[发明专利]一种快速检测复杂系统动力学突变的有效方法

说明书

本发明公开了一种快速检测复杂系统动力学突变的有效方法，该方法反映了一维时间序列的复杂度，对信号的变化具有较高的敏感性，并且能够快速检测微弱信号的突变。该算法处理信号的步骤为：(1)利用采集到的振动信号，构造一维时间序列；(2)计算时间序列的均值和方差构造出所对应的概率密度函数；(3)计算每一个时间序列点所对应的概率密度函数值，定义每个数据点的概率密度函数值与其峰值的比值为权重；(4)根据Shannon熵的定义求出概率密度信息熵；(5)对概率密度信息熵进行标准化分析，得出分布熵(DE)。本发明可用于提取反映系统运行状态的有效敏感特征，对设备是否发生故障进行监测和判断，其运算时间短，对参数要求低。

技术领域

本发明涉及滚动轴承的故障检测方法，具体涉及一种快速检测复杂系统动力学突变的有效方法，该方法可有效的快速检测滚动轴承的故障信息。

背景技术

随着科学技术的不断发展，机械设备越来越复杂，自动化水平越来越高，设备在现代工业生产中的作用和影响越来越大，与设备有关的费用越来越高，机器运行中发生的任何故障或失效不仅会引起严重后果，造成重大的经济损失，甚至还可能导致灾难性的人员伤亡和恶劣的社会影响。通过对机械工况进行监测，对其故障发展趋势进行早期诊断，便可以找出故障原因，采取各种措施进行维修保养，避免设备的突然损坏，使之安全经济地运转。机械故障的发生是一个突变的过程，信号突变的奇异点是反映系统故障的重要信息，通过对机械设备运行状态中信号突变的检测是一个重要的研究课题。Fourier变换是检测信号突变的有效方法，在各个领域上应用广泛。该方法通过研究信号在Fourier变换域上是否存在突变以及突变处振幅的大小来判断故障是否存在，但是Fourier变换只能确定信号突变的整体性质，不能确定突变点的准确位置。随着动力学理论的发展，学者们在检测信号突变方面提出了一系列方法，例如动力学变换回归法、非线性相干分析法、及与之相关的概率统计方法等，这些算法虽然能有效解决问题，但计算过程复杂，且计算量大。

近年来，由于熵可以识别非线性参数，基于熵的方法被广泛应用于故障检测和诊断中，如近似熵、样本熵、模糊熵和多尺度熵。然而，近似熵过度依赖于数据长度；样本熵基于的单位阶跃函数在边界位置不连续，会出现阶跃现象；模糊熵基于隶属度函数的概念，很难进行准确地确定；多尺度熵的提出是基于样本熵的，只不过是从多个尺度上计算样本熵。为了分析信号的复杂性，Bandit等人提出了排列熵的概念。排列熵是一种衡量一维时间序列复杂度方法，该算法计算简单，抗噪能力强，需要的时间序列短，适合在线监测等优点，可以更好的检测出复杂系统的动力学突变，在各个领域得到广泛的应用。但是，当采用排列熵方法检测信号是否突变时，嵌入维数m和延迟时间τ的选取会影响排列熵检测的有效性。

发明内容

本发明要解决的技术问题为：克服现有技术的不足，对于旋转机械在不断运行中发生的故障，提供一种快速检测复杂系统动力学突变的有效方法，从而确定当前的故障状态，实现轴承故障诊断。

本发明解决上述技术问题采用的技术方案为：一种快速检测复杂系统动力学突变的有效方法，可分别对轴承内圈故障振动信号、轴承外圈故障振动信号、滚动体故障振动信号进行分析，其分析实现步骤如下：

步骤1：利用加速度传感器测量滚动轴承振动信号，采集滚动轴承内圈故障、外圈故障、滚动体故障状态下振动信号，得到各状态下的振动数据，构造一维时间序列；

步骤2：计算时间序列的均值和方差构造出所对应的概率密度函数；

步骤3：计算每一个时间序列点所对应的概率密度函数值，定义每个数据点的概率密度函数值与其峰值的比值为权重；

步骤4：根据Shannon熵的定义求出概率密度信息熵；

步骤5：对概率密度信息熵进行标准化分析，得出分布熵(DE)；

步骤6：根据DE分析的结果，判断系统运行的状态。

具体步骤如下：