[发明专利]基于新型信噪比指标的随机共振滚动轴承故障诊断方法

权利要求书

1.基于新型信噪比指标的随机共振滚动轴承故障诊断方法，其特征在于：包括如下几个步骤：

步骤1：信号采集；

步骤2：信号预处理；

步骤3：滚动轴承故障理论特征频率计算；

步骤4：基于新型信噪比指标的自适应随机共振方法；

步骤5：故障实际特征频率提取及故障类型判别；

所述步骤2包括采用高通滤波滤去低频成分以及采用普通变尺度方法使采集到的振动信号满足经典随机共振的小参数要求；

所述步骤3包括根据轴承的结构参数和实际转速计算外圈、内圈、滚动体和保持架四种典型故障的理论特征频率；

所述步骤4中的新型信噪比作为评价指标对应的计算公式为：

式中：SNRI表示该新型信噪比；ft表示故障理论特征频率；kt表示ft对应的数字序列；X(·)表示幅值谱；S(ft)表示以ft为中心，在ft-lΔft和ft+lΔft之间的信号能量，2l表示计算带宽，Δft表示频率分辨率；N(ft)表示噪声能量；M表示计算的数据序列的最大位置。

2.根据权利要求1所述的基于新型信噪比指标的随机共振滚动轴承故障诊断方法，其特征在于：所述步骤4中的自适应随机共振对应的朗之万方程为：

式中：U(x)表示双稳态势函数；s(t)表示输入信号；n(t)表示噪声强度为D的高斯白噪声；δ(t)表示狄拉克函数；a、b表示正系统参数，可以通过调节系统参数a、b来改变势阱势垒的深度和宽度；所述朗之万方程采用四阶龙格库塔算法进行求解，其离散公式如下：

式中：sj、nj以及xj分别表示输入信号、噪声以及输出信号的第j个采样值；h表示迭代步长。

3.根据权利要求2 所述的基于新型信噪比指标的随机共振滚动轴承故障诊断方法，其特征在于：系统参数a、b采用增加收缩因子的粒子群优化算法，其具体步骤如下所示：

1)设置初始条件：学习因子c₁和c₂都设置为2.05，最大迭代次数设置为40，初始化群体个数设置为40；

2)初始化种群个体：随机初始化粒子的位置和速度；

3)计算每个粒子的适应度并找出局部最优和全局最优；

4)进入主循环：首先，更新粒子的速度和位置；接着，重新计算各粒子的适应度，并且更新局部最优值和全局最优值：然后判断最优值是否在0到2之间，最后判断是否达到最大迭代次数，若达到则输出最优解，否则继续循环。

4.根据权利要求3所述的基于新型信噪比指标的随机共振滚动轴承故障诊断方法，其特征在于：所述更新粒子的速度是指根据该粒子群优化算法的计算公式来更新，计算公式如下所示：

式中，φ为收缩因子，vi.j(t)和xi.j(t)分别表示速度和位置，r₁和r₂表示随机权重，pi.j表示局部最优，pg.j表示全局最优。

5.根据权利要求4所述的基于新型信噪比指标的随机共振滚动轴承故障诊断方法，其特征在于：所述适应度对应的是所述新型信噪比指标。