【技术实现步骤摘要】
本专利技术涉及机械故障检测，尤其涉及一种轴承故障智能分析方法及轴承故障智能分析装置。
技术介绍
1、轴承是机械设备的重要零部件，其主要功能是支撑机械旋转体，降低机械设备在传动过程中的机械载荷摩擦系数，因此轴承的质量极大的影响了机械设备的性能，在机械设备的运行过程中需要对轴承进行检测，以监控轴承状态，避免因为轴承故障影响机械设备的运行。但是，在实际操作中，存在许多因素会导致轴承故障智能分析准确性较差，主要如下：
2、（1）由于轴承振动数据往往包含大量信息，包括频率、振幅以及相位等等，对这些数据的准确解读需要借助丰富的专业知识和经验，普通的操作人员难以有效理解和利用上述轴承振动数据进行轴承故障分析，对轴承故障的判断存在较大的主观性与不准确性；
3、（2）由于机械设备所在的运行环境中存在大量的噪声和振动源，这些外部因素可能会干扰轴承振动的测量，导致误判或漏判；
4、（3）目前常用的对轴承振动数据的分析方法主要包括窗口傅里叶变换、小波分析以及wigner-ville分布（简称wvd），由于这些分析方法均以傅里叶变换为最终理论根据，但傅里叶变换在分析非平稳信号时存在局限性，可能会产生混叠现象和频谱泄露，从而影响对轴承振动数据的提取与判断。
5、综上，如何提供一种准确度较高的轴承故障智能分析方法成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、本专利技术提供了一种轴承故障智能分析方法及轴承故障智能分析装置，解决相关技术中存在的轴承故障的判
2、作为本专利技术的第一个方面，提供一种轴承故障智能分析方法，包括：
3、获取目标轴承日常运行时的待测振动信号；
4、通过局部均值分解方法对待测振动信号进行去噪重构处理，获得待测重构信号；
5、根据待测重构信号对应的目标轴承的种类，获取正常运行信号库中目标样本轴承对应的若干目标正常重构信号，目标样本轴承与目标轴承种类相同；其中，正常运行信号库包括若干种类的样本轴承，每种样本轴承均对应若干经过去噪重构处理的正常重构信号；
6、分别计算待测重构信号与目标正常重构信号的相似度，若待测重构信号与每一目标正常重构信号的相似度均小于正常相似度阈值，则确定待测重构信号为异常信号，并将待测重构信号输入异常运行信号库；
7、根据待测重构信号对应的目标轴承的种类，获取异常运行信号库中目标样本轴承对应的若干目标异常重构信号，目标样本轴承与目标轴承种类相同；其中，异常运行信号库包括若干种类的样本轴承，每种样本轴承对应若干异常类型，每一异常类型对应若干经过去噪重构处理的异常重构信号；
8、分别计算待测重构信号与每一目标异常重构信号的相似度，若待测重构信号与目标异常重构信号的相似度大于或等于异常相似度阈值，则根据对应的目标异常重构信号的异常类型确定待测重构信号的异常类型。
9、进一步地，通过局部均值分解方法对待测振动信号进行去噪重构处理，获得待测重构信号，包括：
10、根据预设采样频率对待测振动信号进行采样，获得待测离散信号；
11、获取待测离散信号中所有的局部极值点；
12、计算每一局部极值点的局部均值和局部幅值；
13、分别对每一局部极值点的局部均值和局部幅值进行滑动平均处理，获得待测离散信号的局部均值函数和局部幅值函数；
14、根据局部均值函数和局部幅值函数，获得待测离散信号的零均值函数和纯调频函数；
15、根据待测离散信号的零均值函数和纯调频函数提取待测离散信号中的乘积函数和对应的剩余信号；
16、根据乘积函数和剩余信号对待测离散信号进行重构，获得待测重构信号。
17、进一步地，获取待测离散信号的局部极值点，包括：
18、通过损失函数对待测离散信号进行放大增强处理，获得放大增强后的待测离散信号，放大增强后的待测离散信号的信噪比等于待测离散信号的信噪比；
19、获取放大增强后的待测离散信号中所有的局部极值点。
20、进一步地，分别对每一局部极值点的局部均值和局部幅值进行滑动平均处理，获得待测离散信号的局部均值函数和局部幅值函数，包括：
21、计算相邻局部极值点之间的初始步长；
22、根据相邻局部极值点之间的初始步长计算滑动平均处理的步长均值；
23、根据步长均值计算滑动平均处理的步长标准差；
24、根据步长均值和步长标准差获得滑动平均处理的步长；
25、根据滑动平均处理的步长分别对每一局部极值点的局部均值和局部幅值进行滑动平均处理，获得待测离散信号的局部均值函数和局部幅值函数。
26、进一步地，本专利技术提供的一种轴承故障智能分析方法，还包括：
27、分别对正常运行信号库中每一种类样本轴承所对应的若干正常重构信号进行合并优化处理，获得每一种类样本轴承所对应的正常对比信号；
28、根据每一种类样本轴承所对应的正常对比信号形成优化后的正常运行信号库，其中，优化后的正常运行信号库包括若干种类的样本轴承，每种样本轴承对应一个正常对比信号；
29、分别对异常运行信号库中每一种类样本轴承的每一异常类型所对应的若干异常重构信号进行合并优化处理，获得每一种类样本轴承的每一异常类型所对应的异常对比信号；
30、根据每一种类样本轴承的每一异常类型所对应的异常对比信号形成优化后的异常运行信号库，其中，优化后的异常运行信号库包括若干种类的样本轴承，每种样本轴承对应若干异常类型，每一异常类型对应一个异常对比信号。
31、进一步地，分别对正常运行信号库中每一种类样本轴承所对应的若干正常重构信号进行合并优化处理，获得每一种类样本轴承所对应的正常对比信号，包括：
32、通过快速傅里叶变换处理将正常运行信号库中的每一正常重构信号变换为正常频域信号；
33、提取正常运行信号库中每一种类样本轴承所对应的若干正常频域信号中的最大强度正常频域信号和最小强度正常频域信号；
34、计算每一种类样本轴承的最大强度正常频域信号和最小强度正常频域信号的平均值，获得每一种类样本轴承的正常对比信号；
35、分别对异常运行信号库中每一种类样本轴承的每一异常类型所对应的若干异常重构信号进行合并优化处理，获得每一种类样本轴承的每一异常类型所对应的异常对比信号，包括：
36、通过快速傅里叶变换处理将异常运行信号库中的每一异常重构信号变换为异常频域信号；
37、提取异常运行信号库中每一种类样本轴承的每一异常类型所对应的若干异常频域信号中的最大强度异常频域信号和最小强度异常频域信号；
38、计算每一种类样本轴承的每一异常类型的最大强度异常频域信号和最小强度异常频域信号的平均值，获得每一种类样本轴承的每一异常类型的异常对比信号。
39、进一步地，对待测振本文档来自技高网...
【技术保护点】
1.一种轴承故障智能分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过局部均值分解方法对所述待测振动信号进行去噪重构处理，获得待测重构信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取所述待测离散信号的局部极值点，包括：
4.根据权利要求2或3任一所述的方法，其特征在于，所述分别对每一所述局部极值点的局部均值和局部幅值进行滑动平均处理，获得所述待测离散信号的局部均值函数和局部幅值函数，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述分别对所述正常运行信号库中每一种类样本轴承所对应的若干正常重构信号进行合并优化处理，获得每一种类样本轴承所对应的正常对比信号，包括：
7.根据权利要求6所述的方法，其特征在于，所述对所述待测振动信号进行去噪重构处理，获得待测重构信号后，还包括：
8.根据权利要求1所述的方法，其特征在于，所述分别计算所述待测重构信号与所述目标正常重构信号的相似度，包括：
9.
10.一种轴承故障智能分析装置，用于实现权利要求1至9任一所述的轴承故障智能分析方法，其特征在于，包括：
...【技术特征摘要】
1.一种轴承故障智能分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过局部均值分解方法对所述待测振动信号进行去噪重构处理，获得待测重构信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述获取所述待测离散信号的局部极值点，包括：
4.根据权利要求2或3任一所述的方法，其特征在于，所述分别对每一所述局部极值点的局部均值和局部幅值进行滑动平均处理，获得所述待测离散信号的局部均值函数和局部幅值函数，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述分别对所述正常运行信号库中每一种类样本轴承所对应的若干正常重构信号进行合并优化处理，获得每一种类样...
【专利技术属性】
技术研发人员：王森，王一川，许汉威，
申请(专利权)人：无锡科晟光子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。