滚动轴承故障模式识别方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种滚动轴承故障模式识别方法，其包括：构建信号处理模型；将滚动轴承原始振动信号数据输入信号处理模型进行计算；基于计算结果，采用离线训练构建故障模式分类知识库；以及将滚动轴承在线监测振动信号输入信号处理模型进行计算，结合故障模式分类知识库，进行故障模式识别。本发明专利技术还公开了一种滚动轴承故障模式识别系统、电子设备及存储介质。本发明专利技术不需依赖外部专家的经验知识，故障识别效果好、准确率高。本发明专利技术利用优化的变分模态分解(VMD)，精细复合多尺度散布熵(RCMDE)和优化的支持向量机(SVM)构建了故障诊断“黑匣子”模型进行滚动轴承故障模式自动识别。模型进行滚动轴承故障模式自动识别。模型进行滚动轴承故障模式自动识别。

【技术实现步骤摘要】
滚动轴承故障模式识别方法、系统、电子设备及存储介质


[0001]本专利技术涉及机械设备故障模式识别
，特别涉及一种滚动轴承故障模式识别方法、系统、电子设备及存储介质。

技术介绍

[0002]炼化企业的数字化转型对预测性维修提出了新的要求，机械零部件智能化故障诊断是预测性维修的基础。故障识别是智能故障诊断中最关键的一步，它能准确、有效地挖掘出丰富的设备故障信息，找出不同类别的样本群在特征空间中的分布区域和边界，为后续的决策知识库构建提供最重要的参考和指导。滚动轴承作为旋转机械中应用最为重要的零部件，故障率较高，其一旦发生故障，将直接影响整个机械设备的工作状态，甚至造成停机事故，影响装置的安全稳定生产。常见的旋转机械设备故障中，因滚动轴承失效而发生的故障高达70％。因此，深入研究滚动轴承故障模式识别技术，对设备预测性维修、保证设备平稳运行、减少事故和经济损失有重要意义。
[0003]在实际工程应用中，在设备的使用期限内不一定能采集到所有类型的故障信号，并且由一种设备构建的故障模式识别方法对不同设备不同工况的轴承信号适用性不高。如果对每一台设备都构建一种不同的故障模式识别方法，则经济和时间成本过高而无法实现。在企业生产过程中，实现跨设备不同工况滚动轴承故障模式识别还存在一定的技术挑战。目前许多基于时
‑
频域分析和深度学习的故障模式识别方法和状态监测系统还依赖于大量的外部专家的经验知识，还未能真正做到故障模式的自动识别。此外，很多故障识别模型因设备不同而异，泛化性较差，难以实现工业化应用。r/>[0004]公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现思路

[0005]本专利技术的目的之一在于，提供一种滚动轴承故障模式识别方法、系统、电子设备及存储介质，从而减少滚动轴承故障模式识别对外部专家的经验的依赖。
[0006]本专利技术的另一目的在于，提供一种滚动轴承故障模式识别方法、系统、电子设备及存储介质，从而改善现有技术中滚动轴承故障识别的泛化性较差、难以实现工业化应用的问题。
[0007]为实现上述目的，根据本专利技术的第一方面，本专利技术提供了一种滚动轴承故障模式识别方法，其包括：构建信号处理模型；将滚动轴承原始振动信号数据输入信号处理模型进行计算；基于计算结果，采用离线训练构建故障模式分类知识库；以及将滚动轴承在线监测振动信号输入信号处理模型进行计算，结合故障模式分类知识库，进行故障模式识别。
[0008]进一步，上述技术方案中，信号处理模型包括：利用优化的VMD方法将输入信号分解为K个IMF分量；筛选IMF分量进行信号重构；以及计算重构信号的RCMDE值。
[0009]进一步，上述技术方案中，确定分解层数K包括：利用峭度最大值计算确定VMD方法
中分解层数K的预设取值范围，峭度的计算公式为：
[0010][0011]式中，c
i
(t)是VMD的第i个IMF分量，是c
i
的偏差，是c
i
的平均值，N是信号c
i
(t)的长度；以及根据K的预设取值范围，利用鲸鱼优化算法自适应选取VMD分解层数K和惩罚因子α。
[0012]进一步，上述技术方案中，采用相关系数法筛选IMF分量中相关系数最大的三个IMF分量进行信号重构，相关系数的计算公式为：
[0013][0014]式中，x(t)是原始振动信号，σ
x
是x(t)的偏差，是x(t)的平均值。
[0015]进一步，上述技术方案中，RCMDE值的计算公式为：
[0016][0017]式中，c是类别，m是嵌入维数，为粗粒化序列的散布模式π的概率的平均值。
[0018]进一步，上述技术方案中，采用离线训练构建故障模式分类知识库包括：将滚动轴承原始振动信号数据集计算得到的RCMDE值输入优化的SVM分类器进行离线训练；构建RCMDE值和滚动轴承故障模式对应的故障模式分类知识库。
[0019]进一步，上述技术方案中，SVM分类器分别对应正常状态、内圈故障、外圈故障和滚动体故障模式的滚动轴承原始振动信号。
[0020]进一步，上述技术方案中，采用粒子群算法对SVM分类器进行优化。
[0021]进一步，上述技术方案中，滚动轴承原始振动信号数据包括正常状态数据、内圈故障数据、外圈故障数据和滚动体故障数据。
[0022]进一步，上述技术方案中，对滚动轴承在线监测振动信号进行故障模式识别包括：将滚动轴承在线监测振动信号计算得到的RCMDE值输入经离线训练的SVM分类器得到相应的输出值；以及利用最大间隔原则将输出值与故障模式分类知识库进行比较，得到故障模式识别结论。
[0023]进一步，上述技术方案中，输出值的计算公式如下：
[0024][0025]式中，x
i
是样本空间的输入，y
i
是映射值，α
i
是拉格朗日乘数，b是偏移向量，K(x,x
i
)是核函数，γ是核函数带宽。
[0026]根据本专利技术的第二方面，本专利技术提供了一种滚动轴承故障模式识别系统，其包括：数据获取模块，其用于获取滚动轴承原始振动信号数据和滚动轴承在线监测振动信号；模
型训练模块，其用于构建信号处理模型，并基于滚动轴承原始振动信号数据对信号处理模型进行离线训练，构建故障模式分类知识库；以及故障模式识别模块，其用于基于滚动轴承在线监测振动信号、信号处理模型和故障模式分类知识库，进行故障模式识别。
[0027]进一步，上述技术方案中，信号处理模型为：利用优化的VMD方法将输入信号分解为K个IMF分量；筛选IMF分量进行信号重构；以及计算重构信号的RCMDE值。
[0028]根据本专利技术的第三方面，本专利技术提供了一种电子设备，其包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器执行如上述技术方案中任意一项的滚动轴承故障模式识别方法。
[0029]根据本专利技术的第四方面，本专利技术提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行如上述技术方案中任意一项的滚动轴承故障模式识别方法。
[0030]与现有技术相比，本专利技术具有如下一个或多个有益效果：
[0031]1.本专利技术可以利用未经预处理的时间序列的振动数据作为输入，自动识别故障模式，不需依赖外部专家的经验知识，故障识别效果好、准确率高。
[0032]2.本专利技术由离线训练模式和在线监测模式组成，能够适用于相同设备不同工况以及不同设备不同工况的滚动轴承故障模式自动识别，具有良好的泛化性。
[0033]3.本专利技术利用优化的变分模态分解(VMD)，精细复合多尺度散布熵(RCMD本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承故障模式识别方法，其特征在于，包括：构建信号处理模型；将滚动轴承原始振动信号数据输入信号处理模型进行计算；基于计算结果，采用离线训练构建故障模式分类知识库；以及将滚动轴承在线监测振动信号输入信号处理模型进行计算，结合故障模式分类知识库，进行故障模式识别。2.根据权利要求1所述的滚动轴承故障模式识别方法，其特征在于，信号处理模型包括：利用优化的VMD方法将输入信号分解为K个IMF分量；筛选IMF分量进行信号重构；以及计算重构信号的RCMDE值。3.根据权利要求2所述的滚动轴承故障模式识别方法，其特征在于，确定分解层数K包括：利用峭度最大值计算确定VMD方法中分解层数K的预设取值范围，峭度的计算公式为：式中，c
i
(t)是VMD的第i个IMF分量，是c
i
的偏差，是c
i
的平均值，N是信号c
i
(t)的长度；以及根据K的预设取值范围，利用鲸鱼优化算法自适应选取VMD分解层数K和惩罚因子α。4.根据权利要求2所述的滚动轴承故障模式识别方法，其特征在于，采用相关系数法筛选IMF分量中相关系数最大的三个IMF分量进行信号重构，相关系数的计算公式为：式中，x(t)是原始振动信号，σ
x
是x(t)的偏差，是x(t)的平均值。5.根据权利要求2所述的滚动轴承故障模式识别方法，其特征在于，RCMDE值的计算公式为：式中，c是类别，m是嵌入维数，为粗粒化序列的散布模式π的概率的平均值。6.根据权利要求2所述的滚动轴承故障模式识别方法，其特征在于，采用离线训练构建故障模式分类知识库包括：将滚动轴承原始振动信号数据集计算得到的RCMDE值输入优化的SVM分类器进行离线训练；构建RCMDE值和滚动轴承故障模式对应的故障模式分类知识库。7.根据权利要求6所述的滚动轴承故障模式识别方法，其特征在于，SVM分类器分别对
应正常状态、内圈故障、外圈故障和滚动体故障模式的滚动轴承原始振动信号。8.根据权利要求6所述的滚动轴承故障模式识别方法，其特征在于，采用粒子群算法对...

【专利技术属性】
技术研发人员：陈文武，张伟亚，潘隆，牛鲁娜，张艳玲，
申请(专利权)人：中石化安全工程研究院有限公司，
类型：发明
国别省市：