一种滚动轴承振动信号故障特征提取方法技术

本发明专利技术涉及一种滚动轴承振动信号故障特征提取方法，包括：输入原始振动信号；通过变分模态分解获得指定数量的子信号

【技术实现步骤摘要】
一种滚动轴承振动信号故障特征提取方法


[0001]本专利技术涉及轴承故障诊断
，特别涉及一种滚动轴承振动信号故障特征提取方法
。

技术介绍

[0002]基于轨道车辆轴箱轴承振动加速度信号的车载安全监测系统已全面实现工程应用，但由于车辆运行工况的复杂性，轴承特征信息常常淹没在强烈的背景噪声下，导致当前车载监测系统使用的共振解调算法经常出现误报
、
漏报等情况
。
目前，在强背景噪声轴承故障诊断中，常常用到变分模态分解
(VMD)
方法，该方法可以将输入信号分解为指定数量
、
不同频段的子信号
(IMF)
；再根据每个子信号的峭度指标进行筛选，将符合条件的子信号重新合成新的信号，达到对原始信号降噪的目的；最后对新信号做包络谱变换，得到新信号在频域的故障特征
。
但基于峭度指标的信号筛选侧重于对冲击信号的筛查，若某一频段子信号不存在冲击信号，则该频段故障频率的谐波振动信息便被弃用，导致最终频域图谱中相应故障特征的振幅值不够突出，进而出现误诊的情况
。
这也是当前工程应用中基于高频冲击信号的共振解调算法存在的主要问题
。
[0003]例如，公告号为
CN114486260A
的中国专利文献公开的一种基于自适应变分模态分解的轴承故障诊断方法，该专利方案实现步骤为：
(1)、
输入信号；
(2)、
功率谱密度
PSD
计算；<br/>(3)、
执行功率谱密度引导的自适应变分模态分解
PVMD
；
(4)、
获得指定数量的子信号
IMF
；
(5)、
对
IMF
进行平方包络分析；
(6)、
提取轴承故障特征
。
步骤
(5)、(6)
是对所有子信号做平方包络谱，从所有包络谱中查找轴承故障特征频率
。
该方案采用平方包络，虽一定程度增加了故障特征频率的振幅值，但同样放大了噪声振动频率的振幅值，无法避免噪声的干扰，每个子信号中相应故障特征频率的振幅值仍然并不突出
。

技术实现思路

[0004]本专利技术要解决现有技术中的技术问题，提供一种滚动轴承振动信号故障特征提取方法
。
[0005]为了解决上述技术问题，本专利技术的技术方案具体如下：
[0006]一种滚动轴承振动信号故障特征提取方法，包括以下步骤：
[0007]步骤
(1)
：输入原始振动信号；
[0008]步骤
(2)
：通过变分模态分解获得指定数量的子信号
IMF
；
[0009]步骤
(3)
：对所有子信号进行希尔伯特变换，并计算对应的子信号包络；
[0010]步骤
(4)
：求所有子信号的包络谱；
[0011]步骤
(5)
：利用频域类脉冲指标，从步骤
(4)
的包络谱中筛选出满足设定阈值的子信号；
[0012]步骤
(6)
：读取步骤
(3)
中得到的
、
由步骤
(5)
筛选出的子信号包络，并将所有筛选出的子信号包络做线性相加运算；
[0013]步骤
(7)
：对由步骤
(6)
合成的包络序列做傅里叶变换，提取故障特征
。
[0014]在上述技术方案中，步骤
(5)
中，所述频域类脉冲指标的计算公式为：
[0015][0016]其中，
γ
表示频域类脉冲指标；
max(
·
)
表示求取数列中的最大值；
mean(
·
)
表示求取数列的平均值；
f
表示频谱的数值序列
。
[0017]在上述技术方案中，步骤
(3)
中，子信号的子信号包络保存在内存中
。
[0018]在上述技术方案中，利用脉冲响应函数模拟轴承故障信号的冲击信号：
[0019][0020]其中，
A
表示振幅；
β
为二阶系统阻尼系数；
f
n
为共振频率，
t
表示时间
。
[0021]在上述技术方案中，步骤
(1)
中，设所述振动信号由3个冲击信号及高斯白噪声组成，信号的具体表达式为：
[0022][0023]其中，
n(t)
为
6db
高斯白噪声，
t
表示时间
。
[0024]在上述技术方案中，模拟的振动信号的采样频率
f
s
为
20kHz
，特征频率
f
c
为
40Hz
，采样时长为
0.2s
，采样点数为
4000
个
。
[0025]本专利技术具有以下有益效果：
[0026]本专利技术的滚动轴承振动信号故障特征提取方法，利用“频域类脉冲”指标可有效筛选出频谱中特征频率集中的子信号，降低背景噪声对于特征提取造成的干扰
。
同时值得注意的是，本专利技术信号重构的方法并非将筛选出的子信号进行线性相加，而是将子信号的包络线性相加
。
对合成的包络序列进行傅里叶变换，可大幅提高频谱中相应特征频率的振幅，实现轴承的早期故障诊断
。
附图说明
[0027]下面结合附图和具体实施方式对本专利技术作进一步详细说明
。
[0028]图1为本专利技术的滚动轴承振动信号故障特征提取方法的步骤流程示意图
。
[0029]图2为模拟振动信号示意图
。
[0030]图3为高频滤波
‑
包络解调法处理结果示意图
。
[0031]图4为本专利技术的滚动轴承振动信号故障特征提取方法中的，各
IMF
子信号的包络及包络谱示意图
。
[0032]图5为本专利技术的滚动轴承振动信号故障特征提取方法的处理结果示意图
。
具体实施方式
[0033]本专利技术的专利技术思想为：本专利技术的滚动轴承振动信号故障特征提取方法，直接指定子信号数量，不涉及子信号数量的确定环节
。
降低原始振动信号中背景噪声的影响，并提高频谱中故障特征频率的振幅值
。
[0034]下面结合附图对本专利技术做以详细说明
。
[0035]如图1所示，本专利技术的滚动轴承振动信号故障特征提取方法，包括步骤：
[0036]步骤
(1)、
输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种滚动轴承振动信号故障特征提取方法，其特征在于，包括以下步骤：步骤
(1)
：输入原始振动信号；步骤
(2)
：通过变分模态分解获得指定数量的子信号
IMF
；步骤
(3)
：对所有子信号进行希尔伯特变换，并计算对应的子信号包络；步骤
(4)
：求所有子信号的包络谱；步骤
(5)
：利用频域类脉冲指标，从步骤
(4)
的包络谱中筛选出满足设定阈值的子信号；步骤
(6)
：读取步骤
(3)
中得到的
、
由步骤
(5)
筛选出的子信号包络，并将所有筛选出的子信号包络做线性相加运算；步骤
(7)
：对由步骤
(6)
合成的包络序列做傅里叶变换，提取故障特征
。2.
根据权利要求1所述的滚动轴承振动信号故障特征提取方法，其特征在于，步骤
(5)
中，所述频域类脉冲指标的计算公式为：其中，
γ
表示频域类脉冲指标；
max(
■
)
表示求取数列中的最大值；
mean(
·
)
表示求取数列的平均值；
...

【专利技术属性】
技术研发人员：王钰烁，宋春元，崔利通，
申请(专利权)人：中车长春轨道客车股份有限公司，
类型：发明
国别省市：