[发明专利]一种基于形态学滤波和复杂度测度的轴承定量诊断方法

摘要

一种基于形态学滤波和复杂度测度的轴承定量诊断方法，先选用了Morlet小波和Laplace小波作为形态学滤波器的结构元素，运用基于免疫优化的形态学滤波方法对采集得到的滚动轴承振动信号进行时域滤波处理，其次，采用基于改进的复杂性测度算法对滤波后的滚动轴承振动信号进行定量化评价，本发明从定量的角度评价了滚动轴承故障程度，并且，复杂性测度处理轴承数据具有单调性的特点能够用于指示轴承的实时运行状态监测，提高了滚动轴承故障诊断的准确性，方便现场维护。

主权项

1.一种基于形态学滤波和复杂度测度的轴承定量诊断方法，其特征在于，包括以下步骤：第一步，选用Laplace小波和Morlet小波作为形态学滤波器的两种结构元素；第二步，选用免疫优化进行形态学滤波器结构元素参数优化；设给定的轴承振动加速度信号为f(t)，选择第一步构建的两种结构元素，对f(t)进行形态学滤波，设计能定量地表示检测效果好坏的K指标作为免疫算法的抗原，在给定范围内对寻找使K指标最大的结构元素作为免疫优化抗体，其中K指标最大为免疫优化的亲和度，K指标的计算过程如下：计算x(t)的脉冲指标I_f：If=x^/x‾]]>其中：x^=max{|x(t)|}]]>x‾=1NΣt=1Nx(t)]]>N为信号采样个数，然后计算x(t)的过零率R_pz：R_pz=N_pz/N其中：Npz=Σn=1N-1μ[x(n)·x(n+1)]]]>μ(x)=1x<00x>0]]>则所对应的指标定义为：K=I_f/R_pz通过评估信号K指标，能够反映该结构元素检测冲击波效果的好坏，从而定量评估结构元素的优劣，在用免疫算法优化的过程中，计算每个生成的结构元素的K指标，作为免疫算法优化的目标函数，其最大值则对应于最优结构元素和最优的冲击信号特征提取结果；第三步，对采集到的滚动轴承振动加速度信号进行形态学滤波处理；设待测信号为f(x)，结构元素为g(x)，则形态学滤波级联开闭和闭开运算的定义为：形态学滤波级联开闭运算：OC(f(x))=(fοg□g)(x)形态学滤波级联闭开运算：CO(f(x))=(f·gοg)(x)级联开闭和闭开运算都能够去除信号中的双向冲击成分，但单一的级联开闭或开闭运算会引起幅值的统计偏倚现象，用二者的加权平均组成级联开闭－闭开加权组合算法，定义如下：OCCO(f(x))=aOC(f(f))+(1-α)CO(f(x))根据滚动轴承信号特点，权系数α为0.3，从原始轴承振动信号f(x)中减去级联开闭－闭开加权组合算法的输出OCCO(f(x))就得到信号中的双向冲击成分，即提取出轴承振动信号中的冲击成分u（f（x）），u(f(x))＝f(x)-OCCO(f(x))第四步，采用绝对偏差的方法改进复杂度测度二值化处理；复杂度测度二值化处理过程为：针对第二步获得的形态学滤波后信号u（f（x））,计算u（f（x））的绝对差分序列D(n)＝{D₁,D₂,…,D_N}，式中计算差分序列的平均值N为信号采样个数，将原始轴承振动信号x(n)转换为一个由“0”和“1”组成的符号序列b(n)＝{b₁,b₂,…,b_n}，式中按照这个转换规则，能够兼顾原始轴承振动信号中的冲击波形将其都转换为1，其余部分则转换为0，得到的二值化序列更完整的保留了原始轴承振动信号中的有用信息，第五步，采用改进后的时间信号复杂度对第三步滤波后信号进行处理，获得滚动轴承动态定量化诊断结果，针对第三步转化获得的由“0”和“1”组成的二值序列b(n)，对这个(0,1)序列中已形成的一串字符S＝s₁,s₂,…,s_r，在其后再加入一个字符sr+1或一串字符{s_r+1，s_r+2,…,s_r+m}（称为Q），二者组成字符串SQ，令SQV是字符串SQ减去最后一个字符所得的字符串，若Q属于SQV中已有的“字句”，则把这个字符加在后面，称为“复制”，若不属于则称为“插入”，“插入”时用一个“.”将前后分开，然后将“.”前面的所有字符看作S，重复上述步骤，由于对几乎所有的二值序列，其复杂度都会趋近于一个值b(n)：所以b(n)是随机序列的渐近行为，用它对c(n)进行归一化，成为相对复杂度：C(n)=c(n)b(n)，该相对复杂度即为滚动轴承动态定量化诊断结果。