申请/专利权人：南京林业大学;苏州长城精工科技股份有限公司

申请日：2023-09-06

公开（公告）日：2024-03-22

公开（公告）号：CN117235643B

主分类号：G06F18/2433

分类号：G06F18/2433;G01M13/045;G06F18/10;G06N3/006;G06N3/126;G06N7/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.02#实质审查的生效;2023.12.15#公开

摘要：本发明公开一种滚动轴承早期微弱故障诊断方法，包括如下步骤：采集故障轴承振动信号；基于一种融合多域指标的综合适应度函数指导改进的蜣螂优化算法自适应确定变分模态分解算法最优的分解层数和惩罚因子，并利用参数优化的变分模态分解算法将采集的故障轴承振动信号划分为一系列的模态分量；计算各模态分量的综合适应度函数值，选取具有最小综合适应度函数值的模态分量作为主故障特征模态分量；通过从主故障特征模态分量的增强包络谱中提取出故障特征频率，实现滚动轴承早期微弱故障诊断。本发明克服了现有的变分模态分解中参数难以选取的问题，能够从强噪声工作环境下提取出有用的周期性故障脉冲信息，实现滚动轴承早期微弱故障精确诊断。

主权项：1.一种滚动轴承早期微弱故障诊断方法，其特征在于，包括：S10：利用传感器采集故障轴承振动信号；S20：基于一种融合多域指标的综合适应度函数指导改进的蜣螂优化算法自适应确定变分模态分解算法最优的分解层数和惩罚因子，并利用参数优化的变分模态分解算法将采集的故障轴承振动信号划分为一系列的模态分量，其中，所述变分模态分解的表达式为：u＝VMDx,α,tau,K,DC,init,tol式中，x为待分解的原信号，tau为噪声容限，DC为直流分量，init为初始化中心频率，tol为收敛精度，K和α分别表示最优的分解层数和惩罚因子，VMD·为MATLAB工具包中的变分模态分解函数；S30：计算各模态分量的综合适应度函数值，选取具有最小综合适应度函数值的模态分量作为主故障特征模态分量；S40：通过从主故障特征模态分量的增强包络谱中提取出故障特征频率，实现滚动轴承早期微弱故障诊断；在步骤S20中，基于一种融合多域指标的综合适应度函数指导改进的蜣螂优化算法自适应确定变分模态分解算法最优的分解层数和惩罚因子的具体步骤如下：S201、引入立方混沌映射和反向学习策略初始化蜣螂的种群位置向量，形成分布均匀的初始化种群，设定种群规模P，蜣螂滚球个数Pa，蜣螂繁育个数Pr，小蜣螂觅食个数Ps，偷窃蜣螂个数Pt，最大迭代次数Tmax，搜索的上下边界分别为Ub和Lb，目标函数的维度为D；S202、建立参数优化的综合适应度函数，其表达式如下： 式中，argmin{·}表示求取最小值的函数，RIMI为模态分量的综合适应度函数值，K和α分别为变分模态分解的分解层数和惩罚因子；S203、对采集到的原始振动信号根据每个蜣螂的位置向量使用变分模态分解进行处理，并计算当前种群中每个蜣螂个体对应的适应度函数值，记录当前最佳的适应度值和对应的位置向量；S204、利用蜣螂滚球、蜣螂繁育、小蜣螂觅食和偷窃蜣螂四种策略对蜣螂个体位置进行更新，并引入自适应惯性权重策略对蜣螂滚球和偷窃蜣螂位置更新法则进行改进，计算比较个体和种群全局最优值，更新并保存全局最优的蜣螂个体位置和最佳的适应度函数值；S205、对全局最优个体和随机选择的个体执行差分变异操作，计算比较个体和种群全局最优值，更新并保存全局最优的蜣螂个体位置和最佳的适应度函数值；S206、判断是否达到最大迭代次数，如果是，迭代将被终止，获取变分模态分解算法最优的参数组合[K,α]，否则，返回步骤S204循环迭代，直到满足最大循环次数为止；所述增强包络谱的计算公式定义如下： 式中，u为原始振动信号x经VMD分解后的主故障特征模态分量，xcorr·为MATLAB工具包中的自相关变换函数，Rxx为信号u的自相关降噪信号，FFT·为MATLAB工具包中的傅里叶变换函数，PF为信号Rxx的平方包络谱，std·为MATLAB工具包中的标准差计算函数，v为平方包络谱幅值PF的标准差；在步骤S202中，所述综合适应度函数被定义为： 式中，SEGI和IFCER分别为信号的平方包络基尼指数和改进的故障特征能量比，其计算公式分别定义如下： 式中，x为原信号且x＝x1,x2,…,xN，N为信号的长度，SE为原信号x的平方包络信号且SE＝[SE1,SE2,…,SEN]，所有元素按从小到大的顺序排列，SE1≤SE2,…,≤SEN，1、2，…，N是新指数，∥SE∥1为信号SE的L1范数； 式中，FFT·为MATLAB工具包中的傅里叶变换函数，M为信号x的包络谱，fw为故障特征频率，q为谐波数量，△f为故障频率偏差，g为重力加速度，E为故障相关特征信息的能量，E*为总能量。

全文数据：

权利要求：

百度查询： 南京林业大学;苏州长城精工科技股份有限公司 一种滚动轴承早期微弱故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD