CN108387373A - 基于相关系数改进变分模态分解的滚动轴承故障诊断方法 - Google Patents

Abstract

本发明涉及一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，包括以下步骤：1)获取待诊断滚动轴承的振动信号；2)设定分解个数K的初始值以及相关系数阈值；3)根据设定的分解个数K对振动信号通过VMD算法进行分解，并且计算在此分解个数K的条件下对应的各模态分量之间的相关系数；4)判断各模态分量之间的相关系数是否超过相关系数阈值，若否，则将当前分解个数K的值加1，并且返回步骤3)，若是，则将此时的K值减1作为最终的分解个数K的值。与现有技术相比，本发明具有减少模态混叠、防止信号缺失、有效提取诊断等优点。

Description

基于相关系数改进变分模态分解的滚动轴承故障诊断方法

技术领域

本发明涉及滚动轴承故障诊断，尤其是涉及一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法。

背景技术

滚动轴承作为一种广泛使用的零部件在机械设备的运行中发挥着重要的作用，滚动轴承故障会导致滚动轴承的失效，进而严重影响机械设备的运行，而随着机电设备的工作环境愈发复杂，轴承发生故障的几率逐渐增大。据统计，大约30％的机械设备故障是由滚动轴承局部损伤故障引起。因此，滚动轴承的故障诊断技术收到越来越多人的关注。

机械设备中测量得到的滚动轴承振动信号大多是复杂的调幅-调频信号，其故障特征微弱难以提取，需要对原始振动信号分解之后，对分量进行分析处理。基于此，变分模态分解(Variational Mode Decomposition，简称VMD)作为一种自适应信号处理方法，被运用到故障诊断领域中，它可以通过迭代搜寻变分模态的最优解，更新各模态分量，重构原始信号。

然而，VMD在处理信号时需要预先设定好分量分解个数K，K值的不同对于分解效果会有较大影响。K值偏小，会使得信号分解不充分，造成信息缺失，为了解决此问题，现有技术通过各模态分量与原始信号的信息熵来确定分量分解个数K，但是并不能消除分量之间存在频率混叠的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法。

本发明的目的可以通过以下技术方案来实现：

一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，包括以下步骤：

1)获取待诊断滚动轴承的振动信号；

2)设定分解个数K的初始值以及相关系数阈值；

3)根据设定的分解个数K对振动信号通过VMD算法进行分解，并且计算在此分解个数K的条件下对应的各模态分量之间的相关系数；

4)判断各模态分量之间的相关系数是否超过相关系数阈值，若否，则将当前分解个数K的值加1，并且返回步骤3)，若是，则将此时的K值减1作为最终的分解个数K的值。

优选地，所述的步骤3)中，两个模态分量之间的相关系数ρ_xy的计算式为：

其中，x(n)、y(n)为模态分量，x²(n)、y²(n)分别为模态分量的能量。

优选地，所述的步骤2)中，分解个数K的初始值为2。

优选地，所述的步骤4)中，选取各模态分量之间的所有相关系数中的最大值作为与相关系数阈值比较的值。

优选地，所述的步骤2)中相关系数阈值为0.1。

优选地，所述的步骤4)还包括以下步骤：

以最终的分解个数K的值为最优值进行分解，获取分解后的模态分量对应的包络谱，获取包络谱中的突出的频率成分，并以此作为检测频率与故障频率比较后判断该待诊断滚动轴承是否出现故障。

与现有技术相比，本发明具有以下优点：

本文提出了基于相关系数的模态个数K确定方法。在分量中出现了最大中心频率的前提下，计算模态分量之间的相关系数，判断各模态分量之间是否存在频率混叠现象，从而确定分量分解个数K，既有效减少了模态混叠，又防止信号分解之后可能产生信息缺失的问题，能够有效提取轴承故障特征信息，更好的实现滚动轴承的故障诊断。

附图说明

图1为本发明的方法流程图。

图2为实施例中内圈故障状态轴承振动信号时域图。

图3为正常状态轴承振动信号频域图。

图4为当K＝2时对应的模态分量频谱图，其中，图(4a)为分量u₁的频谱图，图(4b)为分量u₂的频谱图。

图5为当K＝3时对应的模态分量频谱图，其中，图(5a)为分量u₁的频谱图，图(5b)为分量u₂的频谱图，图(5c)为分量u₃的频谱图。

图6为当K＝4时对应的模态分量频谱图，其中，图(6a)为分量u₁的频谱图，图(6b)为分量u₂的频谱图，图(6c)为分量u₃的频谱图，图(6d)为分量u₄的频谱图。

图7为振动信号经VMD分解后分量u₁的包络谱。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，以美国凯斯西储大学电气工程实验室的滚动轴承数据实验为例。选用的滚动轴承为内圈故障下的SKF型深沟球轴承，滚动体个数为9，轴承节径39.04mm，滚珠直径7.94mm，振动数据采样频率为12kHz、电机负载为1HP、转速为1772r/min，其振动信号时域和频域图如图3所示，对振动信号进行分解之前，需要对分解个数K值进行确定，运用本文方法，首先将K值设为2，将振动信号进行VMD算法处理，并求取各模态分量之间的相关系数。K＝2时，振动信号经过VMD分解后的各模态分量频谱图如图4所示，此时最大的相关系数即u₁和u₂之间的相关系数，为0.0201。

令K←K+1，并再次对振动信号进行VMD算法处理，求取各模态分量之间的相关系数。K＝3时，振动信号经过VMD分解后的各模态分量频谱图如图5所示。此时最大的相关系数为0.044。

VMD算法流程如下：

(1)初始化 和n(n＝0)；

(2)n←n+1，并更新u_k和ω_k；

(3)更新λ：

(4)重复步骤(2)和(3),直到满足迭代停止条件即迭代收敛结束循环，输出结果，得到K个模态分量及其中心频率。

重复之前的操作，直到模态分量之间的最大相关系数超过阈值。在本例中，K＝5时，分量间最大相关系数为0.161，超过阈值，并且K＝4时，频谱中已经出现了最大的中心频率，并没有出现信息缺失的问题，从而确定VMD分解个数K值为4。K＝4时，振动信号经过VMD分解后的各模态分量频谱图如图6所示。不同K值下的最大相关系数如表1所示。

表1 不同K值下的最大相关系数

提取模态分量中包含有较多信息的u₁分量，u₁的包络谱如图7所示，可以看到，包络谱中除29.3Hz、58.59Hz等转频的高次谐波部分外，还有158.2Hz部分较为突出，而由计算可得轴承内圈故障频率为157.94Hz，两者十分接近，故初步判断此轴承处于内圈故障状态，与实际相符。

本发明将相关系数应用到VMD信号处理方法中，能够将信号分解为具有一定带宽频率的模态分量，为后续的特征提取和故障分类识别提供无模态混叠现象且特征信息丰富的数据源。

Claims (6)

1.一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，其特征在于，包括以下步骤：

1)获取待诊断滚动轴承的振动信号；

2)设定分解个数K的初始值以及相关系数阈值；

3)根据设定的分解个数K对振动信号通过VMD算法进行分解，并且计算在此分解个数K的条件下对应的各模态分量之间的相关系数；

4)判断各模态分量之间的相关系数是否超过相关系数阈值，若否，则将当前分解个数K的值加1，并且返回步骤3)，若是，则将此时的K值减1作为最终的分解个数K的值。

2.根据权利要求1所述的一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，其特征在于，所述的步骤3)中，两个模态分量之间的相关系数ρ_xy的计算式为：

其中，x(n)、y(n)为模态分量，x²(n)、y²(n)分别为模态分量的能量。

3.根据权利要求1所述的一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，其特征在于，所述的步骤2)中，分解个数K的初始值为2。

4.根据权利要求1所述的一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，其特征在于，所述的步骤4)中，选取各模态分量之间的所有相关系数中的最大值作为与相关系数阈值比较的值。

5.根据权利要求1所述的一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，其特征在于，所述的步骤2)中相关系数阈值为0.1。

6.根据权利要求1所述的一种基于相关系数改进变分模态分解的滚动轴承故障诊断方法，其特征在于，所述的步骤4)还包括以下步骤：

以最终的分解个数K的值为最优值进行分解，获取分解后的模态分量对应的包络谱，获取包络谱中的突出的频率成分，并以此作为检测频率与故障频率比较后判断该待诊断滚动轴承是否出现故障。