CN103868694A - 一种嵌入式变转速轴承故障诊断装置 - Google Patents

Abstract

本发明公开了一种嵌入式变转速轴承故障诊断装置，包括信号输入模块、转速调理模块、核心运算模块、核心控制模块以及电源模块。本发明使用了FPGA+DSP+ARM结构：转速调理模块采用FPGA，对于变转速条件下采得的振动信号转换为等角度采样的结果，从而适应了变转速条件下轴承故障诊断的要求；核心运算模块采用运算速度高和片上外设多的DSP，可以很好地完成对采样结果的数据分析；核心控制模块以ARM为核心，附加外围的LCD触摸屏等硬件设备，完成对数据分析结果的诊断、存储、人机交互等功能；核心运算模块上采用基于经验模态分解阶比谱分析算法，这是该算法第一次在嵌入式硬件上实现，提高了轴承故障诊断的准确性和快速性。

Description

一种嵌入式变转速轴承故障诊断装置

技术领域

本发明涉及一种轴承故障诊断装置，尤其是基于数字信号处理技术和嵌入式技术的变转速轴承故障诊断装置。

背景技术

众所周知，由轴承故障导致的旋转机械不能正常工作的现象屡见不鲜（比如由通用电器和IEEE工业应用学会联合主持的电机可靠性学习中发现由轴承引起的问题占了整个机器故障的40%以上）。因而与此相对应的各种轴承故障诊断系统的开发与研究得到工业界和学术界的普遍关注。传统上的轴承故障诊断系统基于经典傅里叶分析，通过对测得的信号进行傅里叶变换后获得振幅、相位等特征频谱来对故障进行检测与诊断。由于轴承故障在形成与发展过程中产生的振动信号具有瞬态性和非平稳性，所以傅里叶变换对于这类信号的分析是傅里叶变换对信号在整个时间段内的一种平均化的频率特征表示（即它是从全局角度看信号的频谱构成，并需要假定信号在整个时间轴上是平稳的），它不能反映出信号在局部时间区域内的频谱特征。而各种非平稳信号处理方法如时频分析、小波变换和希尔伯特-黄变换等可用于轴承振动信号的分析，因此研究与开发基于非平稳信号处理的轴承故障诊断系统对于帮助提高诊断准确率具有重要意义。然而，现有的轴承故障诊断系统一般要求设备转速恒定或接近恒定，并不适用于变转速条件下轴承的故障诊断。对于这个问题，当前没有公开的解决办法。

发明内容

技术问题：本发明提供了一种嵌入式变转速轴承故障诊断装置。

技术方案：本发明的嵌入式变转速轴承故障诊断装置，包括按信号传输方向依次连接的信号输入模块、转速调理模块、核心运算模块、核心控制模块，以及分别与信号输入模块、转速调理模块、核心运算模块和核心控制模块连接的电源模块；

信号输入模块包括按信号传输方向依次连接的振动传感器、信号放大器、低通滤波器和A/D转换模块，以及转速传感器，A/D转换模块的输出端和转速传感器的输出端分别与转速调理模块输入端相连，A/D转换模块将采集到的振动信号x(t)传输至转速调理模块，转速传感器将转速信号传输至转速调理模块，其中t表示采样时间点，t=1,2,…,N，N为信号长度；

转速调理模块为现场可编辑逻辑门阵列，对输入的振动信号x(t)进行等角度采样，得到等角度采样序列{X(1),X(2),…,X(t),…,X(N)}并传输至核心运算模块；

核心运算模块为数字信号处理模块，运用经验模态分解阶比谱方法对输入的等角度采样序列{X(1),X(2),…,X(t),…,X(N)}进行分析，得到阶比谱数据并输入核心控制模块；

核心控制模块包括嵌入式微处理器模块、分别与嵌入式微处理器模块的输出端连接的触摸显示模块和存储器模块，嵌入式微处理器模块的输入端与核心运算模块的输出端连接，嵌入式微处理器模块根据输入的阶比谱数据作出阶比谱图形，并利用阶比谱图形进行轴承故障诊断。

本发明优选方案中，核心运算模块运用经验模态分解阶比谱方法对输入的等角度采样序列{X(1),X(2),…,X(t),…,X(N)}进行分析的具体步骤为：

1）找出等角度采样序列{X(1),X(2),…,X(t),…,X(N)}所有的极大值点和极小值点，采用三次样条插值函数拟合所有极大值点，得到上包络线，采用三次样条插值函数拟合所有极小值点，得到下包络线，然后求出上包络线和下包络线的均值M₁(t)，得到均值序列{M₁(1),M₁(2),…,M₁(t),…,M₁(N)}，将每个等角度采样数据X(t)对应减去均值M₁(t)，得到新的采样数据IM₁(t)，组成一个新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}，并初始化计数器参数j=1；

2）找出新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}所有的极大值点和极小值点，采用三次样条插值函数拟合所有极大值点，得到新的上包络线，采用三次样条插值函数拟合所有极小值点，得到新的下包络线，然后求出新的上包络线和新的下包络线的均值M₂(t)，得到新的均值序列{M₂(1),M₂(2),…,M₂(t),…,M₂(N)}；

3）判断是否满足

如是，则将新的采样数据序列{IM₁(1)，IM₁(2)，...，IM₁(t),…,IM₁(N)}作为第j个本征模态函数IMF_j={IMF_j(1),IMF_j(2),…,IMF_j(t),…,IMF_j(N)}并进入步骤4），其中有IMF_j(t)=IM₁(t)；否则根据IM₁(t)=IM₁(t)－M₂(t)更新IM₁(t)，得到新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}后返回步骤2）；

4）判断是否满足j=k，k为设定的本征模态函数运算次数，k>2，如是，则进入步骤5）；否则根据

更新IM₁(t)，得到新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}，并令j=j+1后返回步骤2），其中i为本征模态函数的序号，也是计数器参数j在求和公式中的变量，i=1,2,…,j；

5）利用下式分别计算各个本征模态函数的能量香农熵比R_i，i=1,2,…,k，然后选出能量香农熵比最大的本征模态函数IMF_max(t)；

$R_i=\frac{\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{IMF}}_i^2\left(t\right)}{-\underset{t=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{{\mathrm{IMF}}_i^2\left(t\right)}{\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{IMF}}_i^2\left(t\right)}{\log }_2\frac{{\mathrm{IMF}}_i^2\left(t\right)}{\underset{t=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{IMF}}_i^2\left(t\right)}\right)},i=\mathrm{1,2},...,k$

6）利用下式对能量香农熵比最大的本征模态函数IMF_max={IMF_max(1),IMF_max(2),…,IMF_max(t),…,IMF_max(N)}进行希尔伯特变换，得到希尔伯特变换信号序列{y(1),y(2),…,y(t),…,y(N)}：

其中τ为积分中的采样时间点变量,τ=1,2,…,N，N为信号长度；

利用下式提取能量香农熵比最大的本征模态函数IMF_max的包络信号z(t)：

$z\left(t\right)=\sqrt{{\mathrm{IMF}}_{\max }^2\left(t\right)+y^2\left(t\right)},$

对IMF_max的包络信号序列{z(1),z(2),…,z(t),…,z(N)}进行傅里叶变换，获得其阶比谱Z(f)=FFT(z(t))，作为最终输入核心控制模块的阶比谱数据。

本发明优选方案中，嵌入式微处理器模块利用阶比谱图形进行轴承故障诊断的方法为：根据阶比谱数据Z(f)，以阶比f为横坐标，阶比谱数据Z(f)为纵坐标，作出二维图形，在二维图形当中找出阶比谱数据Z(f)的每个高峰点所对应的阶比f，然后将其分别与轴承的转动阶比、理论轴承转动体故障阶比、理论轴承外圈故障阶比、理论轴承内圈故障阶比进行比较，按照以下判断条件得到故障诊断结果：

如果三个理论轴承故障阶比均不与任一阶比谱数据Z(f)高峰点所对应的阶比f相等，则判定轴承不存在故障；

如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承转动体故障阶比，则判定轴承存在转动体故障；

如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承外圈故障阶比，则判定轴承存在外圈故障；

如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承内圈故障阶比，则判定轴承存在内圈故障。

有益效果：与现有技术相比，本发明具有以下优点：

1.本发明使用了FPGA+DSP+ARM的结构：转速调理模块采用一片现场可编辑逻辑门阵列（FPGA），对于变转速条件下采得的振动信号进行预处理，将等时间间隔的采样结果转换为等角度采样的结果，从而适应了变转速条件下轴承故障诊断的要求；核心运算模块采用一片数字信号处理器（DSP），由于DSP具备运算速度高和片上外设多的特点，能够适应经验模态分解方法对于硬件设备的要求，因而DSP可以很好地完成对等角度采样结果的经验模态阶比谱分析以及与ARM的通讯等工作；核心控制模块以嵌入式处理器（ARM）为核心，附加外围的LCD触摸屏等硬件设备，可以完成对数据分析结果的诊断、存储、人机交互等功能。

2.本发明在核心运算模块上采用的基于经验模态分解阶比谱算法，相比传统的基于小波阶比分析算法，不需要首先根据信号特点选取合适的小波函数，可以直接对信号进行分析；另外，本发明采用了能量香农熵比从经验模态分解得到的多个本征模态函数中选取一个最合适的本征模态函数计算阶比谱，从而使得最终获得的阶比谱图形从传统的三维图形降低为二维图形，有效地降低了嵌入式处理器的运算和存储负荷；这是该算法第一次在嵌入式硬件上实现，提高了轴承故障诊断的准确性和快速性，同时实现了便携化。

附图说明

图1为本发明的原理框图；

图2为本发明轴承故障诊断算法流程图。

具体实施方式

下面结合附图及具体实例对本发明作进一步说明。

如图1所示，本发明的嵌入式变转速轴承故障诊断装置，包括按信号传输方向依次连接的信号输入模块1、转速调理模块2、核心运算模块3、核心控制模块4，以及分别与信号输入模块1、转速调理模块2、核心运算模块3和核心控制模块4连接的电源模块5；信号输入模块1包括按信号传输方向依次连接的振动传感器12、信号放大器13、低通滤波器14和A/D转换模块15，以及转速传感器11，A/D转换模块15的输出端和转速传感器11的输出端分别与转速调理模块2输入端相连，A/D转换模块15将采集到的振动信号x(t)传输至转速调理模块2，转速传感器11将转速信号传输至转速调理模块2，其中t表示采样时间点，t=1,2,…,N，N为信号长度；转速调理模块2为现场可编辑逻辑门阵列，对输入的振动信号x(t)进行等角度采样，得到等角度采样序列{X(1),X(2),…,X(t),…,X(N)}并传输至核心运算模块3；

核心运算模块3为数字信号处理模块，运用经验模态分解阶比谱方法对输入的等角度采样序列{X(1),X(2),…,X(t),…,X(N)}进行分析，得到阶比谱数据并输入核心控制模块4；核心控制模块4包括嵌入式微处理器模块41、分别与嵌入式微处理器模块41的输出端连接的触摸显示模块42和存储器模块43，嵌入式微处理器模块41的输入端与核心运算模块3的输出端连接，嵌入式微处理器模块41根据输入的阶比谱数据作出阶比谱图形，并利用阶比谱图形进行轴承故障诊断。

转速传感器11可采用光电转速传感器TJZ51-SZGB-7，振动传感器12可选用丹麦B&K公司4370型的加速度传感器，信号放大器13采用AD620差分放大器，低通滤波器14可采用CD4051LC04／MF4A50型单片集成巴特沃斯开关电容滤波器，A/D转换模块15可采用MAX125芯片。转速调理模块2可采用XILINK公司XC4VLX80型号FPGA芯片，核心运算模块3可采用32位定点DSP微处理器芯片TMS320F2812，嵌入式微处理器模块41可采用ARM9系列嵌入式处理器S3C2440A，触摸显示模块42可采用采用四线电阻LCD触摸屏以及ADS7843作为电阻触摸屏转换接口芯片，存储器43可采用闪存NOR FLASH芯片SST39VF160以及静态存储器芯片SDRAMK4S5616332D，电源模块5可采用集成稳压芯片LM2596。

参见图2，本发明的工作过程如下：嵌入式微处理器模块41开始运行，在触摸显示模块42上显示图形用户界面，用户根据现场以及轴承的情况输入一些参数包括采样时间，初始中心频率，截止中心频率，频率变化步长，然后将这些参数传入核心运算模块3，完成系统设置工作；接着信号输入模块1中的转速传感器11开始采集轴承转速信号，信号输入模块1中的振动传感器12开始等时间间隔采集轴承振动信号，并经过信号放大器13、低通滤波器14及A/D转换模块15对该采集的振动信号进行放大、滤波、模数转换等处理，最后A/D转换模块15将采集到的振动信号x(t)传输至转速调理模块2，转速传感器11将转速信号传输至转速调理模块2，其中t表示采样时间点，t=1,2,…,N，N为信号长度；当轴转过角度0、π、4π时，转速调理模块2接收转速传感器11脉冲信号，记下时间T₁、T₂、T₃，通过下式：

$\left(\begin{array}{c}{b}_1\\ b_2\\ b_3\end{array}\right)={\left(\begin{array}{ccc}1& T_1& {T_1}^2\\ 1& T_2& {T_2}^2\\ 1& T_3& {T_3}^2\end{array}\right)}^{-1}\left(\begin{array}{c}0\\ 2\mathrm{\π}\\ 4\mathrm{\π}\end{array}\right)$

求出系统特征参数b₁、b₂、b₃；当轴转过θ（0<θ<2π）角度时转速传感器11发出脉冲信号输入转速调理模块2，转速调理模块2利用时间t与轴转过角度θ的关系式

$t=\frac{1}{{2b}_3}[\sqrt{{4b}_3(\mathrm{\&theta;}-b_1)+b_2^2}-b_2]$

求出轴转过θ角度对应时间t₁，再根据x(t)中的点，采用拉格朗日插值公式求出时间t₁对应的等角度采样值X(t₁)；轴继续转动θ度，此时轴共转过角度为2θ时，再利用上式求出对应时间t₂，使用拉格朗日插值公式计算时间t₂对应的等角度采样值X(t₂)；若t₂<N重复上述步骤,直到t_n≥N时，得到了一个基于等角度θ采样的时间序列X(t)，t=t₁,t₂,…,t_n，将该采样结果X(t)输入核心运算模块3；核心运算模块3运用经验模态分解阶比谱方法对输入的等角度采样序列{X(1),X(2),…,X(t),…,X(N)}进行分析，具体步骤为：1）找出等角度采样序列{X(1),X(2),…,X(t),…,X(N)}所有的极大值点和极小值点，采用三次样条插值函数拟合所有极大值点，得到上包络线，采用三次样条插值函数拟合所有极小值点，得到下包络线，然后求出上包络线和下包络线的均值M₁(t)，得到均值序列{M₁(1),M₁(2),…,M₁(t),…,M₁(N)}，将每个等角度采样数据X(t)对应减去均值M₁(t)，得到新的采样数据IM₁(t)，组成一个新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}，并初始化计数器参数j=1；2）找出新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}所有的极大值点和极小值点，采用三次样条插值函数拟合所有极大值点，得到新的上包络线，采用三次样条插值函数拟合所有极小值点，得到新的下包络线，然后求出新的上包络线和新的下包络线的均值M₂(t)，得到新的均值序列{M₂(1),M₂(2),…,M₂(t),…,M₂(N)}；3）判断是否满足

如是，则将新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}作为第j个本征模态函数IMF_j={IMF_j(1),IMF_j(2),…,IMF_j(t),…,IMF_j(N)}并进入步骤4），其中有IMF_j(t)=IM₁(t)；否则根据IM₁(t)=IM₁(t)－M₂(t)更新IM₁(t)，得到新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}后返回步骤2）；4）判断是否满足j=k，k为设定的本征模态函数运算次数，为大于2随机产生的整数，如是，则进入步骤5）；否则根据

更新IM₁(t)，得到新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}，并令j=j+1后返回步骤2），其中i为本征模态函数的序号，也是计数器参数j在求和公式中的变量，i=1,2,…,j；5）利用下式

$R_i=\frac{\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{IMF}}_i^2\left(t\right)}{-\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}\left(\frac{{\mathrm{IMF}}_i^2\left(t\right)}{\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{IMF}}_i^2\left(t\right)}{\log }_2\frac{{\mathrm{IMF}}_i^2\left(t\right)}{\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{IMF}}_i^2\left(t\right)}\right)},i=\mathrm{1,2},...,k$

分别计算各个本征模态函数的能量香农熵比R_i，i=1,2,…,k，然后选出能量香农熵比最大的本征模态函数IMF_max(t)；6）利用下式对能量香农熵比最大的本征模态函数IMF_max={IMF_max(1),IMF_max(2),…,IMF_max(t),…,IMF_max(N)}进行希尔伯特变换，得到希尔伯特变换信号序列{y(1),y(2),…,y(t),…,y(N)}：

其中τ为积分中的采样时间点变量,τ=1,2,…,N，N为信号长度，每固定一个t值，τ分别从1到N取值，利用{IMF_max(1),IMF_max(2),…,IMF_max(t),…,IMF_max(N)}求得一个y(t)值；利用下式提取能量香农熵比最大的本征模态函数IMF_max的包络信号z(t)：

$z\left(t\right)=\sqrt{{\mathrm{IMF}}_{\max }^2\left(t\right)+y^2\left(t\right)},$

对IMF_max的包络信号序列{z(1),z(2),…,z(t),…,z(N)}进行傅里叶变换，获得其阶比谱Z(f)=FFT(z(t))，作为最终输入核心控制模块4的阶比谱数据。

嵌入式微处理器模块41利用阶比谱图形进行轴承故障诊断，具体方法为：根据阶比谱数据Z(f)，以阶比f为横坐标，阶比谱数据Z(f)为纵坐标，作出二维图形，在二维图形当中找出阶比谱数据Z(f)的每个高峰点所对应的阶比f，然后将其分别与轴承的转动阶比、理论轴承转动体故障阶比、理论轴承外圈故障阶比、理论轴承内圈故障阶比进行比较，按照以下判断条件得到故障诊断结果：如果三个理论轴承故障阶比均不与任一阶比谱数据Z(f)高峰点所对应的阶比f相等，则判定轴承不存在故障；如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承转动体故障阶比，则判定轴承存在转动体故障；如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承外圈故障阶比，则判定轴承存在外圈故障；如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承内圈故障阶比，则判定轴承存在内圈故障；如果同时存在两个或者两个以上阶比谱数据Z(f)高峰点所对应的阶比f分别等于理论轴承转动体故障阶比、理论轴承外圈故障阶比、理论轴承内圈故障阶比中的两个或者三个，则判定轴承存在复合故障。

应理解上述实施例仅用于说明本发明技术方案的具体实施方式，而不用于限制本发明的范围。在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改和替换均落于本申请权利要求所限定的保护范围。

Claims (3)

1.一种嵌入式变转速轴承故障诊断装置，其特征在于，该装置包括按信号传输方向依次连接的信号输入模块（1）、转速调理模块（2）、核心运算模块（3）、核心控制模块（4），以及分别与所述信号输入模块（1）、转速调理模块（2）、核心运算模块（3）和核心控制模块（4）连接的电源模块（5）；

所述信号输入模块（1）包括按信号传输方向依次连接的振动传感器（12）、信号放大器（13）、低通滤波器（14）和A/D转换模块（15），以及转速传感器（11），所述A/D转换模块（15）的输出端和转速传感器（11）的输出端分别与转速调理模块（2）输入端相连，A/D转换模块（15）将采集到的振动信号x(t)传输至转速调理模块（2），转速传感器（11）将转速信号传输至转速调理模块（2），其中t表示采样时间点，t=1,2,…,N，N为信号长度；

所述转速调理模块（2）为现场可编辑逻辑门阵列，对输入的振动信号x(t)进行等角度采样，得到等角度采样序列{X(1),X(2),…,X(t),…,X(N)}并传输至核心运算模块（3）；

所述核心运算模块（3）为数字信号处理模块，运用经验模态分解阶比谱方法对输入的等角度采样序列{X(1),X(2),…,X(t),…,X(N)}进行分析，得到阶比谱数据并输入核心控制模块（4）；

所述核心控制模块（4）包括嵌入式微处理器模块（41）、分别与所述嵌入式微处理器模块（41）的输出端连接的触摸显示模块（42）和存储器模块（43），所述嵌入式微处理器模块（41）的输入端与核心运算模块（3）的输出端连接，嵌入式微处理器模块（41）根据输入的阶比谱数据作出阶比谱图形，并利用阶比谱图形进行轴承故障诊断。

2.根据权利要求1所述的嵌入式变转速轴承故障诊断装置，其特征在于，所述核心运算模块（3）运用经验模态分解阶比谱方法对输入的等角度采样序列{X(1),X(2),…,X(t),…,X(N)}进行分析的具体步骤为：

1）找出等角度采样序列{X(1),X(2),…,X(t),…,X(N)}所有的极大值点和极小值点，采用三次样条插值函数拟合所有极大值点，得到上包络线，采用三次样条插值函数拟合所有极小值点，得到下包络线，然后求出上包络线和下包络线的均值M₁(t)，得到均值序列{M₁(1),M₁(2),…,M₁(t),…,M₁(N)}，将每个等角度采样数据X(t)对应减去均值M₁(t)，得到新的采样数据IM₁(t)，组成一个新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}，并初始化计数器参数j=1；

2）找出新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}所有的极大值点和极小值点，采用三次样条插值函数拟合所有极大值点，得到新的上包络线，采用三次样条插值函数拟合所有极小值点，得到新的下包络线，然后求出新的上包络线和新的下包络线的均值M₂(t)，得到新的均值序列{M₂(1),M₂(2),…,M₂(t),…,M₂(N)}；

3）判断是否满足

如是，则将新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}作为第j个本征模态函数IMF_j={IMF_j(1),IMF_j(2),…,IMF_j(t),…,IMF_j(N)}并进入步骤4），其中有IMF_j(t)=IM₁(t)；否则根据IM₁(t)=IM₁(t)－M₂(t)更新IM₁(t)，得到新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}后返回步骤2）；

4）判断是否满足j=k，k为设定的本征模态函数运算次数，k>2，如是，则进入步骤5）；否则根据

更新IM₁(t)，得到新的采样数据序列{IM₁(1),IM₁(2),…,IM₁(t),…,IM₁(N)}，并令j=j+1后返回步骤2），其中i为本征模态函数的序号，也是计数器参数j在求和公式中的变量，i=1,2,…,j；

5）利用下式分别计算各个本征模态函数的能量香农熵比R_i，i=1,2,…,k，然后选出能量香农熵比最大的本征模态函数IMF_max(t)；

$R_i=\frac{\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{IMF}}_i^2\left(t\right)}{-\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}\left(\frac{{\mathrm{IMF}}_i^2\left(t\right)}{\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{IMF}}_i^2\left(t\right)}{\log }_2\frac{{\mathrm{IMF}}_i^2\left(t\right)}{\underset{t=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{IMF}}_i^2\left(t\right)}\right)},i=\mathrm{1,2},...,k$

6）利用下式对能量香农熵比最大的本征模态函数IMF_max={IMF_max(1),IMF_max(2),…,IMF_max(t),…,IMF_max(N)}进行希尔伯特变换，得到希尔伯特变换信号序列{y(1),y(2),…,y(t),…,y(N)}：

其中τ为积分中的采样时间点变量,τ=1,2,…,N，N为信号长度；

利用下式提取能量香农熵比最大的本征模态函数IMF_max的包络信号z(t)：

$z\left(t\right)=\sqrt{{\mathrm{IMF}}_{\max }^2\left(t\right)+y^2\left(t\right)},$

对IMF_max的包络信号序列{z(1),z(2),…,z(t),…,z(N)}进行傅里叶变换，获得其阶比谱Z(f)=FFT(z(t))，作为最终输入核心控制模块（4）的阶比谱数据。

3.根据权利要求1所述的嵌入式变转速轴承故障诊断装置，其特征在于，所述嵌入式微处理器模块（41）利用阶比谱图形进行轴承故障诊断的方法为：根据阶比谱数据Z(f)，以阶比f为横坐标，阶比谱数据Z(f)为纵坐标，作出二维图形，在所述二维图形当中找出阶比谱数据Z(f)的每个高峰点所对应的阶比f，然后将其分别与轴承的转动阶比、理论轴承转动体故障阶比、理论轴承外圈故障阶比、理论轴承内圈故障阶比进行比较，按照以下判断条件得到故障诊断结果：

如果所述的三个理论轴承故障阶比均不与任一阶比谱数据Z(f)高峰点所对应的阶比f相等，则判定轴承不存在故障；

如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承转动体故障阶比，则判定轴承存在转动体故障；

如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承外圈故障阶比，则判定轴承存在外圈故障；

如果存在一个阶比谱数据Z(f)高峰点所对应的阶比f等于理论轴承内圈故障阶比，则判定轴承存在内圈故障。

Images