CN103335844A - 一种自适应随机共振轴承故障检测方法 - Google Patents

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

一种自适应随机共振轴承故障检测方法

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；

（3）将步骤2获得的小频率信号作为双稳系统的输入，以信噪比为评价函数，利用人工鱼群算法动态地调节双稳系统参数

、，产生随机共振，寻找使信噪比最大时双稳系统参数

、

的值；

（4）将步骤3优化得到的双稳系统参数

、

的值设为双稳系统参数，对步骤2处理后的信号做随机共振处理，实现轴承故障信号的检测。

    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。

（3）将预处理后的故障信号作为双稳系统的输入，以信噪比为评价函数，利用人工鱼群算法动态地调节双稳系统参数

、

，产生随机共振，寻找使信噪比最大时双稳系统参数

、的值。

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：

3.1、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；

3.2、初始化鱼群：分别确定系统参数

、

的寻优范围，在该范围内随机生成第

代人工鱼群的群体，规模为M，作为初始鱼群；

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）；

3.7、输出公告板的最优记录，即信噪比达到最大值时对应的双稳系统参数

、

的值。

（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)

1.一种自适应随机共振轴承故障检测方法，其特征在于，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；

（3）将步骤2获得的小频率信号作为双稳系统的输入，以信噪比为评价函数，利用人工鱼群算法动态地调节双稳系统参数                                                

、

，产生随机共振，寻找使信噪比最大时双稳系统参数

、

的值；

（4）将步骤3优化得到的双稳系统参数

、的值设为双稳系统参数，对步骤2处理后的信号做随机共振处理，实现轴承故障信号的检测。

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。

3.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2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，使得轴承故障信号的每一频率成分按频率压缩尺度比

线性压缩，从而得到轴承故障信号的特征压缩频率

，

为故障信号特征频率，使之满足随机共振中小频率信号。

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；

（3.2）初始化鱼群：分别确定系统参数

、

的寻优范围，在该范围内随机生成第

代人工鱼群的群体，规模为M，作为初始鱼群；

（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）；

（3.7）输出公告板的最优记录，即信噪比达到最大值时对应的双稳系统参数

、

的值。

5.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（4）具体为：将步骤3优化得到的双稳系统参数

、

的值设为双稳系统参数，对步骤2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。

Images