[发明专利]一种滚动轴承故障定量评估方法

说明书

本发明公开了一种滚动轴承故障定量评估方法，属于轴承故障评估技术领域。首先采集具有不同尺寸故障的滚动轴承运行时的振动加速度信号并建立数据库；再对数据库中的数据进行变分模态分解得到训练模式分量；然后建立一维卷积神经网络，并对其进行训练，最后利用训练后的一维卷积神经网络实现对滚动轴承故障的定量评估。通过变分模态分解提取待评估滚动轴承振动加速度信号中的有效信息，并利用卷积神经网络的强大学校能力，有效的实现了对滚动轴承故障的定量评估。能够准确地评价故障尺寸的线度，有助于制定更具体的检修维护策略，可以避免过早更换轴承带来“过剩维修”或更换不及时引起“维修不足”造成经济损失。

技术领域

本发明属于轴承故障评估技术领域，具体涉及一种滚动轴承故障定量评估方法。

背景技术

滚动轴承广泛应用于旋转机械，适用于不同的操作环境，如高载荷、高温和粉尘环境的炼钢设备，易脏污的土方工程和农用机械，极端高温——低温的深空和真空环境等。有研究表明，轴承故障是旋转机械故障的主要来源之一，由轴承引发的故障占旋转机械故障事故总数的44％。因而研究轴承的故障对于机械的故障诊断来说十分重要。

对轴承的故障损伤尺寸进行量化评估，是滚动轴承故障研究的一个重要部分。准确地评价故障尺寸的线度，有助于制定更具体的检修维护策略，可以避免过早更换轴承带来的“过剩维修”或者更换不及时引起的“维修不足”造成经济损失。准确地为机械维护提供信息，对轴承故障的定量诊断有重要意义。定量故障下的状态特征和故障大小之间一般为非线性关系，具有表征特征的数据量大、变量多的特点，其诊断模型的建立需要能够应对状态参数的高维度、大数据量及其与状态特征之间非线性关系等问题，有效建立故障与状态特征之间关系模型的方法。

鉴于状态参数和故障尺寸之间的非线性关系，使用精确的数学模型表达有一定难度，而且对于大量数据的处理也存在一定难度，因此需要一种能对滚动轴承故障进行评估的方法。

发明内容

为了解决上述问题，本发明的目的在于提供一种滚动轴承故障定量评估方法，能够准确地评价故障尺寸的线度，有助于制定更具体的检修维护策略，可以避免过早更换轴承带来“过剩维修”或更换不及时引起“维修不足”造成经济损失。

本发明是通过以下技术方案来实现：

一种滚动轴承故障定量评估方法，包括以下步骤：包括以下步骤：

步骤1：采集具有不同尺寸故障的滚动轴承运行时的振动加速度信号，根据所得振动加速度信号数据建立数据库；

步骤2：选取变分模态分解参数对步骤1得到的数据库中的数据进行变分模态分解，得到训练模式分量；

步骤3：建立一维卷积神经网络，利用步骤2得到的训练模式分量对一维卷积神经网络进行训练，得到训练后的一维卷积神经网络；

步骤4：利用步骤2选取的变分模态分解参数对待评估的滚动轴承运行时的振动加速度信号进行变分模态分解后输入步骤3得到的训练后的一维卷积神经网络进行测试，得到该滚动轴承的故障尺寸，完成该滚动轴承故障的定量评估。

优选地，步骤1的具体步骤为：

步骤1.1：加工若干个具有不同尺寸故障的滚动轴承；

步骤1.2：将步骤1.1得到的滚动轴承在实验台上运行，采集每个滚动轴承对应的振动加速度信号；

步骤1.3：将每个滚动轴承的尺寸故障数据和其对应的振动加速度信号数据进行存储，建立数据库。

优选地，步骤2的具体步骤为：

步骤2.1：通过正交试验法，分别使用不同的惩罚系数和分量个数的参数组合对步骤1得到的数据库中的数据进行变分模态分解，取最小包络熵最小的参数组合作为变分模态分解的参数；