[发明专利]基于CEEMDAN与GWO-NLM的滚动轴承故障诊断方法

权利要求书

1.一种基于CEEMDAN与GWO-NLM的滚动轴承故障诊断方法，其特征在于，包括如下步骤：

步骤1：采用振动传感器采集滚动轴承的振动信号，同时测量轴承的相关参数；

步骤2：采用CEEMDAN方法对采集得到的滚动轴承的振动信号进行分解，分解出不同的IMF分量；

步骤3：结合峭度值、相关系数和能量比，对分解后的IMF分量进行筛选，并对筛选后的分量进行线性重构；

步骤3.1：计算各IMF分量的峭度值K，如下所示：

其中，x为IMF分量的振幅，u为IMF分量振幅的平均值；σ为IMF分量振幅的标准差；

步骤3.2：计算各IMF分量与原始信号的皮尔逊相关系数r；

步骤3.3：计算各IMF分量的能量比系数，如下所示：

其中，E_x为IMF分量的总能量；E_IMF(i)为第i个IMF分量所具有的能量；ε为能量比系数；

步骤3.4：对计算后的峭度值K、相关系数r和能量比系数ε进行加权求和，得到综合筛选指标Krε值，如下所示：

Krε＝a₁K+a₂r+a₃ε

其中，a₁、a₂、a₃分别为IMF分量的峭度值、相关系数和能量比的权重值；

步骤3.5：对各IMF分量的综合筛选指标Krε值进行从大到小排序，筛选出最大的前n个IMF分量；

步骤4：采用灰狼算法GWO优化NLM的带宽参数和相似框半径；

步骤4.1：初始化NLM算法，设定带宽参数λ、相似框半径P和搜索框半径M；为了运算速度，选择固定搜索框半径M；

步骤4.2：初始化灰狼算法中的灰狼种群、收敛因子a和系数向量A、C；

A＝2a×r₂-α

C＝2r₁

其中，t是迭代次数，tmax是最大迭代次数，r₁和r₂的模取[0,1]区间内的随机数，α为接触角；

步骤4.3：把峭度值计算函数作为灰狼算法的适应度函数，计算每个灰狼的适应度值，同时保存适应度最大的前三个灰狼的参数；

步骤4.4：更新各灰狼的位置；

步骤4.5：更新a、A、C；

步骤4.6：计算全部灰狼的适应度值，同时更新适应度最好的前三匹灰狼的适应度和位置；

步骤4.7：判断是否达到最大的迭代次数，如果达到则结束寻优迭代过程；如果未达到则返回执行步骤4.4至步骤4.7继续寻优迭代过程，直到迭代结束输出最优的带宽参数λ、相似框半径P；

步骤5：采用优化后的GWO-NLM方法对步骤3重构后的信号进行降噪处理，输出最优去噪信号；

步骤6：将输出的最优去噪信号通过SG平滑滤波进行二次降噪，对二次降噪后的信号进行包络谱分析，提取出故障特征频率；

步骤7：结合轴承的相关参数计算出轴承的理论故障特征频率，将步骤6提取出的故障特征频率与理论故障特征频率进行对比，判断滚动轴承的故障类型。

2.根据权利要求1所述的基于CEEMDAN与GWO-NLM的滚动轴承故障诊断方法，其特征在于：所述轴承的相关参数包括：接触角α、滚珠数Z、滚珠直径d、节径D。