模态分量进行分析，进而识别出轴承故障。
[0013]进一步地，在本专利技术的一个实施例中，所述的步骤S1中，所述的根据数学形态学的四种算子的滤波性能构建出增强顶帽变换算子，具体为：
[0014]利用数学形态学中四种基本算子膨胀算子、腐蚀算子、开算子和闭算子进行组合，即膨胀闭运算、腐蚀开运算、闭运算后膨胀和开运算腐蚀得到四种新型增强形态算子。
[0015]进一步地，在本专利技术的一个实施例中，所述的膨胀算子增强轴承振动信号的波峰，并对轴承振动信号的波谷进行削减；
[0016]所述的腐蚀算子增强轴承振动信号的波谷，并对轴承振动信号的波峰进行削减；
[0017]所述的开算子抑制轴承振动信号的波峰噪声；
[0018]所述的闭算子抑制轴承振动信号的波谷噪声。
[0019]进一步地，在本专利技术的一个实施例中，所述的步骤S2中，所述的将特征增强后的轴承振动信号分解为若干个模态分量，具体为：
[0020]将特征增强后的轴承振动信号传输至集合模态分解算法中，所述集合模态分解的本质是对时间序列数据进行局部平稳化处理，利用计算公式对轴承振动信号进行变换，得到一系列分解出的若干个模态分量。
[0021]进一步地，在本专利技术的一个实施例中，所述的步骤S3中，所述的选取指定的模态分量为峭度值最大的模态分量。
[0022]进一步地，在本专利技术的一个实施例中，所述的步骤S3中，所述的对选取出的模态分量进行分析为包络分析。
[0023]本专利技术所述的基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断系统，所述系统包括以下模块：
[0024]特征增强模块，根据数学形态学的四种算子的滤波性能构建出增强顶帽变换算子，采用其对采集到的轴承振动信号进行特征增强；
[0025]模态分量模块，经过特征增强后的轴承振动信号输入至集合经验模态分解中，将特征增强后的轴承振动信号分解为若干个模态分量；
[0026]分析模块，计算出若干个模态分量的峭度值，选取指定的模态分量，并对选取出的模态分量进行分析，进而识别出轴承故障。
[0027]本专利技术所述的一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0028]存储器，用于存放计算机程序；
[0029]处理器，用于执行存储器上所存放的程序时，实现上述方法中任一所述的方法步骤。
[0030]本专利技术所述的一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述方法中任一所述的方法步骤。
[0031]本专利技术解决了现有技术手段由于更换及维护方案是通过人为经验或设备报警提醒来进行，易造成轴承使用寿命的浪费和轴承未及时更换所导致的设备停运，且由于设备停运，会对人员的身体健康产生威胁的问题。具体有益效果包括：
[0032]本专利技术所述的基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法，采用的轴承故障诊断方法，将增强顶帽变换算子与集合经验模态分解模型各自的优势相结合，能够准确的判断轴承的故障类型，并能够有效的识别轴承早期微弱的故障特征。利用该诊断方法能够对加工中心主轴轴承的健康状态进行监测，合理安排更换采购时间可有效的避免因为零部件的更换而导致的设备停机造成巨大的经济损失。
附图说明
[0033]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0034]图1是具体实施方式所述的原始信号时域图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法，其特征在于，所述方法包括以下步骤：步骤S1，根据数学形态学的四种算子的滤波性能构建出增强顶帽变换算子，采用其对采集到的轴承振动信号进行特征增强；步骤S2，经过特征增强后的轴承振动信号输入至集合经验模态分解中，将特征增强后的轴承振动信号分解为若干个模态分量；步骤S3，计算出若干个模态分量的峭度值，选取指定的模态分量，并对选取出的模态分量进行分析，进而识别出轴承故障。2.根据权利要求1所述的基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法，其特征在于，所述的步骤S1中，所述的根据数学形态学的四种算子的滤波性能构建出增强顶帽变换算子，具体为：利用数学形态学中四种基本算子膨胀算子、腐蚀算子、开算子和闭算子进行组合，即膨胀闭运算、腐蚀开运算、闭运算后膨胀和开运算腐蚀得到四种新型增强形态算子。3.根据权利要求2所述的基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法，其特征在于，所述的膨胀算子增强轴承振动信号的波峰，并对轴承振动信号的波谷进行削减；所述的腐蚀算子增强轴承振动信号的波谷，并对轴承振动信号的波峰进行削减；所述的开算子抑制轴承振动信号的波峰噪声；所述的闭算子抑制轴承振动信号的波谷噪声。4.根据权利要求1所述的基于增强顶帽变换算子与集合经验模态分解的主轴轴承诊断方法，其特征在于，所述的步骤S2中，所述的将特征增强后的轴承振动信号分解为若干个模态分量，具体为：将特征增强后的轴承振动信号传输至集合模态分解算法中，所述集合模态分解的本质是...

【专利技术属性】
技术研发人员：孙业彭，张文光，黄海峰，
申请(专利权)人：一汽铸造有限公司，
类型：发明
国别省市：