[发明专利]基于共轭梯度法的航发主轴轴承故障信号盲提取方法

说明书

本发明提出了一种基于共轭梯度法的航发主轴轴承信号盲提取方法，属于旋转机械智能故障诊断技术领域，实现步骤为：获取航空发动机主轴滚动轴承的混合振动时域信号；计算故障特征频率及时延；基于典型相关性分析CCA准则构造盲提取代价函数；基于共轭梯度法对盲提取代价函数进行优化，得到最优盲提取向量；利用最优盲提取向量获取航空发动机主轴滚动轴承故障信号的盲提取结果。本发明采用了基于CCA准则的盲提取代价函数提取轴承故障信号，并采用共轭梯度法对盲提取代价函数进行优化，在保证轴承故障信号盲提取的精度的前提下，有效提高了信号盲提取的效率和鲁棒性。

技术领域

本发明属于旋转机械智能故障诊断技术领域，涉及一种航发主轴轴承故障信号盲提取方法，具体涉及一种基于共轭梯度法的航空发动机主轴轴承故障信号盲提取方法，可用于对航空发动机的滚动轴承进行故障诊断。

背景技术

滚动轴承是航空发动机以及其它装备的核心旋转部件，同时也是一个容易出现故障的零件，由于航空发动机主轴轴承长期工作在高温、高速、重载的严苛工况下，因此前期出现的微弱故障将很快演变为严重故障，从而对飞行安全造成重大威胁。对航发主轴轴承的运行状态进行连续监测，并及时检测潜在的故障是提高旋转设备可靠性与安全性的关键。

在实际轴承故障诊断过程中，滚动轴承的故障类型一般按照故障点所处的轴承部件分为：外圈故障、内圈故障、滚动体故障以及保持架故障等，在四种类型的故障中内外圈滚道上的故障较为常见，而且常常作为复合故障同时出现，例如微小刚性异物进入轴承一般会同时在内外圈滚道上造成缺陷。

轴承故障的诊断问题主要是通过噪声、振动、润滑剂、温度等方面对信号进行分析处理，识别滚动轴承故障类型。这些方法在滚动轴承故障诊断中各有优势，目前最主流的方法是通过分析振动信号判断轴承故障位置。由于航发主轴轴承工作环境的特殊性，振动传感器一般不能直接布置在距离轴承很近的位置，只能布置在轴承外部的非旋转部件或机匣上，若轴承存在缺陷，那么传感器采集到的振动信号往往是轴承故障点引起的振动和其他振动源振动的综合反映，因此在对轴承故障类型进行诊断之前需要对采集到的混合信号进行预处理，从采集到的混合信号中恢复源信号。

有两类方法可以完成这项任务，一是将不同源信号同时分离的盲信号分离方法，另一种是将不同源信号逐次提取的盲信号提取方法。与盲分离方法相比，盲提取方法有以下两个优点：一是当只对源信号中的部分信号感兴趣时，使用盲提取方法可以节省计算成本；二是在源信号难以分离的情况下，盲分离方法可能失效，但仍然可以通过盲提取方法得到感兴趣的源信号。衡量轴承故障信号盲提取方法的好坏指标有盲提取精度、盲提取计算效率和鲁棒性。

盲提取方法比盲分离方法更加灵活，更适合用于轴承故障诊断。例如，孙瑾玲等人在2020年10月电子与信息学报第42卷第10期，公开了一种基于等变化自适应源分离算法的滚动轴承故障信号自适应盲提取方法，该方法根据振动源信号的分布类型自适应的选择不同的代价函数，在优化代价函数的过程中提出基于模糊逻辑系统的自适应迭代步长选择方法，该模糊逻辑系统能够根据迭代所处的阶段自动地调节迭代步长，解决了等变化自适应算法在多类振动源共存的情况下无法提取故障信号的问题，平衡了盲提取算法精度与计算效率的问题，然而，该方法采用梯度下降算法对代价函数进行优化，这需要大量的运算时间，导致盲提取计算效率较低，且鲁棒性较差。

发明内容

本发明的目的在于克服上述现有技术存在的缺陷，提出了一种基于共轭梯度法的航发主轴轴承故障信号盲提取方法，旨在保证信号盲提取精度的前提下，提高信号盲提取的计算效率和鲁棒性。

本发明的技术思路是，首先通过布置在航空发动机主轴轴承附近的振动传感器获取航空发动机主轴滚动轴承的混合振动时域信号；计算特征频率及时延；然后基于典型相关性分析CCA准则构建盲提取代价函数；最后基于共轭梯度法对盲提取代价函数进行优化，根据得到的最优盲提取向量和混合振动时域信号得到盲提取结果，实现航空发动机主轴轴承故障信号的盲提取。

为了实现上述目的，本发明采用的技术方案包括如下步骤：