[发明专利]一种滚动轴承故障在线检测与状态评估方法

摘要

一种滚动轴承故障在线检测与状态评估方法，包括以下步骤：提取12维无量纲参数，12维无量纲参数包括：6维时域统计参数、3维频域统计参数和小波包络谱中的3维无量纲参数；获得标准化重构特征向量；以及判定滚动轴承是否出现故障和滚动轴承的状态评估。本发明的方法能自动提取出有效表征滚动轴承状态的12维无量纲参数，并通过对12维无量纲参数进行去相关和标准化处理，得到以原点为球心的超球状分布的标准化重构特征向量，仅通过标准化重构特征向量的2范数就能实现滚动轴承的故障检测与状态评估，解决了滚动轴承状态评估模型在线训练耗时长、效率低以及故障样本难以获得等难点问题。

主权项

1.一种滚动轴承故障在线检测与状态评估方法，其特征在于：包括以下步骤：S1：提取12维无量纲参数，所述12维无量纲参数包括：6维时域统计参数、3维频域统计参数和小波包络谱中的3维无量纲参数；S2：获得标准化重构特征向量；以及S3：判定所述滚动轴承是否出现故障；其中，所述步骤S1具体包括：S1‑1：采集振动加速度信号，将采集的振加速度信号分段储存，得到若干样本；S1‑2：从所述样本中提取6维时域统计参数，所述6维时域统计参数包括：波形因数TSI、峰值指标TCI、脉冲指标TMI、裕度指标TCLI、峭度TKU和歪度TSK；S1‑3：从所述样本中提取3维频域统计参数，所述3维频域统计参数包括重心频率FFC、均方频率FMSF和频率方差FVF；以及S1‑4：通过小波变换得到所述样本的小波包络谱，提取所述小波包络谱中的3维无量纲参数，所述小波包络谱中的3维无量纲参数包括：内圈故障频率fI对应的特征WBPFI、外圈故障频率fO对应的特征WBPFO和滚珠故障频率fB对应的特征WBSF；所述步骤S2具体包括：S2‑1：基于最小重构误差准则，对上述12维无量纲参数施加约束条件，得到12维去相关的重构特征向量；S2‑2：对所述12维去相关的重构特征向量进行标准化处理，获得12维样本均值为0且样本标准差为1的标准化重构特征向量；并且所述步骤S3具体包括：S3‑1：训练，得到滚动轴承正常运行状态下所述标准化重构特征向量的2范数的样本均值和样本标准差，并设定滚动轴承状态异常的阈值；S3‑2：测试，将滚动轴承未知状态下样本的特征向量到所述滚动轴承正常运行状态下的样本均值特征向量的欧氏距离作为劣化指标，比较劣化指标与所述阈值，当劣化指标大于所述阈值时，判定滚动轴承处于故障状态；当劣化指标小于或者等于所述阈值时，判定滚动轴承处于正常运行状态；步骤S1‑2中提取所述6维时域统计参数的具体操作为：波形因数TSI的由式(1)给出，峰值指标TCI的由式(2)给出,脉冲指标TMI的由式(3)给出,裕度指标TCLI由式(4)给出,峭度TKU由式(5)给出,歪度TSK由式(6)给出，其中，yi是所述振加速度信号中的数据；ypi是将所述数据分为10段后每段数据绝对值的最大值；步骤S1‑3中提取3维频域统计参数的具体操作为：重心频率FFC由式(7)给出，均方频率FMSF由式(8)给出，频率方差FVF由式(9)给出，其中，S(fi)为振动加速度信号频谱函数；所述的步骤S1‑4的具体操作包括以下三步：S1‑4‑1，根据式(10)‑(12)计算内圈故障频率fI、外圈故障频率fO和滚珠故障频率fB，其中d表示滚动体直径，D表示轴承节径，Z表示滚动体个数，α表示接触角，fr表示滚动轴承内圈和外圈的相对转动频率；S1‑4‑2，采用db8小波对所述振动加速度信号进行小波分解得到6个信号，包括5个细节信号d1、d2、d3、d4、d5和1个近似信号a5；S1‑4‑3，提取小波包络谱中的3维无量纲参数：设在小波包包络谱中，故障特征频率及其各阶倍频附近有特征谱峰存在，设包络谱分析带宽为fe，包络谱为W(f)，设W(f)谱线的数目为Ne，则Sea为再令Sed为包络谱中故障特征频率各阶倍频处的谱线平均值，设包络谱中故障频率的谱线数为ne，则构造一个无量纲参数：对步骤S1‑4‑2中所述的6个信号分别进行包络谱分析，得到内圈故障频率fI对应的特征WBPFI，外圈故障频率fO对应的特征WBPFO，滚珠故障频率fB对应的特征WBSF。