[发明专利]一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法

说明书

本发明提供了一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，该方法的核心是TQWT具有提取轴承故障振动特性的能力。包括如下步骤：S1，将正常情况下的振动数据利用TQWT分解成不同的小波系数；S2，在状态监控中的主小波系数和剩余系数来确定两个安全指标来进行状态监测；S3，通过非参数统计和指标的单边置信限来确立控制上限；S4，建立多尺度小波系数的休哈特控制图来进行故障诊断；S5，将故障的信号利用反TQWT进行重建同时利用希尔伯特包络谱提升检测性能得出故障类型。该方法的创新避免了使用维纳分布而导致对数据的分布及稳定性进行过多的假设，同时该方法也能有效的分析出轴承的故障类型，是一种可以运用到工业应用中的方法。

技术领域

本发明属于机械故障诊断技术领域，具体涉及一种可变Q因子小波变换的信号处理和多尺度统计过程控制的状态监控和故障诊断方法。

背景技术

在当代社会，轴承是大型机械系统中最重要，应用最广泛的部件之一。然而，轴承总是在高速，高负荷，恶劣环境下工作，这使得它们很容易出现缺陷。因此，轴承的状态监控和故障诊断是各大机械系统保证高可靠性，低成本和安全运行的关键。在多种信息来源中，振动信号包含损伤存在和故障类型的信息，所以振动信号是检测轴承故障的强有力的信号源。

先从状态监控说起，针对状态监控，统计过程控制可以构建判别指标来评估系统的健康状态。轴承的状态监控一般可分为两个阶段。在第一阶段，轴承在正常状态下工作，并得出安全指标，控制限也在正常工作下计算，并且同时检测新收集的数据；在第二阶段，一旦安全指标发生变化，就意味着轴承进入了异常状态。而建立与时域振动信号相关的安全指标是直接、便捷的方法。

接着是故障分析，近些年来，人们提出了许多机械故障诊断和信号处理的方法，在故障诊断方面，缺陷轴承的信号包括与故障相关的瞬态信号和背景噪声。因为与故障相关的瞬态和背景噪声的时频特性是不同的，所以可以提取和分析与故障相关的瞬态信号来进行轴承故障的诊断，而小波分解方法是轴承故障检测中应用最为广泛的时频方法之一。

综上所述，由于统计过程控制和小波变换在各自方向有良好的性能，所以有关于小波变换和统计过程控制相结合的状态监控和故障诊断的方法。该方法可以将被测信号按一定的类型根据小波变换分解成不同尺度的小波系数，然后为每一个量构建一个表来当作健康系数。然而这样不仅操作复杂，而且需要事先选择一个特殊的母波，因为不同的母波会导致不同的性能。值得注意的是，不论是与故障相关的瞬态信号，还是背景噪声，都有不同的振荡特性。这样会使得小波变换异常复杂。

发明内容

为此，这本发明使用可调Q因子的小波变换(TQWT)，仅仅需要调整Q因子，来改变基函数，而不同的基函数有不同的的震荡特性，这样就会更为简便。

鉴于上述，本发明提供了基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，该方法能够更好的识别故障轴承的位置，以及分析故障轴承的故障种类，并且对数据的分布和稳定性有更少的假设，实现对轴承的状态检测和故障诊断。

本发明是通过以下技术方案实现的：一种基于TQWT辅助SPC的轴承状态监测及故障诊断的方法，包括：

S1，将正常情况下的轴承振动数据利用可调Q因子的小波变换TQWT分解成若干个尺度的小波系数，其中TQWT可参数化为Q因子Q和冗余度r；

S2，将分解后得到的若干尺度的小波系数进行能量监测，并将其分解成若干尺度的小波系数分为主小波系数和剩余小波系数，将主小波系数和剩余小波系数所得到的能量来确定这两个安全指标，并利用这两个安全指标进行状态监测，所述两个安全指标可以标记为M和L；

S3，得出所述两个安全指标之后，设置一个显著性水平α，利用自助法分别得到M、L所对应的主小波系数控制上限和剩余小波系数控制上限这时候再收集需要检测的轴承信号，同样利用S1,S2，得到新的M、L并与之前所得到正常情况下轴承振动的控制限进行比较；