[发明专利]一种滚动轴承声振信号故障诊断方法、系统及设备

说明书

本发明公开一种滚动轴承声振信号故障诊断方法、系统及设备，涉及滚动轴承故障诊断分类领域。方法包括：采集滚动轴承工作状态下的声信号和振信号；分别提取声敏感特征和振敏感特征；将声敏感特征输入到训练好的声故障分类器以获取声信号诊断结果，将振敏感特征输入到训练好的振故障分类器以获取振信号诊断结果；在保留声信号诊断结果和振信号诊断结果冲突信息的基础上，采用冲突比例重分配规则重新分配声信号诊断结果和振信号诊断结果，以获取融合诊断结果。本发明能够有效剔除滚动轴承复杂故障混合域特征集中的干扰特征，选择出声敏感特征和振敏感特征，并且解决了单一振信号或声信号难以全面反映滚动轴承的真实运行状态的问题。

技术领域

本发明属于滚动轴承故障诊断分类技术领域，特别是涉及一种滚动轴承声振信号故障诊断方法、系统及设备。

背景技术

滚动轴承是机械设备轴系支承的关键部件，其工作状态正常与否直接影响设备的运行。其表面的轻微缺陷就可能引发整个系统的运行故障，造成巨大的财产损失。机械设备中30％以上的故障是由于滚动轴承故障所致，传统的滚动轴承监测方法，多为固定寿命更换或定期安全检查，耗费人力物力，影响生产进程；智能维护方法利用先进的传感器和检测技术，获取设备的状态信息在线检测，根据建立的统计模型对设备的剩余寿命进行预测，不断更新设备剩余寿命，实现科学与经济维修。因此开展轴承状态检测和在线故障诊断对保障设备安全经济运行具有重要意义。

目前，针对轴承故障分类及状态监测多是基于振动传感器采集的振信号；滚动轴承早期故障特征十分微弱，且受传递路径和信号传播介质影响。微弱的故障信号特征不仅体现在振信号上，也体现在声辐射信号上，仅利用单一的振信号或者声信号，难以全面反映滚动轴承的真实运行状态，将声振信号各自诊断结果融合决策就很有意义。而声振信号的特征提取是轴承故障诊断的关键技术，它直接关系到诊断的准确性。有大量学者研究基于时域特征、频域特征的故障诊断方法。也有学者将时域、频域、时频域复合成混合域特征指标集作为训练故障分类器的原始数据集，试图全面反映故障信息，然而较多特征量的选取会造成模型计算难度增加、特征之间冗余严重的问题，导致故障识别的准确性降低、诊断时间加长。因此需要一种针对混合域高维故障特征指标敏感性的评估方法，剔除混合域特征集中的信息冗余和干扰特征，提取出对声、振信号敏感的特征。

发明内容

本发明的目的在于提供一种滚动轴承声振信号故障诊断方法、系统及设备，通过将滚动轴承的声信号与振信号分别进行特征提取、特征选择、初步分别诊断以及融合决策，本发明提出的tSNE-ASC特征选择方法可以有效剔除滚动轴承复杂故障混合域特征集中的干扰特征，选择出声敏感特征和振敏感特征；本发明使用DSmT声振决策融合方法有效降低了单一振信号或者声信号带来的诊断不确定性，在变载荷和升降速非平稳工况下均有很高的诊断准确率。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明提供一种滚动轴承声振信号故障诊断方法，所述方法包括：采集滚动轴承工作状态下的声信号和振信号；

分别提取所述声信号中的声敏感特征和所述振信号中的振敏感特征；

将所述声敏感特征输入到训练好的声故障分类器以获取声信号诊断结果，将所述振敏感特征输入到训练好的振故障分类器以获取振信号诊断结果；

在保留所述声信号诊断结果和所述振信号诊断结果冲突信息的基础上，采用冲突比例重分配规则重新分配所述声信号诊断结果和所述振信号诊断结果，以获取融合诊断结果。

在本方案的一个可选的实施例中，所述声敏感特征通过如下方式进行选取：

所述声敏感特征通过如下方式进行选取：

获得所述滚动轴承在不同故障类型和不同工况下的声信号样本；

对每个所述声信号样本进行变分模态分解，以获得每个所述声信号样本的本征模态函数；