一種基于多項指標特征的雙字典匹配追蹤軸承故障程度評價方法
【專利摘要】一種基于多項指標特征的雙字典匹配追蹤軸承故障程度評價方法，其多項指標特征為LZC指標、峭度指標和脈沖指標，屬于軸承故障診斷【技術(shù)領(lǐng)域】。雙字典根據(jù)軸承振動信號特征，選取調(diào)制字典和沖擊時頻字典生成雙字典，每次迭代在雙字典的各子字典中選取匹配原子，比較各階系數(shù)得出一個最匹配原子。將分析信號在此歷次迭代原子上投影，信號減去投影形成殘差信號以供下次分解。滿足迭代終止條件后完成分解過程，提取匹配原子及匹配系數(shù)，對信號進行重構(gòu)，計算重構(gòu)信號的LZC指標、峭度指標和脈沖指標，通過三項指標的變化趨勢，實現(xiàn)對故障程度的評價。
【專利說明】一種基于多項指標特征的雙字典匹配追蹤軸承故障程度評 價方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種軸承故障程度評價方法，特別涉及一種多項指標特征的雙字典匹 配追蹤軸承故障程度評價方法，其多項指標特征為LZC指標、峭度指標和脈沖指標，屬于軸 承故障診斷【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 軸承是旋轉(zhuǎn)類機械設(shè)備的重要組成部件，故障率較高。目前，軸承故障診斷研究主 要集中在故障有無的判斷和故障類型的模式識別等定性診斷方面，然而對機械故障診斷需 要實現(xiàn)由定性研究到定量研究的突破，揭示設(shè)備故障狀態(tài)的發(fā)生、發(fā)展和演化規(guī)律，從而做 到真正有效指導(dǎo)設(shè)備維修，節(jié)約生產(chǎn)成本。
[0003] 在對軸承故障的定量診斷方面國內(nèi)外學(xué)者進行了有益的探索并且取得一定的成 果。目前對于故障嚴重程度的評估主要基于能量的角度和評價指標角度，包括建立根據(jù)局 部能量來估算齒根裂紋大小的經(jīng)驗?zāi)Ｐ?，根?jù)引入退化指標的比例故障率模型實現(xiàn)不同損 傷程度振動信號的設(shè)備運行可靠度評估，通過時域指標均方根、峭度指標和峰值指標研究 與損傷大小之間的關(guān)系等方法。歸一化的Lempel-Ziv復(fù)雜度指標是一種衡量有限時間序 列復(fù)雜程度的高級工具，也被引入故障診斷中來，研究其與故障程度之間的關(guān)系?？梢?，通 過對信號的指標分析可以實現(xiàn)故障程度的評價和預(yù)測，或者叫做"半定量"診斷。但是從生 產(chǎn)現(xiàn)場采集到的信號含有大量的噪聲和干擾成分，將會大大嚴重影響指標評價的效果。因 此，采用行之有效的故障特征提取和降噪手段成為后續(xù)判斷的重要預(yù)處理方法。
[0004] Mallat和Zhang提出的匹配追蹤算法（MatchingPursuit，MP)具有靈活的基函數(shù)， 可以實現(xiàn)對相應(yīng)特征信號的提取和分離，因此構(gòu)造合適的原子庫，應(yīng)用基于MP算法的軸承 故障定量診斷是一種新探索和嘗試。而將重構(gòu)信號與指標相結(jié)合成為軸承故障程度評價的 一種新思路。


【發(fā)明內(nèi)容】

[0005] 為了解決軸承故障定量診斷中的上述技術(shù)問題，本發(fā)明提供了一種多項指標特征 的雙字典匹配追蹤軸承故障程度評價方法。軸承故障的振動信號表現(xiàn)為由共振引起的周期 性脈沖和非均勻負載引起的調(diào)制，并伴隨大量的背景噪聲。在故障發(fā)生和發(fā)展過程中，一方 面，隨著故障的增加振動信號的振動劇烈程度在增加；另一方面，故障信號采集的過程主要 是將傳感器固定在箱體上，因此對于外圈故障，損傷處的負載分布不會有較大變化。在故障 時，由于損傷面積的存在，滾動體劃過瞬間與外圈滾道面實際接觸面積減小，導(dǎo)致接觸壓強 快速增大再回落，不斷變化的接觸壓強會引起強烈的頻率調(diào)制作用。而隨著故障惡化，損傷 面積不斷擴大，壓強變化逐漸增大，調(diào)制現(xiàn)象將越發(fā)明顯，反映在頻譜中會出現(xiàn)越來越多的 譜峰及其諧波，也就是說信號中的成分越來越雜亂。而復(fù)雜度指標正好是一種衡量有限時 間序列復(fù)雜程度的工具，可以用來對此進行衡量。然而針對含有大量背景噪聲和干擾成分 的信號，直接的時域指標分析往往效果，因此，為了實現(xiàn)故障程度的評價，首先對信號進行 故障特征提取和降噪，然后計算重構(gòu)信號的LZC指標、峭度指標和脈沖指標時域指標，從而 實現(xiàn)對于軸承故障程度的評價。
[0006] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為一種多項指標特征的雙字典匹配追 蹤軸承故障程度評價方法，其多項指標特征為LZC指標、峭度指標和脈沖指標，該方法包括 以下步驟，S1采集軸承振動信號；S2對軸承振動信號進行基于雙字典匹配追蹤算法的分 解；S3對信號進行重構(gòu)，并對重構(gòu)信號計算LZC指標、峭度指標和脈沖指標，根據(jù)指標的變 化趨勢對軸承故障程度進行評價。
[0007] S1采集軸承振動信號
[0008] 軸承故障的振動信號表現(xiàn)為由共振引起的周期性脈沖和非均勻負載引起的調(diào)制， 并伴隨大量的背景噪聲。所述振動信號的采集通過加速度傳感器對齒輪箱進行采集；因此 構(gòu)造符合故障特征的特征原子庫即字典--調(diào)制字典和沖擊時頻字典的雙字典：
[0009] 調(diào)制原子庫的基元函數(shù)是幅值調(diào)制函數(shù)，函數(shù)模型為：
[0010] gm〇d (fI, f2) = Kmod (1+COS2 π f jt) cos2 π f2t
[0011] 其中，為低頻調(diào)制頻率，f2為高頻載波頻率，Km()d為歸一化參數(shù)，為保證每個原子 具有單位能量，即||1^的4 2)||2 = 1;
[0012] 沖擊時頻字典的基元函數(shù)是指數(shù)衰減函數(shù)，其函數(shù)模型為： -W . , JKimpe-p(t^u) sin24imp(?-Φ),?>Μ
[0013] gimp{P，uJimp^) = \
[0,t<u
[0014] 其中，P為沖擊響應(yīng)的阻尼衰減特征，u為沖擊響應(yīng)發(fā)生的時刻，fimp為對應(yīng)于系統(tǒng) 的阻尼固有頻率，φ為相位偏移，K imp為歸一化系數(shù)。
[0015] 字典的構(gòu)造是對字典基函數(shù)模型中的各個參數(shù)在設(shè)定取值范圍內(nèi)進行離散化賦 值；而采用雙字典可以更好的符合故障特征，在匹配追蹤原子選擇過程中，同時從以上兩個 字典中選取原子，再比較兩原子的匹配系數(shù)，選取匹配系數(shù)大的原子為最優(yōu)原子，即所述的 雙字典；
[0016] S2對軸承振動信號進行基于LZC指標、峭度指標和脈沖指標的雙字典匹配追蹤稀 疏分解。其中，雙字典匹配追蹤稀疏分解算法包括以下步驟：
[0017] 2. 1振動信號采集。利用加速度傳感器對齒輪箱進行測量，獲得振動加速度信號作 為待分析信號X ;
[0018] 2. 2初始化處理。將待分析信號X賦給殘差信號，得到初始殘差信號& = X ;
[0019] 2. 3選取匹配原子。分別從雙字典的兩個字= = 1,2,3，...，w，.,.}和 Gmed = k」=1，2,3,.,.,/?，..._[中，進行匹配原子glk和g2k的選取，匹配原子的選取如下式，
[0020] <R〇, gJk> I = sup I <R〇, gji> I, (j = 1, 2)
[0021] 匹配系數(shù)分別為clk和c2k見下式，比較clk和c 2k，選取匹配系數(shù)大的原子為最匹配 原子gjk，并返回其各個參數(shù)信息fl、或P、U、fimp保存；
[0022] cJk = I <R〇, gJk>
[0023] 2. 4更新殘差信號。將殘差信號在每次迭代的最匹配原子上投影，則第k次迭 代后的殘差信號為Rk+1，其中K為最大迭代次數(shù)； Κ
[0024] Rk,, = Rk - ^ (r,^, g ,；i )g ik k=l
[0025] 2. 5檢驗是否滿足迭代終止條件；終止條件可設(shè)置最大迭代次數(shù)K、殘差信號能量 比；若滿足則結(jié)束迭代進入步驟S3,否則重復(fù)執(zhí)行步驟S2. 3?S2. 4 ;
[0026] S3信號重構(gòu)；
[0027] 重構(gòu)信號可近似表示為 K
[0028] x = Y,{Rk，gjk)glk 7=1
[0029] S4計算重構(gòu)信號LZC指標、峭度指標和脈沖指標；計算重構(gòu)信號的LZC指標、峭 度指標和脈沖指標，根據(jù)三個指標的變化情況，判斷軸承故障的嚴重程度；對于軸承外圈信 號，隨著故障程度的增加，三項指標都表現(xiàn)為增大的趨勢，據(jù)此，便可以實現(xiàn)對故障程度的 評價。
[0030] 所述的LZC指標、峭度指標和脈沖指標，其中峭度指標和脈沖指標為常見的時域 指標，峭度指標和脈沖指標對于沖擊類型的故障敏感，特別是在故障早期，它們的值有比較 明顯的增加；
[0031] 峭度指標
[0032]

【權(quán)利要求】
1. 一種基于多項指標特征的雙字典匹配追蹤軸承故障程度評價方法，其特征在于：所 述多項指標特征為LZC指標、峭度指標和脈沖指標，該方法包括以下步驟，S1采集軸承振動 信號；S2對軸承振動信號進行基于雙字典匹配追蹤算法的分解；S3對信號進行重構(gòu)，并對 重構(gòu)信號計算LZC指標、峭度指標和脈沖指標，根據(jù)指標的變化趨勢對軸承故障程度進行 評價； S1采集軸承振動信號 軸承故障的振動信號表現(xiàn)為由共振引起的周期性脈沖和非均勻負載引起的調(diào)制，并伴 隨大量的背景噪聲；所述振動信號的采集通過加速度傳感器對齒輪箱進行采集；因此構(gòu)造 符合故障特征的特征原子庫即字典--調(diào)制字典和沖擊時頻字典的雙字典： 調(diào)制原子庫的基元函數(shù)是幅值調(diào)制函數(shù)，函數(shù)模型為： gmod (fl. f2) = Kmod (1+C0S2 31 fit) C0S2 31 f2t 其中，為低頻調(diào)制頻率，f2為高頻載波頻率，Km()d為歸一化參數(shù)，為保證每個原子具有 單位能量，S卩 I IUa, f2) 112 = 1; 沖擊時頻字典的基元函數(shù)是指數(shù)衰減函數(shù)，其函數(shù)模型為： ,,_ [K^e [〇,t<u 其中，P為沖擊響應(yīng)的阻尼衰減特征，u為沖擊響應(yīng)發(fā)生的時刻，fimp為對應(yīng)于系統(tǒng)的阻 尼固有頻率，Φ為相位偏移，Kinip為歸一化系數(shù)； 字典的構(gòu)造是對字典基函數(shù)模型中的各個參數(shù)在設(shè)定取值范圍內(nèi)進行離散化賦值；而 采用雙字典可以更好的符合故障特征，在匹配追蹤原子選擇過程中，同時從以上兩個字典 中選取原子，再比較兩原子的匹配系數(shù)，選取匹配系數(shù)大的原子為最優(yōu)原子，即所述的雙字 血. S2對軸承振動信號進行基于LZC指標、峭度指標和脈沖指標的雙字典匹配追蹤稀疏分 解；其中，雙字典匹配追蹤稀疏分解算法包括以下步驟： 2. 1振動信號采集；利用加速度傳感器對齒輪箱進行測量，獲得振動加速度信號作為 待分析信號X ; 2. 2初始化處理；將待分析信號X賦給殘差信號，得到初始殘差信號R〇 = X ; 2. 3選取匹配原子；分別從雙字典的兩個字G. = {^，/ = 1,2,3,...,?/,...}和 丨==】，2Λ….川，…}中，進行匹配原子glk和g2k的選取，匹配原子的選取如下式， <R〇, gJk> I = sup I <R〇, gji> I, (j = 1, 2) 匹配系數(shù)分別為clk和c2k見下式，比較clk和c2k，選取匹配系數(shù)大的原子為最匹配原子 gjk，并返回其各個參數(shù)信息f\、或P、u、fimp保存； Cjk 一 I〈R〇, gjk〉 2. 4更新殘差信號；將殘差信號在每次迭代的最匹配原子上投影，則第k次迭代后 的殘差信號為Rk+1，其中K為最大迭代次數(shù)； Rk+l = A - Σ〈尺 A〉盡 μ k^\ 2. 5檢驗是否滿足迭代終止條件；終止條件可設(shè)置最大迭代次數(shù)K、殘差信號能量比； 若滿足則結(jié)束迭代進入步驟S3,否則重復(fù)執(zhí)行步驟S2. 3?S2. 4 ; S3信號重構(gòu)； 重構(gòu)信號可近似表示為
S4計算重構(gòu)信號LZC指標、峭度指標和脈沖指標；計算重構(gòu)信號的LZC指標、峭度指標 和脈沖指標，根據(jù)三個指標的變化情況，判斷軸承故障的嚴重程度；對于軸承外圈信號，隨 著故障程度的增加，三項指標都表現(xiàn)為增大的趨勢，據(jù)此，便可以實現(xiàn)對故障程度的評價； 所述的LZC指標、峭度指標和脈沖指標，其中峭度指標和脈沖指標為常見的時域指標， 峭度指標和脈沖指標對于沖擊類型的故障敏感，特別是在故障早期，它們的值有比較明顯 的增加； 峭度指標
式中，Xi為信號值，Ν為信號長度，妁為標準差 脈沖指標
式中，為信號最大振幅，為信號平均振幅； LZC指標是一種衡量有限時間序列復(fù)雜程度的高級工具，復(fù)雜度的基本思想是：序列 的復(fù)雜度越大，序列中的周期成分越少，序列越無規(guī)律，趨近于隨機狀態(tài)，序列包含的頻率 成分越豐富，說明系統(tǒng)的復(fù)雜性也越大；序列的復(fù)雜度越小，序列中周期成分越明顯，越趨 于周期狀態(tài)，序列包含的頻率成分較少，說明系統(tǒng)的復(fù)雜性越低； 復(fù)雜度的基本過程是：將信號轉(zhuǎn)換成二進制序列；即如果X(i) > mean(X(n)) (i = 1，2, 3···η)，則定義S(i) = 1 (i = 1，2, 3···η)，否則S(i) = Ο ;從而得到一個在序列SN ;定 義序列SN = {Sp S2, S3,. . . SN}，定義信號的復(fù)雜度為CN(r)，經(jīng)過N次循環(huán)得到最終的復(fù)雜 度； (1) 當 r = 0 時，定義 SV，Q = { }，Q。= { }，Cn(0) = 0 ;當 r = 1 時，令 ％ = {QqsJ，由 于 ％ 不屬于 SV，Q,則 Cn⑴=Cn(0)+1 = 1, Qi = { }, r = r+1 ; (2) 令 Qr = {QnsJ，Sv# = {Sv，r_2sr_J，判斷 Qr 是否屬于 Sm ;若是，則 Cn(r)= Cn(r-1), r = r+1 ;若否，貝丨J Cn(r) = Cn(r)+1, Qr = { }, r = r+1 ;重復(fù)步驟（2),共 n 次循 環(huán)； 上述Cn(r)值受序列S (η)的長度η影響明顯，為了得到相對獨立的指標，Lempel和Ziv 進一步提出如下歸一化公式，通過歸一化計算出Lempel-Ziv復(fù)雜度Cul，n :
2.根據(jù)權(quán)利要求1所述的一種基于多項指標特征的雙字典匹配追蹤軸承故障程度評 價方法，其特征在于：（1)利用加速度傳感器對齒輪箱進行測量，獲得振動加速度信號作為 待分析信號X，采樣長度定為2的整數(shù)次方，根據(jù)軸承轉(zhuǎn)速和齒輪齒數(shù)設(shè)定采樣頻率； (2) 軸承振動信號表現(xiàn)為由共振引起的周期性脈沖和非均勻負載引起的調(diào)制；針對信 號的結(jié)構(gòu)特點，構(gòu)造調(diào)制子特征字典和沖擊時頻子特征字典，兩者構(gòu)成雙字典； 調(diào)制原子庫的基元函數(shù)是幅值調(diào)制函數(shù)，函數(shù)模型為： gmod (fl. f2) = Kmod (1+C0S2 31 ^t) C0S2 31 f2t 其中，為低頻調(diào)制頻率，f2為高頻載波頻率，Km()d為歸一化參數(shù)，為保證每個原子具有 單位能量，S卩 I IUa, f2) 112 = 1; 沖擊時頻字典的基元函數(shù)是指數(shù)衰減函數(shù)，其函數(shù)模型為： (f 巾、f、廠…")也 2彳:- Φ), Q " [Ο,? < u 其中，P為沖擊響應(yīng)的阻尼衰減特征，U為沖擊響應(yīng)發(fā)生的時刻，fimp為對應(yīng)于系統(tǒng)的阻 尼固有頻率，φ為相位偏移，Kinip為歸一化系數(shù)； 對上述基元函數(shù)進行參數(shù)化，每一組參數(shù)對應(yīng)一個原子，原子的集合構(gòu)成字典； (3) 將待分析信號賦給初始殘差信號& = X ; (4) 殘差信號Rk，其中k = 0, 1，2,…，K-l，K為迭代次數(shù)；在子特征字典 = i,2,3，..= = U3,…,中個尋求一個最匹配原子 gll^Pg2k 滿足 I <R。, gjk> I = sup | <R。, gp |, (j = 1, 2); (5) 求殘差信號在各個子特征字典= ,/= 1,2,3,../?....]·和 Gm〇d = {〇-： ./ = 1.2.3......上第k次迭代的投影系數(shù)clk和c2k，投影系數(shù)通過計算殘差信號 與匹配原子的內(nèi)積實現(xiàn)，即：cjk = I〈R。，gjk> I，比較clk和c2k，數(shù)值較大者為最匹配原子gjk ; (5) 殘差信號減去投影得到新的殘差信號： R丨 ' =R- Σ {^/<?s jk )sjk; k=\ (6) 查看是否滿足迭代終止條件；如果滿足，轉(zhuǎn)到步驟（7)，否則返回步驟（4); (7) 分解結(jié)束，重構(gòu)信號： K x = H{R^Sjk)gji J=i (8) 計算重構(gòu)重構(gòu)信號的LZC指標、峭度指標和峰值指標，據(jù)此三項指標的趨勢變化對 軸承故障程度進行評價。
【文檔編號】G06F19/00GK104156585SQ201410379606
【公開日】2014年11月19日 申請日期:2014年8月4日 優(yōu)先權(quán)日:2014年8月4日
【發(fā)明者】崔玲麗, 鄔娜, 馬春青, 翟浩, 吳春光 申請人:北京工業(yè)大學(xué)