CN103335844A - 一种自适应随机共振轴承故障检测方法 - Google Patents
一种自适应随机共振轴承故障检测方法 Download PDFInfo
- Publication number
- CN103335844A CN103335844A CN2013102496863A CN201310249686A CN103335844A CN 103335844 A CN103335844 A CN 103335844A CN 2013102496863 A CN2013102496863 A CN 2013102496863A CN 201310249686 A CN201310249686 A CN 201310249686A CN 103335844 A CN103335844 A CN 103335844A
- Authority
- CN
- China
- Prior art keywords
- signal
- frequency
- parameter
- value
- bearing fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种自适应随机共振轴承故障检测方法,该方法首先对故障信号进行预处理使之满足随机共振小参数条件,然后根据已知条件设置人工鱼群算法的初始参数和双稳系统参数的寻优范围,利用以信噪比为效果评价函数的人工鱼群算法优化双稳系统参数,自适应地找到使信噪比最大时对应的双稳系统参数的值,产生随机共振和使共振效应增强。本发明用人工鱼群算法进行参数寻优,实现自适应随机共振,将人工智能与自适应控制结合在一起,克服了由于系统参数难以选取或者选取不准确造成的随机共振应用受到限制的问题,有效地诊断出轴承早期故障。
Description
技术领域
本发明涉及一种故障诊断方法,尤其涉及一种在轴承故障诊断中使用的故障信号检测方法。
背景技术
滚动轴承是应用最广泛的机械零件之一,同时也是机械设备中最容易损坏的元件之一。据统计,在使用滚动轴承的旋转机械中,大约有 的机械故障都是由轴承引起的。如果不及时诊断轴承早期故障,将使机器设备产生严重故障,从而造成巨大的经济损失。因此,诊断出轴承的早期故障特征对避免严重故障的发生,保证机械设备的正常运行有着重大的现实意义。然而,早期故障的特征本身是很微弱的,实现早期故障微弱特征的提取极具挑战性。现有的微弱特征提取方法大多是从消除噪声的角度出发来检测故障特征,但对于噪声重度污染的微弱特征信号,降噪在降低噪声的同时也削弱了微弱特征信号,测量信号的信噪比依旧极低而导致无法实现检测。
随机共振是以噪声为媒介引起微弱周期信号与非线性系统协同作用的非线性现象,已作为一种微弱特征提取方法,应用到微弱信号检测领域。与传统方法相比,它反其道而行之,在削弱噪声的同时强化微弱特征,提高信噪比,实现微弱信号的检测。然而,随机共振的产生,特别是共振效应的增强和系统输出信噪比的提高并不是无条件的,输入信号、噪声和非线性系统之间需要满足一定的匹配条件,才能达到产生和增强随机共振的效果。针对工程实际中信号和噪声一定的情况,只有通过调节非线性双稳系统参数,使双稳系统与输入信号匹配,才能产生随机共振。
发明内容
本发明的目的在于针对现有技术的不足,提供一种自适应随机共振轴承故障检测方法。
本发明所采用的技术方案是:一种自适应随机共振轴承故障检测方法,包括如下步骤:
(1)利用采集系统采集轴承故障信号;
(2)将轴承故障信号经变尺度方法变换为小频率信号;
本发明的有益效果是,本发明针对不同的输入信号,利用人工鱼群算法自适应地调节双稳系统参数,形成与输入信号匹配的随机共振系统,从而产生随机共振或使共振效应明显,实现轴承早期故障信号的检测。该方法也适用于其它涉及强噪声中的微弱信号检测的领域,可拓宽随机共振的应用,具有良好的应用前景。
附图说明
图1为基于人工鱼群算法的自适应随机共振实现过程图;
图2为轴承振动信号功率谱图;
图3为轴承振动信号0-1000Hz功率谱放大图;
图4为以单个参数为优化对象的自适应随机共振系统输出功率谱图;
图5为人工鱼群算法的自适应随机共振输出功率谱图。
具体实施方式
本发明利用基于人工鱼群算法的自适应随机共振,提出了一种自适应随机共振轴承故障检测方法,包括以下步骤:
(1)利用采集系统采集轴承故障信号;
具体为:将加速度传感器固定在振动台上,利用采集系统采集轴承的振动加速度信号即轴承故障信号。
(2)将轴承故障信号经变尺度方法变换为小频率信号;
具体为:根据频率压缩比定义采样压缩频率,为故障信号的实际采样频率;由压缩采样频率得到数值计算步长为,使得轴承故障信号的每一频率成分(故障信号特征频率为)按频率压缩尺度比线性压缩,从而轴承故障信号的特征压缩频率为,使之满足随机共振已有的绝热近似理论中小频率信号的条件。
具体为:随机共振效应通常可以通过信噪比的大小来衡量,当信噪比达到极大值时,系统处于最佳随机共振状态,其中,为信号功率谱,为噪声在信号频率附近的平均功率谱。人工鱼群算法是集群智能思想的一个具体应用,它不需要了解问题的特殊信息,只需要对目标函数值进行比较,并且有着较快的收敛速度、对搜索空间具有一定的自适应能力和很强的跳出局部极值的能力。利用人工鱼群算法的自适应随机共振,克服了传统的自适应随机共振以单个参数为优化对象,忽略了参数之间的交互作用的不足和采用遗传算法优化参数在种群数量增加时,算法收敛速度明显减缓以及容易陷入局部最优的缺陷。利用人工鱼自适应地调节双稳系统参数,产生随机共振和使共振效应增强,将人工智能与自适应控制结合在一起,实现随机共振的智能控制。选取信噪比作为采用人工鱼群算法双稳参数优化过程的效果评价函数,建立随机共振与人工鱼群算法两者之间联系的“桥梁”,充分利用人工鱼群算法在参数寻优时的优势,实现双稳系统参数的自适应寻优。
传统的随机共振模型是双稳随机共振,其势函数为,、为双稳系统参数,对能否产生随机共振起着决定性的作用。通过监测输出信噪比的变化趋势,采用人工鱼群算法,动态地调节双稳系统参数、,自适应地实现随机共振的产生与增强。实现步骤如下:
3.3、计算初始鱼群中人工鱼个体当前位置的食物浓度值,即评价函数信噪比的值,并比较大小,取为最大值者进入公告板;
3.4、每条人工鱼分别模拟追尾行为、聚群行为,选择行动后信噪比值较大的行为实际执行,缺省行为方式为觅食行为;
3.5、每条人工鱼行动一次后,检验自身状态与公告板状态,如果优于公告板,则以自身状态取代之;
3.6、终止条件判断:判断迭代次数k是否已达到预制的最大值N,若是,执行步骤(7),否则转入步骤(4);
(4)将双稳系统参数设为人工鱼群算法优化得到的参数值,对采集的信号做随机共振处理,实现轴承故障信号的检测。
具体为:人工鱼群算法优化得到的参数值设为双稳系统参数,对预处理后的信号做随机共振处理,得到输入信号的时域、频域波形和经过随机共振处理后的输出信号的时域、频域波形。从原始轴承故障信号的时域图中和频域图中无法辨别特征频率,经过随机共振处理后的输出信号频域图中故障频率处存在突出分量,从而实现了轴承故障信号的检测。
以下通过实例对本发明内容做进一步解释,用该方法对轴承故障信号进行处理。图2为实验室理想环境中测得的轴承振动信号的功率谱图,采样频率为80000Hz,转速为1500r/min。由于实际现场环境中往往存在大量的噪声,完全淹没了轴承故障的特征成分,信噪比极低,并无明显的故障特征信息,如图3所示。设定频率压缩比R=5000,则压缩采样频率。采用以单个参数为优化对象的自适应随机共振对轴承振动信号进行分析。固定参数a=1,在 [0.00001 20] 参数初始化范围内搜索使输出信噪比最大时b的值,优化结果为b=1.5020。将双稳系统参数a、b分别设为1、1.5020,系统的输出信号的功率谱如图4所示。采用人工鱼群算法的自适应随机共振对轴承振动信号进行分析。设定双稳系统参数a、b的寻优范围分别为[0.00001 20]、[0.1 20],人工鱼群算法的参数设置如下:人工鱼数目为100,感知距离Visual为2.5,移动步长为0.1, 拥挤度因子为0.618,迭代200次寻找双稳系统最优参数组合。在a=10.6335和b=18.9252时,系统输出信噪比达到最大值,系统输出信号的功率谱如图5所示。与图4比较可知,在频率处有一明显的谱峰值,根据频率压缩比还原,轴承故障的基本频率,该频率即为故障信号的特征频率,其频率理论值为125.18 Hz。
Claims (5)
2.根据权利要求1所述的自适应随机共振轴承故障检测方法,其特征是,所述步骤1具体为:将加速度传感器固定在振动台上,采集轴承的振动加速度信号即轴承故障信号。
4.根据权利要求1所述的自适应随机共振轴承故障检测方法,其特征是,所述步骤3通过如下子步骤实现:
(3.1)设定人工鱼群算法的参数:鱼群规模M,最大迭代次数N,人工鱼的感知范围Visual,最大移动步长Step,拥挤度因子等参数,终止指标为最优值在N步依旧没有变化,则认为收敛;
(3.3)计算初始鱼群中人工鱼个体当前位置的食物浓度值,即评价函数信噪比的值,并比较大小,取为最大值者进入公告板;
(3.4)每条人工鱼分别模拟追尾行为、聚群行为,选择行动后信噪比值较大的行为实际执行,缺省行为方式为觅食行为;
(3.5)每条人工鱼行动一次后,检验自身状态与公告板状态,如果优于公告板,则以自身状态取代之;
(3.6)终止条件判断:判断迭代次数k是否已达到预制的最大值N,若是,执行步骤(3.7),否则转入步骤(3.4);
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102496863A CN103335844A (zh) | 2013-06-24 | 2013-06-24 | 一种自适应随机共振轴承故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102496863A CN103335844A (zh) | 2013-06-24 | 2013-06-24 | 一种自适应随机共振轴承故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103335844A true CN103335844A (zh) | 2013-10-02 |
Family
ID=49244052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102496863A Pending CN103335844A (zh) | 2013-06-24 | 2013-06-24 | 一种自适应随机共振轴承故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103335844A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699513A (zh) * | 2013-12-20 | 2014-04-02 | 中国科学技术大学 | 一种基于多尺度噪声调节的随机共振方法 |
CN104678768A (zh) * | 2015-01-30 | 2015-06-03 | 哈尔滨工程大学 | 基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法 |
CN105181334A (zh) * | 2015-09-21 | 2015-12-23 | 燕山大学 | 基于级联多稳随机共振和emd的滚动轴承故障检测方法 |
CN105447243A (zh) * | 2015-11-17 | 2016-03-30 | 中国计量学院 | 基于自适应分数阶随机共振系统的微弱信号检测方法 |
CN105606363A (zh) * | 2016-01-29 | 2016-05-25 | 济南大学 | 一种基于域自适应的轴承故障诊断方法 |
CN105825197A (zh) * | 2016-03-29 | 2016-08-03 | 西安交通大学 | 一种线性化势阱壁的路径扩展随机共振微弱特征提取方法 |
CN105893690A (zh) * | 2016-04-18 | 2016-08-24 | 中国矿业大学 | 基于周期势系统自适应随机共振的微弱特征信息提取方法 |
CN106076888A (zh) * | 2016-08-04 | 2016-11-09 | 张家港Aaa精密制造股份有限公司 | 一种轴承噪音检测设备 |
CN106338395A (zh) * | 2016-10-27 | 2017-01-18 | 石家庄铁道大学 | 基于六阶单稳系统的齿轮箱故障诊断方法 |
CN106706320A (zh) * | 2016-12-27 | 2017-05-24 | 中国计量大学 | 一种基于前馈控制随机共振的轴承早期故障诊断方法 |
CN107038475A (zh) * | 2017-03-22 | 2017-08-11 | 中国人民解放军信息工程大学 | 一种基于人工鱼群算法的自适应随机共振系统和方法 |
CN107084854A (zh) * | 2017-04-17 | 2017-08-22 | 四川大学 | 基于灰狼优化算法的自适应随机共振早期故障诊断方法 |
CN108108672A (zh) * | 2017-12-05 | 2018-06-01 | 西安交通大学 | 一种基于线性搜索策略的随机共振电流弱信息识别方法 |
CN108388232A (zh) * | 2018-03-20 | 2018-08-10 | 江南大学 | 一种原油脱盐过程的运行模式故障监测方法 |
CN108593297A (zh) * | 2018-05-02 | 2018-09-28 | 中车永济电机有限公司 | 一种轴承的故障预制方法及系统 |
CN110196173A (zh) * | 2019-05-05 | 2019-09-03 | 成都大学 | 一种基于自学习的强噪声环境机器运行故障在线检测方法 |
CN110705128A (zh) * | 2019-10-25 | 2020-01-17 | 陕西师范大学 | 一种可调参数的随机共振模拟系统 |
CN111220386A (zh) * | 2019-11-18 | 2020-06-02 | 南通大学 | 一种自适应频移变尺度共振技术的轴承故障早期诊断方法 |
CN111507305A (zh) * | 2020-04-30 | 2020-08-07 | 电子科技大学 | 基于wcsnr分数阶自适应随机共振轴承故障诊断方法 |
CN112326987A (zh) * | 2020-10-29 | 2021-02-05 | 厦门大学 | 基于水下声信号的海上风机非接触式叶轮转速监测方法 |
CN113740066A (zh) * | 2021-11-08 | 2021-12-03 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种压缩机轴承早期故障检测方法 |
-
2013
- 2013-06-24 CN CN2013102496863A patent/CN103335844A/zh active Pending
Non-Patent Citations (2)
Title |
---|
段海滨: "《蚁群算法原理及其应用》", 31 December 2005, article "9.3 蚁群算法与其他仿生优化算法的异同比较" * |
陈安华 等: "基于改进人工鱼群算法的机械故障聚类诊断方法", 《振动与冲击》, vol. 31, no. 17, 31 December 2012 (2012-12-31) * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699513B (zh) * | 2013-12-20 | 2017-03-29 | 中国科学技术大学 | 一种基于多尺度噪声调节的随机共振方法 |
CN103699513A (zh) * | 2013-12-20 | 2014-04-02 | 中国科学技术大学 | 一种基于多尺度噪声调节的随机共振方法 |
CN104678768A (zh) * | 2015-01-30 | 2015-06-03 | 哈尔滨工程大学 | 基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法 |
CN104678768B (zh) * | 2015-01-30 | 2017-07-11 | 哈尔滨工程大学 | 基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法 |
CN105181334A (zh) * | 2015-09-21 | 2015-12-23 | 燕山大学 | 基于级联多稳随机共振和emd的滚动轴承故障检测方法 |
CN105447243A (zh) * | 2015-11-17 | 2016-03-30 | 中国计量学院 | 基于自适应分数阶随机共振系统的微弱信号检测方法 |
CN105447243B (zh) * | 2015-11-17 | 2018-07-20 | 中国计量学院 | 基于自适应分数阶随机共振系统的微弱信号检测方法 |
CN105606363A (zh) * | 2016-01-29 | 2016-05-25 | 济南大学 | 一种基于域自适应的轴承故障诊断方法 |
CN105606363B (zh) * | 2016-01-29 | 2017-11-07 | 济南大学 | 一种基于域自适应的轴承故障诊断方法 |
CN105825197B (zh) * | 2016-03-29 | 2019-01-08 | 西安交通大学 | 一种线性化势阱壁的路径扩展随机共振微弱特征提取方法 |
CN105825197A (zh) * | 2016-03-29 | 2016-08-03 | 西安交通大学 | 一种线性化势阱壁的路径扩展随机共振微弱特征提取方法 |
CN105893690A (zh) * | 2016-04-18 | 2016-08-24 | 中国矿业大学 | 基于周期势系统自适应随机共振的微弱特征信息提取方法 |
CN105893690B (zh) * | 2016-04-18 | 2018-10-19 | 中国矿业大学 | 基于周期势系统自适应随机共振的微弱特征信息提取方法 |
CN106076888B (zh) * | 2016-08-04 | 2018-01-16 | 张家港Aaa精密制造股份有限公司 | 一种轴承噪音检测设备 |
CN106076888A (zh) * | 2016-08-04 | 2016-11-09 | 张家港Aaa精密制造股份有限公司 | 一种轴承噪音检测设备 |
CN106338395B (zh) * | 2016-10-27 | 2018-11-02 | 石家庄铁道大学 | 基于六阶单稳系统的齿轮箱故障诊断方法 |
CN106338395A (zh) * | 2016-10-27 | 2017-01-18 | 石家庄铁道大学 | 基于六阶单稳系统的齿轮箱故障诊断方法 |
CN106706320A (zh) * | 2016-12-27 | 2017-05-24 | 中国计量大学 | 一种基于前馈控制随机共振的轴承早期故障诊断方法 |
CN106706320B (zh) * | 2016-12-27 | 2018-12-04 | 中国计量大学 | 一种基于前馈控制随机共振的轴承早期故障诊断方法 |
CN107038475B (zh) * | 2017-03-22 | 2019-10-11 | 中国人民解放军信息工程大学 | 一种基于人工鱼群算法的自适应随机共振系统和方法 |
CN107038475A (zh) * | 2017-03-22 | 2017-08-11 | 中国人民解放军信息工程大学 | 一种基于人工鱼群算法的自适应随机共振系统和方法 |
CN107084854B (zh) * | 2017-04-17 | 2019-02-05 | 四川大学 | 基于灰狼优化算法的自适应随机共振早期故障诊断方法 |
CN107084854A (zh) * | 2017-04-17 | 2017-08-22 | 四川大学 | 基于灰狼优化算法的自适应随机共振早期故障诊断方法 |
CN108108672A (zh) * | 2017-12-05 | 2018-06-01 | 西安交通大学 | 一种基于线性搜索策略的随机共振电流弱信息识别方法 |
CN108388232B (zh) * | 2018-03-20 | 2020-07-24 | 江南大学 | 一种原油脱盐过程的运行模式故障监测方法 |
CN108388232A (zh) * | 2018-03-20 | 2018-08-10 | 江南大学 | 一种原油脱盐过程的运行模式故障监测方法 |
CN108593297A (zh) * | 2018-05-02 | 2018-09-28 | 中车永济电机有限公司 | 一种轴承的故障预制方法及系统 |
CN110196173A (zh) * | 2019-05-05 | 2019-09-03 | 成都大学 | 一种基于自学习的强噪声环境机器运行故障在线检测方法 |
CN110705128A (zh) * | 2019-10-25 | 2020-01-17 | 陕西师范大学 | 一种可调参数的随机共振模拟系统 |
CN111220386A (zh) * | 2019-11-18 | 2020-06-02 | 南通大学 | 一种自适应频移变尺度共振技术的轴承故障早期诊断方法 |
CN111507305A (zh) * | 2020-04-30 | 2020-08-07 | 电子科技大学 | 基于wcsnr分数阶自适应随机共振轴承故障诊断方法 |
CN111507305B (zh) * | 2020-04-30 | 2022-11-25 | 电子科技大学 | 基于wcsnr分数阶自适应随机共振轴承故障诊断方法 |
CN112326987A (zh) * | 2020-10-29 | 2021-02-05 | 厦门大学 | 基于水下声信号的海上风机非接触式叶轮转速监测方法 |
CN113740066A (zh) * | 2021-11-08 | 2021-12-03 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种压缩机轴承早期故障检测方法 |
CN113740066B (zh) * | 2021-11-08 | 2022-02-08 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种压缩机轴承早期故障检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103335844A (zh) | 一种自适应随机共振轴承故障检测方法 | |
CN107356432B (zh) | 基于频域窗经验小波共振解调的滚动轴承故障诊断方法 | |
CN102226740B (zh) | 基于外加周期信号控制随机共振的轴承故障检测方法 | |
CN112033463B (zh) | 一种核动力设备状态评估与预测一体化方法和系统 | |
CN105447243B (zh) | 基于自适应分数阶随机共振系统的微弱信号检测方法 | |
CN104967629A (zh) | 网络攻击检测方法及装置 | |
CN103115789A (zh) | 金属结构损伤剩余寿命的第二代小波支持向量机评估方法 | |
CN101561314A (zh) | 随机共振-混沌微弱信号检测方法 | |
CN102998118B (zh) | 一种基于形态学滤波和复杂度测度的轴承定量诊断方法 | |
CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
CN108108672A (zh) | 一种基于线性搜索策略的随机共振电流弱信息识别方法 | |
CN101900789A (zh) | 基于小波变换与分形维数的容差模拟电路故障诊断方法 | |
CN105374367A (zh) | 异常帧检测方法和装置 | |
CN103346797A (zh) | 一种用于齿轮故障信号的实时压缩方法 | |
CN104236893A (zh) | 一种液压阻尼器性能参数测试系统及测试方法 | |
CN109187024A (zh) | 一种活塞式空压机曲轴箱滚动轴承故障诊断方法 | |
CN105160405B (zh) | 基于遗传算法优化的微弱暂态零序电流故障特征提取方法 | |
CN105181120A (zh) | 一种高灵敏度的变压器绕组松动判定方法 | |
Luo et al. | Weak signal enhancement for rolling bearing fault diagnosis based on adaptive optimized VMD and SR under strong noise background | |
CN102297784A (zh) | 一种建筑结构物抗风安全性能的评价方法 | |
CN103364198B (zh) | 基于声学信号的发动机燃烧信息观测及ecu在线实现方法 | |
Xu et al. | Caputo-Fabrizio fractional order derivative stochastic resonance enhanced by ADOF and its application in fault diagnosis of wind turbine drivetrain | |
CN111458092A (zh) | 工业机器人早期微弱故障信号筛选方法 | |
CN117516670B (zh) | 一种物联网超声波水表的数据智能监测方法 | |
Jiang et al. | 911. A quantitative diagnosis method for rolling element bearing using signal complexity and morphology filtering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131002 |