[发明专利]一种面向多通道的轴承综合指标健康监测方法及系统

说明书

本发明属于轴承健康监测相关技术领域，其公开了一种面向多通道的轴承综合指标健康监测方法及系统，包括以下步骤：S1，获得多通道全生命周期性信号以作为历史数据及各个通道的历史预警点；S2，依次通过信息熵图提取各个通道信号的有效信号分量；S3，计算负熵和谱负熵后进行加权以得到综合健康指标；S4，获得指标序列，依次进行当前序列和上一序列的卡方显著性检验；根据显著性检验结果选择性更新窗长和步长；S5，将测试指标并入对应通道的正常状态指标序列和故障状态指标序列中形成测试序列，进而获得各个通道新测试序列的预警显著度P值；S6，将预警显著度P值作为投票，以得到轴承监测结果。本发明提高了准确性。

技术领域

本发明属于轴承健康监测相关技术领域，更具体地，涉及一种面向多通道的轴承综合指标健康监测方法及系统。

背景技术

随着自动化程度的急剧提高，设备结构变得更加复杂和集成，滚动轴承的可靠性监测逐渐在现代工程的系统安全中占有不可或缺的地位。具体来说，作为旋转部件，轴承会由于各种原因而产生振动。其中包括机械松动、转子、错位、质量分布不均(不平衡)、配件不当和部件故障。这些振动导致机器效率降低、维护成本增加、结构可靠性降低，并经常导致出现严重的健康问题。对于可观测的轴承信号，在正常状态下，其幅值在时域和频域上基本稳定。然而，在故障状态下，由缺陷引起的重复瞬态脉冲出现在轴承振动信号中，其包络谱在轴承故障特征频率及其谐波处呈现等距谱线。因此，滚动轴承故障发生后的振动响应，无论是在时域还是频域，都表现出稀疏性的特征。如何构建指标以提取稀疏性特征和根据指标合理的决策是研究轴承状态监测的关键问题。

现有的研究中已经发展了一些提取稀疏性的方法和指标，它们通过小波分解、经验模式分解等时频分解方法和稀疏性指标度量提取了一些有效信号分量，在多数场景下通过观测分量的频域以获取故障频率来实现对信号的故障的判断。然而，一方面缺乏融合有效分量的时域和频域的稀疏特性可能会影响决策性能；另一方面，通过逐样本观测频域以获得决策的效率较低，且现实场景下常常能提供表征轴承状态的多通道数据，如三维振动数据、不同位置的监测数据、声发射数据等等，多通道数据背后的丰富信息可以显性地提高轴承状态的早期预警。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种面向多通道的轴承综合指标健康监测方法及系统，其能够同时应对两个指标：同时捕捉时域和频域稀疏性的综合指标构建；合理的多通道信号融合决策；且能够提高对现实场景轴承健康状态监测的预警准确性。

为实现上述目的，按照本发明的一个方面，提供了一种面向多通道的轴承综合指标健康监测方法，该方法包括以下步骤：

S1，采集轴承的多通道全生命周期性信号以作为历史数据，并确定各个通道的历史预警点；

S2，依次通过信息熵图提取各个通道信号的有效信号分量；

S3，对提取到的有效信号分量计算负熵和谱负熵后进行加权以得到综合健康指标，得到由各个通道的正常变化到故障的全生命周期指标序列，并采用历史预警点将全生命周期指标序列划分为正常状态指标序列和故障状态指标序列；

S4，各个通道的全生命周期指标序列按步长间隔取定窗长长度的指标序列，依次进行当前序列和上一序列的卡方显著性检验；当显著性P值超过概率阈值时预警，并将得到的故障预警点与历史预警点进行对比，根据对比结果更新窗长和步长；

S5，将现场采集的多通道测试信号逐通道进行有效分量提取及计算指标，并将得到的测试指标插入对应通道的正常状态指标序列和故障状态指标序列中形成测试序列，采用当前的窗长及步长的循环卡方检验获得各个通道新测试序列的预警显著度P值；

S6，将各个通道新测试序列的预警显著度P值作为投票，以得到多通道测试信号决策融合的轴承监测结果。

进一步地，步骤S2中，利用1/3-二叉树树状滤波器组对信号进行滤波，并依次计算各个层级的滤波复包络信号的负熵和频谱负熵，进而得到有效信号分量。