[发明专利]一种轴承故障特征识别方法及识别系统

权利要求书

1.一种轴承故障特征识别方法，其特征在于，所述轴承故障特征识别方法包括以下步骤：

利用SWD对振动信号进行模式分解获取振荡模态分量；

对选取的振荡模态分量利用MOMEDA进行降噪和频域振动信号特征提取，实现弱信号特征的增强；

对数值仿真信号和实测故障信号进行分析，实现故障特征的识别。

2.如权利要求1所述的轴承故障特征识别方法，其特征在于，所述通过迭代群滤波器将多分量信号分解为多个振荡分量之和，SWD过程为：

(1)由信号功率谱峰值确定初始中心频率

其中，S_y(w)表示信号韦尔奇功率谱，q表示在SWD过程中频率w第q次作为中心频率，P_h为阈值；由得到SwF参数M和δ：

其中，odd(·)表示舍入运算；

(2)对信号y(t)进行SwF滤波，得到输出信号u(t)，计算输入输出信号方差：

若方差D大于方差阈值D_h，以u(t)为输入信号重复SwF滤波，直到D＜D_h时，记输出信号为y_i(t)；

(3)更新输入信号：

其中，为互相关函数，τ表示时延；

(4)利用更新的输入信号，重复上述步骤(1)-(3)，直到S_y(w)≤P_h，此时的输入信号为余量r(t)；

(5)按照下式计算多个振荡模态分量：

其中，Ω_d＝{w:w＝w_d}，k为振荡模态分量的个数。

3.如权利要求1所述的轴承故障特征识别方法，其特征在于，所述MOMEDA方法的目的是寻找一个最佳FIR滤波器f(l)系数，使得经过MOMEDA增强后输出信号的目标函数达到最大；对于输入的振动信号向量其目标函数描述为：

其中，为滤波器向量，T为故障周期；为确定脉冲权重及位置的目标向量；

求的导数：

其中，N为采样点总数，L为滤波器长度；将式(7)转化为矩阵形式，并进一步简化得：

其中，X₀为脉冲信号的矩阵形式；由于假定存在，代入公式(7)，得：

由式(9)求出即为所寻求的最佳滤波器系数。

4.如权利要求1所述的轴承故障特征识别方法，其特征在于，所述数值仿真信号分析的方法，包括：

滚动轴承主要用于支撑机械设备中的旋转部件，其振动信号总是包含很多信息，包括故障特征和噪声分量；故障诊断的关键步骤是提取频域振动信号特征；关于轴承故障的模拟信号模型有很多种，最典型的是Randall提出的模型；所述外圈故障数值模拟信号表示如下：

x(t)＝x₁(t)+x₂(t)+n(t) (12)

数值仿真信号x(t)由轴承故障模拟信号x₁(t)和调制信号x₂(t)，以及噪声信号组成；在轴承故障模拟信号x₁(t)中，A₀为谐振强度，取值为1.2；f_m是调制频率，外圈故障时f_m＝0；φ_A，φ_w和C_A均为任意常数；B是衰减系数；故障冲击发生的周期T为0.0071s；τ_i为第i次冲击相对于周期T的微小波动；f_n是系统的共振频率；x₂(t)为调制信号，其中f₁＝15Hz，f₂＝50Hz；n(t)为高斯白噪声，方差为0.5；转频f_r为20Hz，采样频率f_s为10000Hz，采样点N为10000，外圈故障频率f₀为140Hz；

最后对MOMEDA处理后的IMF1振动信号分量进行频谱分析。