[发明专利]轴承故障诊断方法、系统、电子设备及存储介质

说明书

本发明公开了一种轴承故障诊断方法、系统、电子设备及存储介质，通过最优最小熵解卷积作为前置滤波器和后置SSD分解单元组合对轴承加速度信号进行分解；获取SSD分解后每层奇异谱分量与OMEDA处理后信号的相关系数，将相关系数大于设定值的各层奇异谱分量对应值相加，得到重构加速度信号；通过对重构信号进行包络解调，并获得解调谱，将轴承特征频率带入包络谱中寻找对应频率的幅值，寻找幅值比较突出的特征频率接近的轴承位置分类，即可初步判断轴承出现故障的具体位置。能够显著增强轴承微弱冲击信号的冲击特征，针对轴承早期故障产生的微弱冲击进行准确定位诊断和识别。

技术领域

本发明属于轴承故障诊断技术领域，具体涉及一种针对轴承早期故障产生的微弱冲击的诊断方法、系统及存储介质。

背景技术

轴承作为传动系统不可或缺的部件，在工业、运输业及军事领域都得到了广泛的运用，其运行状态的好坏将直接关系到整个设备的工作情况。轴承出现早期故障时，会产生微弱的冲击信号，共振频率通常出现在高频频带范围内，常用的时频分析方法对于微弱冲击信号具有局限性。

现有的基于时间序列的轴承诊断方法中，在奇异值分解网络SVD的基础上提出了奇异谱分解(Singular Spectrum Decomposition，SSD)，SSD克服了奇异谱方法SSA的缺陷，可以自适应选取嵌入维数的大小，并从原始时间序列中分解出若干奇异谱分量(SingularSpectrum Component，SSC)。SSD分解可以将轴承故障冲击信号分解出来，能有效提取轴承故障的信息。

SSD分解虽然可以提取轴承高频冲击信号特征，但是针对轴承早期微弱冲击信号，SSD分解具有局限性。

发明内容

本发明要解决的技术问题是：提供一种轴承故障诊断方法、系统、电子设备及存储介质，能够显著增强轴承微弱冲击信号的冲击特征，针对轴承早期故障产生的微弱冲击进行准确定位诊断和识别。

为解决上述技术问题，本发明采用如下技术方案：

一种基于OMEDA-SSD的轴承故障诊断方法，其特征在于包括以下步骤：

S1、获取轴承的原始加速度信号；

S2、根据原始加速度信号画出快速谱峭度，将所有峭度对比，得到最大谱峭度K_max(f_i，Δf_m)所对应的中心频率f_i和最佳带宽Δf_m，根据中心频率f_i和最佳带宽Δf_m获取原始加速度信号的共振频率带；

S3、根据所述共振频率带设置滤波步长，将滤波步长作为参数输入OMEDA方法中，然后运用最优最小熵解卷积分解OMEDA方法对原始加速度信号进行处理；

S4、对步骤S3处理后信号进行SSD分解；

S5、获取SSD分解后每层奇异谱分量与步骤S3处理后信号的相关系数，将相关系数大于设定值的各层奇异谱分量对应值相加，得到重构加速度信号；

S6、对重构加速度信号进行包络解调，得到包络谱；

S7、根据待诊断轴承型号和/或结构参数计算出轴承特定部件或结构的特征频率；

S8、查看包络谱中轴承特征频率幅值大小，如果轴承某个特定部件或结构的特征频率幅值超出包络阈值，则这个特征频率所对应的轴承部件出现了故障。

上述技术方案中，步骤S2中，轴承共振频率带的共振频率在6400～7600Hz范围内。

上述技术方案中，步骤S3中的所述OMEDA分解通过非迭代精确计算滤波器系数，并构造一系列FIR滤波器，使得滤波后信号的D-范数最大，以获取冲击脉冲。