CN114778114B - 一种基于信号冲击性和周期性的轴承健康指标构建方法 - Google Patents

一种基于信号冲击性和周期性的轴承健康指标构建方法 Download PDF

Info

Publication number
CN114778114B
CN114778114B CN202210357445.XA CN202210357445A CN114778114B CN 114778114 B CN114778114 B CN 114778114B CN 202210357445 A CN202210357445 A CN 202210357445A CN 114778114 B CN114778114 B CN 114778114B
Authority
CN
China
Prior art keywords
famp
bearing
signal
fault
mlk
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.)
Active
Application number
CN202210357445.XA
Other languages
English (en)
Other versions
CN114778114A (zh
Inventor
钱门贵
郭亮
高宏力
韩佳霖
李世超
吴向东
由智超
潘江
刘子豪
马贵林
伍广
王钦超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202210357445.XA priority Critical patent/CN114778114B/zh
Publication of CN114778114A publication Critical patent/CN114778114A/zh
Application granted granted Critical
Publication of CN114778114B publication Critical patent/CN114778114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis

Abstract

本发明公开了一种基于信号冲击性和周期性的轴承健康指标构建方法，包括以下步骤：步骤一，获得轴承振动信号；步骤二，将振动信号划分成多个时域信号块；步骤三，计算每个信号块的MLK和FAMP；步骤四，根据MLK‑FAMP找到包含故障信息的信号块；步骤五，根据找到信号块的FAMP判断出轴承早期故障类型；步骤六，根据相对相似性与数学统计方法得到最终的健康指标；所述步骤四中，每个MLK‑FAMP包含四个成分，分别对应四种故障类型；本发明相对于现有轴承健康指标的构建方法，所构建出的轴承健康指标可以提前发现轴承的早期故障，另外还可以对早期故障的类型进行识别，实现对轴承状态的监测，同时还可以有效确保故障诊断的准确性，避免发生误判。

Description

一种基于信号冲击性和周期性的轴承健康指标构建方法
技术领域
本发明涉及轴承状态监测技术领域，具体为一种基于信号冲击性和周期性的轴承健康指标构建方法。
背景技术
滚动轴承广泛应用于各种机械设备的旋转部件中，因此滚动轴承的健康监测在大多数机械设备中起着至关重要的作用；现有技术大多是从振动信号、电信号、温度信号和其他监测信号中获取尽可能多的轴承状态信息，构建轴承健康指标(HIs)，实现轴承状态监测；分析方法一般包括传统的机械信号处理、模型建立和机器学习；但由于工作环境复杂，噪声大轴承的干涉和随机退化趋势、物理模型和退化数学模型难以建立；同时，虽然机器学习不需要很多专业知识，但它需要大量的训练数据，并且缺乏物理意义；尽管目前有很多基于机械信号处理的健康指标构建方法，但是大多数方法构建的健康指标对轴承的早期故障不够敏感，不能进行故障识别，故障诊断也不够准确，易发生误判。
发明内容
本发明的目的在于提供一种基于信号冲击性和周期性的轴承健康指标构建方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于信号冲击性和周期性的轴承健康指标构建方法，包括以下步骤：步骤一，获得轴承振动信号；步骤二，将振动信号划分成多个时域信号块；步骤三，计算每个信号块的MLK和FAMP；步骤四，根据MLK-FAMP找到包含故障信息的信号块；步骤五，根据找到信号块的FAMP判断出轴承早期故障类型；步骤六，根据相对相似性与数学统计方法得到最终的健康指标；
其中在上述步骤一中，通过传感器和数据采集仪等仪器获得轴承的振动信号；
其中在上述步骤二中，通过1/3二叉树法将振动时域信号划分成多个时域信号块；
其中在上述步骤三中，按照轴承的四种故障类型，分别计算每个信号块的局部中值峭度(MLK)和故障特征阶次点幅值(FAMP)；
其中在上述步骤四中，将每个信号块的MLK和FAMP相加，得到MLK-FAMP。根据MLK-FAMP，找到包含故障信息的信号块；
其中在上述步骤五中，计算包含故障信息信号块的FAMP,并通过FAMP的趋势判断出轴承的早期故障；
其中在上述步骤六中，将相对相似性与数学统计方法应用于包含故障信息信号块的FAMP，得到最终的健康指标MLK-FAMP-HI，实现轴承早期的状态监测。
优选的，所述步骤三中，计算局部中值峭度(MLK)的具体方法为：首先计算每种故障冲击发生一次的时间，根据这个时间将每个信号块划分成更小的信号段，然后计算每个小信号段的峭度，根据所有信号段的峭度，最后求出每个信号块的局部中值峭度(MLK)。
优选的，所述步骤三中，计算故障特征阶次点幅值(FAMP)的具体方法为：首先求出每个信号块的阶次包络谱，然后根据四种故障特征阶次，计算出每种故障阶次点及其谐波的幅值。
优选的，所述步骤四中，每个MLK-FAMP包含四个成分，分别对应四种故障类型。
优选的，所述步骤六中，数学统计方法运用了正态分布和3σ原则，构建了统计阈值，若健康指标超过这个阈值，则视为发生故障。
与现有技术相比，本发明的有益效果是：本发明相对于现有轴承健康指标的构建方法，所构建出的轴承健康指标可以提前发现轴承的早期故障，另外还可以对早期故障的类型进行识别，实现对轴承状态的监测，同时还可以有效确保故障诊断的准确性，避免发生误判
附图说明
图1为本发明的方法流程图；
图2为轴承全寿命模拟实验的部分采样点的阶次包络谱；
图3为本发明的健康指标应用于轴承全寿命模拟实验的结果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供的一种实施例：一种基于信号冲击性和周期性的轴承健康指标构建方法，包括以下步骤：步骤一，获得轴承振动信号；步骤二，将振动信号划分成多个时域信号块；步骤三，计算每个信号块的MLK和FAMP；步骤四，根据MLK-FAMP找到包含故障信息的信号块；步骤五，根据找到信号块的FAMP判断出轴承早期故障类型；步骤六，根据相对相似性与数学统计方法得到最终的健康指标；
其中在上述步骤一中，通过传感器和数据采集仪等仪器获得轴承的振动信号；
其中在上述步骤二中，通过1/3二叉树法将振动时域信号划分成多个时域信号块；
其中在上述步骤三中，按照轴承的四种故障类型，分别计算每个信号块的局部中值峭度(MLK)和故障特征阶次点幅值(FAMP)；其中，计算局部中值峭度(MLK)的具体方法为：首先计算每种故障冲击发生一次的时间，根据这个时间将每个信号块划分成更小的信号段，然后计算每个小信号段的峭度，根据所有信号段的峭度，最后求出每个信号块的局部中值峭度(MLK)；计算故障特征阶次点幅值(FAMP)的具体方法为：首先求出每个信号块的阶次包络谱，然后根据四种故障特征阶次，计算出每种故障阶次点及其谐波的幅值；
其中在上述步骤四中，将每个信号块的MLK和FAMP相加，得到MLK-FAMP。根据MLK-FAMP，找到包含故障信息的信号块；其中，每个MLK-FAMP包含四个成分，分别对应四种故障类型；
其中在上述步骤五中，计算包含故障信息信号块的FAMP,并通过FAMP的趋势判断出轴承的早期故障；
其中在上述步骤六中，将相对相似性与数学统计方法应用于包含故障信息信号块的FAMP，得到最终的健康指标MLK-FAMP-HI，实现轴承早期的状态监测；其中，数学统计方法运用了正态分布和3σ原则，构建了统计阈值，若健康指标超过这个阈值，则视为发生故障。
基于上述，本发明的优点在于，本发明基于信号的冲击性和周期性，通过采集轴承的振动信号，利用1/3二叉树法对信号进行处理，计算每个信号块的局部中值峭度(MLK)和故障特征阶次点幅值(FAMP)，并基于此构建出轴承的健康指标，能够准确对轴承早期故障进行识别，实现对轴承早期状态的监测；轴承全寿命模拟实验的部分采样点的阶次包络谱见图2，其中，(a)为第530个采样点；(b)为第532个采样点；(c)为第533个采样点；(d)为第534个采样点；(e)为第600个采样点；(f)为第714个采样点。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (3)

1.一种基于信号冲击性和周期性的轴承健康指标构建方法，包括以下步骤：步骤一，获得轴承振动信号；步骤二，将振动信号划分成多个时域信号块；步骤三，计算每个信号块的MLK和FAMP；步骤四，根据MLK-FAMP找到包含故障信息的信号块；步骤五，根据找到信号块的FAMP判断出轴承早期故障类型；步骤六，根据相对相似性与数学统计方法得到最终的健康指标；其特征在于：
其中在上述步骤一中，通过传感器和数据采集仪获得轴承的振动信号；
其中在上述步骤二中，通过1/3二叉树法将振动时域信号划分成多个时域信号块；
其中在上述步骤三中，按照轴承的四种故障类型，分别计算每个信号块的局部中值峭度(MLK)和故障特征阶次点幅值(FAMP)；计算局部中值峭度(MLK)的具体方法为：首先计算每种故障冲击发生一次的时间，根据这个时间将每个信号块划分成更小的信号段，然后计算每个小信号段的峭度，根据所有信号段的峭度，最后求出每个信号块的局部中值峭度(MLK)；计算故障特征阶次点幅值(FAMP)的具体方法为：首先求出每个信号块的阶次包络谱，然后根据四种故障特征阶次，计算出每种故障阶次点及其谐波的幅值；
其中在上述步骤四中，将每个信号块的MLK和FAMP相加，得到MLK-FAMP，根据MLK-FAMP，找到包含故障信息的信号块；
其中在上述步骤五中，计算包含故障信息信号块的FAMP,并通过FAMP的趋势判断出轴承的早期故障；
其中在上述步骤六中，将相对相似性与数学统计方法应用于包含故障信息信号块的FAMP，得到最终的健康指标MLK-FAMP-HI，实现轴承早期的状态监测。
2.根据权利要求1所述的一种基于信号冲击性和周期性的轴承健康指标构建方法，其特征在于：所述步骤四中，每个MLK-FAMP包含四个成分，分别对应四种故障类型。
3.根据权利要求1所述的一种基于信号冲击性和周期性的轴承健康指标构建方法，其特征在于：所述步骤六中，数学统计方法运用了正态分布和3σ原则，构建了统计阈值，若健康指标超过这个阈值，则视为发生故障。
CN202210357445.XA 2022-04-01 2022-04-01 一种基于信号冲击性和周期性的轴承健康指标构建方法 Active CN114778114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210357445.XA CN114778114B (zh) 2022-04-01 2022-04-01 一种基于信号冲击性和周期性的轴承健康指标构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210357445.XA CN114778114B (zh) 2022-04-01 2022-04-01 一种基于信号冲击性和周期性的轴承健康指标构建方法

Publications (2)

Publication Number Publication Date
CN114778114A CN114778114A (zh) 2022-07-22
CN114778114B true CN114778114B (zh) 2022-11-22

Family

ID=82426902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210357445.XA Active CN114778114B (zh) 2022-04-01 2022-04-01 一种基于信号冲击性和周期性的轴承健康指标构建方法

Country Status (1)

Country Link
CN (1) CN114778114B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105181019A (zh) * 2015-09-15 2015-12-23 安徽精科检测技术有限公司 用于旋转类机械早期故障预警分析的计算机程序产品
CN106769033A (zh) * 2016-11-30 2017-05-31 西安交通大学 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法
CN109029999A (zh) * 2018-09-19 2018-12-18 河北工业大学 基于增强调制双谱分析的滚动轴承故障诊断方法
CN109682601A (zh) * 2019-03-04 2019-04-26 北京天泽智云科技有限公司 一种变转速工况下滚动轴承的早期故障识别方法
CN110887663A (zh) * 2019-10-30 2020-03-17 中国石油化工股份有限公司 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法
CN111307460A (zh) * 2020-03-14 2020-06-19 中国石化销售股份有限公司华南分公司 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法
CN111504645A (zh) * 2020-04-30 2020-08-07 西安交通大学 一种基于频域多点峭度的滚动轴承故障诊断方法
CN112577746A (zh) * 2020-12-07 2021-03-30 东南大学 一种转速波动下滚动轴承包络阶次谱故障特征的提取方法
CN112964470A (zh) * 2021-03-27 2021-06-15 温州大学 一种基于轴承健康指标检测滚动轴承早期故障的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105181019A (zh) * 2015-09-15 2015-12-23 安徽精科检测技术有限公司 用于旋转类机械早期故障预警分析的计算机程序产品
CN106769033A (zh) * 2016-11-30 2017-05-31 西安交通大学 基于阶次包络时频能量谱的变转速滚动轴承故障识别方法
CN109029999A (zh) * 2018-09-19 2018-12-18 河北工业大学 基于增强调制双谱分析的滚动轴承故障诊断方法
CN109682601A (zh) * 2019-03-04 2019-04-26 北京天泽智云科技有限公司 一种变转速工况下滚动轴承的早期故障识别方法
CN110887663A (zh) * 2019-10-30 2020-03-17 中国石油化工股份有限公司 变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法
CN111307460A (zh) * 2020-03-14 2020-06-19 中国石化销售股份有限公司华南分公司 基于计算阶次跟踪与谱峭度的滚动轴承故障诊断方法
CN111504645A (zh) * 2020-04-30 2020-08-07 西安交通大学 一种基于频域多点峭度的滚动轴承故障诊断方法
CN112577746A (zh) * 2020-12-07 2021-03-30 东南大学 一种转速波动下滚动轴承包络阶次谱故障特征的提取方法
CN112964470A (zh) * 2021-03-27 2021-06-15 温州大学 一种基于轴承健康指标检测滚动轴承早期故障的方法

Also Published As

Publication number Publication date
CN114778114A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
Rostaghi et al. Application of dispersion entropy to status characterization of rotary machines
CN107991097A (zh) 一种基于多尺度符号动力学熵的轴承故障诊断方法
CN112461547A (zh) 一种基于多岛遗传和变分模态分解的轴承故障诊断方法
CN110706213A (zh) 基于应变响应累积分布函数差的桥梁集群结构损伤判别方法
CN111881594B (zh) 一种核动力设备的非平稳信号状态监测方法及系统
CN111291918B (zh) 平稳子空间外源矢量自回归的旋转机械退化趋势预测方法
CN115186701A (zh) 轴承寿命预测方法、装置、电子设备及存储介质
CN114048787B (zh) 一种基于Attention CNN模型的轴承故障实时智能诊断方法与系统
CN114705432A (zh) 防爆电机轴承健康状态评估方法及系统
CN114778114B (zh) 一种基于信号冲击性和周期性的轴承健康指标构建方法
Yu et al. Rolling bearing degradation state identification based on LCD relative spectral entropy
CN110160781B (zh) 一种旋转机械故障分类的测试集重构和预测方法
CN111191950A (zh) 风电机组齿轮箱油温异常分析方法及装置
CN116499742A (zh) 一种基于集成学习的旋转机械故障监测方法
CN116955059A (zh) 根因定位方法、装置、计算设备及计算机存储介质
CN109359699A (zh) 一种基于Alpha稳定分布的工业机组故障诊断方法
Wang et al. Normal Sinkhorn Distance: A novel metric for evaluating generated signals and its application in mechanical fault diagnosis
CN112561171B (zh) 一种滑坡的预测方法、装置、设备及存储介质
CN114050941A (zh) 一种基于核密度估计的失陷账号检测方法及系统
Guo et al. A novel approach to bearing prognostics based on impulse-driven measures, improved morphological filter and practical health indicator construction
CN111595582A (zh) 一种滚动轴承故障诊断方法
CN114279704B (zh) 一种风电齿轮箱行星级运行状态的监测方法及系统
Cui et al. Synchronous odd symmetric transform for rolling bearing fault diagnosis
Wang et al. Bidirectional shrinkage gated recurrent unit network with multiscale attention mechanism for multisensor fault diagnosis
CN117592870B (zh) 基于水环境监测信息的综合分析系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information

Inventor after: Han Jialin

Inventor after: Ma Guilin

Inventor after: Wu Guang

Inventor after: Wang Qinchao

Inventor after: Guo Liang

Inventor after: Gao Hongli

Inventor after: Qian Mengui

Inventor after: Li Shichao

Inventor after: Wu Xiangdong

Inventor after: You Zhichao

Inventor after: Pan Jiang

Inventor after: Liu Zihao

Inventor before: Qian Mengui

Inventor before: Ma Guilin

Inventor before: Wu Guang

Inventor before: Wang Qinchao

Inventor before: Guo Liang

Inventor before: Gao Hongli

Inventor before: Han Jialin

Inventor before: Li Shichao

Inventor before: Wu Xiangdong

Inventor before: You Zhichao

Inventor before: Pan Jiang

Inventor before: Liu Zihao

CB03 Change of inventor or designer information