【技术实现步骤摘要】
本文件涉及故障诊断，尤其涉及一种优化滤波mckd的轴承故障诊断方法及系统。
技术介绍
1、研究表明，采集到的信号是故障激励源、噪声和传输路径等多重卷积的混合物，因此，有学者提出了盲解卷积的概念，希望设计逆滤波器使滤波后的信号近似于故障源信号。为了更好的衡量故障信息，现有最大相关峭度解卷积(maximum correlated kurtosisdeconvolution，mckd)方法，是一种从振动数据中提取轴承故障的解卷积方法，以相关峭度(correlation kurtosis，ck)作为目标函数，通过迭代计算方式求解出最优滤波器，此方法能够增强故障信息中的周期性脉冲，在故障检测方面具有很好的效果。
2、现有的盲解卷积方法通常难以判断结果是否为全局最优解，在处理强噪声信号或微弱故障信号时，不同的初始滤波器系数会获得不同的滤波结果。在mckd中，虽然可以人为设置mckd的初始滤波器系数，但与一阶移位的mckd不同，高阶移位的mckd仍然有可能收敛到局部最优解，其原因是作为目标函数的相关峭度对滤波器系数的偏导函数并非严格单调收敛，因此局部最优解是不可避免的。
技术实现思路
1、本说明书一个或多个实施例提供了一种优化滤波mckd的轴承故障诊断方法，包括：
2、s1.采集振动信号，对振动信号的频谱进行傅里叶变换得到关键函数；
3、s2.设定初始截取长度，基于初始截取长度对所述关键函数进行傅里叶逆变换得到频谱趋势，以趋势谱的极小值作为频谱分割的边界划分出
4、s3.基于得到的滤波频带设计mayer小波滤波器，并以设计的mayer小波滤波器系数作为mckd的初始滤波器系数；
5、s4.计算不同初始滤波器系数的mckd滤波结果，以谐波谱峭度(hsk)量化所有滤波信号的故障特性，选出hsk最大值对应的滤波结果作为mckd的全局最优解，完成故障诊断。
6、进一步地，所述采集振动信号，对振动信号的频谱进行傅里叶变换得到关键函数具体方法为：
7、对振动信号进行傅里叶变换得到频谱，对频谱进行傅里叶变换得到关键函数。
8、进一步地，所述对振动信号进行傅里叶变换得到频谱具体方法为：
9、采集到的振动信号为x(t)，通过公式1对其进行傅里叶变换得到频谱：
10、
11、频谱x(f)的绝对值|x(f)|是一个只包含实部的离散序列。
12、进一步地，所述对频谱进行傅里叶变换得到关键函数具体方法为：
13、设v(n)＝x(f),n＝1,2,…,l，l为序列长度，v(n)是一个离散的非负序列，计算v(n)的傅里叶变换函数如公式2所示：
14、
15、对频谱的幅值序列进行傅里叶变换，计算出的v(u)包含实部和虚部，v(u)为信号x(t)的关键函数。
16、进一步地，所述设定初始截取长度，基于初始截取长度对所述关键函数进行傅里叶逆变换得到频谱趋势，以趋势谱的极小值作为频谱分割的边界划分出的不同带宽和中心频率的滤波频带具体方法为：
17、对关键函数v(u)首部一部分序列进行傅里叶逆变换，设定初始截取长度k，使用vk(u)表示关键函数v(u)的前k个数并将后续数值置零所得的新序列，频谱趋势如公式3所示：
18、
19、根据所述频谱趋势得到趋势谱，以趋势谱极小值划分出的不同带宽和中心频率的滤波频带。
20、进一步地，步骤s2进一步包括：增加截取长度，重复对频谱进行划分，记录所有结果，构建多层塔式的频谱分割框架。
21、进一步地，所述方法进一步包括：
22、选出hsk最大值对应的滤波结果后对选择的滤波结果进行频谱分析和包络解调，完成故障诊断。
23、本说明书一个或多个实施例提供了一种优化滤波mckd的轴承故障诊断系统，包括：
24、信号处理模块：用于采集振动信号，对振动信号的频谱进行傅里叶变换得到关键函数；
25、频谱分割模块：用于设定初始截取长度，基于初始截取长度对所述关键函数进行傅里叶逆变换得到频谱趋势，以趋势谱的极小值作为频谱分割的边界划分出的不同带宽和中心频率的滤波频带，增加截取长度，重复上述步骤，记录所有结果；
26、滤波器构建模块：用于基于得到的滤波频带设计mayer小波滤波器，并以设计的mayer小波滤波器系数作为mckd的初始滤波器系数；
27、故障诊断模块：用于计算不同初始滤波器系数的mckd滤波结果，以谐波谱峭度(hsk)量化所有滤波信号的故障特性，选出hsk最大值对应的滤波结果作为mckd的全局最优解，完成故障诊断。
28、本说明书一个或多个实施例提供了一种电子设备，包括：
29、处理器；以及，
30、被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述优化滤波mckd的轴承故障诊断方法的步骤。
31、本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述优化滤波mckd的轴承故障诊断方法的步骤。
32、采用本专利技术实施例，通过傅里叶变换及逆变换确定频谱分割边界并划分滤波频带，能精准定位不同频率成分，有效提取振动信号中的特征信息；利用mayer小波滤波器设计初始滤波器系数并用于mckd，可增强对故障信号的处理能力；以谐波谱峭度hsk量化故障特性并选出全局最优解，能高效、准确地诊断故障，提高故障诊断的可靠性与精度，可帮助快速定位设备故障根源，减少设备维护成本与停机时间，提升设备运行稳定性与安全性。
33、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
本文档来自技高网...【技术保护点】
1.一种优化滤波MCKD的轴承故障诊断方法，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，所述采集振动信号，对振动信号的频谱进行傅里叶变换得到关键函数具体方法为：
3.根据权利要求2所述的方法，其特征在于，所述对振动信号进行傅里叶变换得到频谱具体方法为：
4.根据权利要求3所述的方法，其特征在于，所述对频谱进行傅里叶变换得到关键函数具体方法为：
5.根据权利要求4所述的方法，其特征在于，所述设定初始截取长度，基于初始截取长度对所述关键函数进行傅里叶逆变换得到频谱趋势，以趋势谱的极小值作为频谱分割的边界划分出的不同带宽和中心频率的滤波频带具体方法为：
6.根据权利要求1所述的方法，其特征在于，步骤S2进一步包括：增加截取长度，重复对频谱进行划分，记录所有结果，构建多层塔式的频谱分割框架。
7.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：
8.一种优化滤波MCKD的轴承故障诊断系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一
...【技术特征摘要】
1.一种优化滤波mckd的轴承故障诊断方法，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，所述采集振动信号，对振动信号的频谱进行傅里叶变换得到关键函数具体方法为：
3.根据权利要求2所述的方法，其特征在于，所述对振动信号进行傅里叶变换得到频谱具体方法为：
4.根据权利要求3所述的方法，其特征在于，所述对频谱进行傅里叶变换得到关键函数具体方法为：
5.根据权利要求4所述的方法，其特征在于，所述设定初始截取长度，基于初始截取长度对所述关键函数进行傅里叶逆变换得到频谱趋势，以趋势谱的极小值作为频谱分割的边界划分...
【专利技术属性】
技术研发人员：张坤，邹雪，孙雨濛，杨苗蕊，胥永刚，
申请(专利权)人：北京工业大学，
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。