[发明专利]基于相关系数改进变分模态分解的滚动轴承故障诊断方法

说明书

本发明涉及一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，包括以下步骤：1)获取待诊断滚动轴承的振动信号；2)设定分解个数K的初始值以及相关系数阈值；3)根据设定的分解个数K对振动信号通过VMD算法进行分解，并且计算在此分解个数K的条件下对应的各模态分量之间的相关系数；4)判断各模态分量之间的相关系数是否超过相关系数阈值，若否，则将当前分解个数K的值加1，并且返回步骤3)，若是，则将此时的K值减1作为最终的分解个数K的值。与现有技术相比，本发明具有减少模态混叠、防止信号缺失、有效提取诊断等优点。

技术领域

本发明涉及滚动轴承故障诊断，尤其是涉及一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法。

背景技术

滚动轴承作为一种广泛使用的零部件在机械设备的运行中发挥着重要的作用，滚动轴承故障会导致滚动轴承的失效，进而严重影响机械设备的运行，而随着机电设备的工作环境愈发复杂，轴承发生故障的几率逐渐增大。据统计，大约30％的机械设备故障是由滚动轴承局部损伤故障引起。因此，滚动轴承的故障诊断技术收到越来越多人的关注。

机械设备中测量得到的滚动轴承振动信号大多是复杂的调幅-调频信号，其故障特征微弱难以提取，需要对原始振动信号分解之后，对分量进行分析处理。基于此，变分模态分解(Variational Mode Decomposition，简称VMD)作为一种自适应信号处理方法，被运用到故障诊断领域中，它可以通过迭代搜寻变分模态的最优解，更新各模态分量，重构原始信号。

然而，VMD在处理信号时需要预先设定好分量分解个数K，K值的不同对于分解效果会有较大影响。K值偏小，会使得信号分解不充分，造成信息缺失，为了解决此问题，现有技术通过各模态分量与原始信号的信息熵来确定分量分解个数K，但是并不能消除分量之间存在频率混叠的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，包括以下步骤：

1)获取待诊断滚动轴承的振动信号；

2)设定分解个数K的初始值以及相关系数阈值；

3)根据设定的分解个数K对振动信号通过VMD算法进行分解，并且计算在此分解个数K的条件下对应的各模态分量之间的相关系数；

4)判断各模态分量之间的相关系数是否超过相关系数阈值，若否，则将当前分解个数K的值加1，并且返回步骤3)，若是，则将此时的K值减1作为最终的分解个数K的值。

优选地，所述的步骤3)中，两个模态分量之间的相关系数ρ_xy的计算式为：

其中，x(n)、y(n)为模态分量，x²(n)、y²(n)分别为模态分量的能量。

优选地，所述的步骤2)中，分解个数K的初始值为2。

优选地，所述的步骤4)中，选取各模态分量之间的所有相关系数中的最大值作为与相关系数阈值比较的值。

优选地，所述的步骤2)中相关系数阈值为0.1。

优选地，所述的步骤4)还包括以下步骤：

以最终的分解个数K的值为最优值进行分解，获取分解后的模态分量对应的包络谱，获取包络谱中的突出的频率成分，并以此作为检测频率与故障频率比较后判断该待诊断滚动轴承是否出现故障。

与现有技术相比，本发明具有以下优点：