买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于WPE与EMD的滚动轴承声信号故障诊断方法_北京化工大学_202210476859.4 

申请/专利权人:北京化工大学

申请日:2022-04-30

公开(公告)日:2024-03-26

公开(公告)号:CN114813129B

主分类号:G01M13/045

分类号:G01M13/045;G01H17/00

优先权:

专利状态码:有效-授权

法律状态:2024.03.26#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要:本发明公开了基于WPE与EMD的滚动轴承声信号故障诊断方法,包括以下步骤:首先通过加权预测误差WPE方法利用多通道轴承故障声信号估计晚期混响,对参考通道信号进行去混响处理;然后利用经验模态分解EMD方法对去混响信号进行处理,基于最大相关系数确定关键本征模态函数IMF分量;最后对关键IMF分量进行包络谱分析,识别出故障特征频率,实现滚动轴承故障诊断。本发明去除了轴承故障声信号在传递过程中由于反射产生的晚期混响,提取了含有轴承故障信息的冲击信号,实现了非平稳信号的平稳化处理,该方法有效减少了混响造成的掩蔽效应对分析信号的影响,具有诊断精度高且算法性能稳定的优势。

主权项:1.一种基于WPE与EMD的滚动轴承声信号故障诊断方法,其特征在于,包括以下步骤:步骤1:远场条件下,通过麦克风阵列采集滚动轴承运行过程的声信号;步骤2:将声信号经过短时傅里叶变换STFT转变为时频域,利用加权预测误差WPE方法对时频域信号进行处理,再通过逆傅里叶变换得到去混响信号;步骤3:利用经验模态分解EMD方法对去混响信号进行处理,选取与去混响信号相关系数最大的本征模态函数IMF分量作为关键IMF分量;步骤4:对关键IMF分量进行Hilbert包络解调分析,得到包络谱信号;该方法所用麦克风传感器数目至少在两个以上,且麦克风阵列与待测设备需满足远场模型;通过加权预测误差WPE方法利用多通道轴承故障声信号估计晚期混响,对参考通道信号进行去混响处理;步骤2中为了防止发生频谱泄漏和频率混叠,根据轴承故障声信号的周期冲击特性,参数具体设置如下:窗口类型为Hanning窗,帧长为512,帧移为128;步骤2中采用WPE方法对滚动轴承故障声信号进行去混响处理,从中任选1个通道信号作为参考,根据全部通道信号估计晚期混响,最后输出参考通道的去混响信号,其去混响信号的计算公式如下:dmn,k=xmn,k-xn-τ,kgn,k其中,期望得到的去混响信号用dmn,k表示,n代表信号的帧数,n=1,2,L,N,N代表最大帧数,k代表信号的频点数;xmn,k代表阵列中第m个传感器所采集到的时频域声信号;xn-τ,k代表与线性预测滤波器相对应的线性延迟τ之前的过去时刻信号矩阵,其数目为Lg;gn,k代表线性预测滤波器的系数矩阵;再基于通过STFT后的声信号符合方差未知的时变高斯模型,根据其概率密度函数,通过最大似然估计方法迭代计算待估计方差λn,k和预测滤波器系数矩阵gn,k,最终求得去混响信号dmn,k;具体参数设置如下:从阵列中任意选取1个通道作为参考通道,预测滤波器长度为7,线性延迟为3,为防止方差取0而设置的下界为10-3,最大迭代次数为10。

全文数据:

权利要求:

百度查询: 北京化工大学 基于WPE与EMD的滚动轴承声信号故障诊断方法

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。