一種基于形態學濾波和復雜度測度的軸承定量診斷方法，先選用了Morlet小波和Laplace小波作為形態學濾波器的結構元素，運用基于免疫優化的形態學濾波方法對采集得到的滾動軸承振動信號進行時域濾波處理，其次，采用基于改進的復雜性測度算法對濾波后的滾動軸承振動信號進行定量化評價，本發明專利技術從定量的角度評價了滾動軸承故障程度，并且，復雜性測度處理軸承數據具有單調性的特點能夠用于指示軸承的實時運行狀態監測，提高了滾動軸承故障診斷的準確性，方便現場維護。
【技術實現步驟摘要】
本專利技術屬于機械故障診斷領域，具體涉及。
技術介紹
滾動軸承是廣泛應用于旋轉機械中的零部件，其運轉狀態直接影響設備的性能。目前國內外關于滾動軸承運行狀態監測技術，多為定性的分析方法，這些方法都是首先獲得反映軸承運行狀態的信號特征，將分析結果與典型故障進行對比(故障診斷本質是模式識別，模式識別的本質是對比判斷)，可以判斷軸承是否存在故障及故障類型，然而這類定性診斷方法對滾動軸承的預防維護是不夠的，需要找到反映滾動軸承運行狀態的定量化指標即掌握滾動軸承故障程度，才能更有效地實現滾動軸承狀態監測和故障診斷。因此，實現對滾動軸承故障的定量化評價研究具有十分重要的意義。
技術實現思路
為了克服上述現有技術的缺點，本專利技術的目的在于提供，提高了檢測精度和準確度，對滾動軸承的運行狀態監測和維護具有重要意義。為了達到上述目的，本專利技術采用的技術方案為，包括以下步驟第一步，選用Laplace小波和Morlet小波作為形態學濾波器的兩種結構元素；第二步，選用免疫優化進行形態學濾波器結構元素參數優化；設給定的軸承振動加速度信號為f (t)，選擇第一步構建的兩種結構元素，對f (t)進行形態學濾波，設計能定量地表示檢測效果好壞的K指標作為免疫算法的抗原，在給定范圍內對尋找使K指標最大的結構元素作為免疫優化抗體，其中K指標最大為免疫優化的親和度，K指標的計算過程如下計算X⑴的脈沖指標If 權利要求1. ，其特征在于，包括以下步驟第一步，選用Laplace小波和Morlet小波作為形態學濾波器的兩種結構元素；第二步，選用免疫優化進行形態學濾波器結構元素參數優化；設給定的軸承振動加速度信號為f(t)，選擇第一步構建的兩種結構元素，對f(t)進行形態學濾波，設計能定量地表示檢測效果好壞的K指標作為免疫算法的抗原，在給定范圍內對尋找使K指標最大的結構元素作為免疫優化抗體，其中K指標最大為免疫優化的親和度，K指標的計算過程如下計算x(t)的脈沖指標If If = x/x其中全文摘要，先選用了Morlet小波和Laplace小波作為形態學濾波器的結構元素，運用基于免疫優化的形態學濾波方法對采集得到的滾動軸承振動信號進行時域濾波處理，其次，采用基于改進的復雜性測度算法對濾波后的滾動軸承振動信號進行定量化評價，本專利技術從定量的角度評價了滾動軸承故障程度，并且，復雜性測度處理軸承數據具有單調性的特點能夠用于指示軸承的實時運行狀態監測，提高了滾動軸承故障診斷的準確性，方便現場維護。文檔編號G01M13/04GK102998118SQ20121050912公開日2013年3月27日 申請日期2012年11月29日 優先權日2012年11月29日專利技術者徐光華, 姜闊勝, 梁琳, 陶唐飛, 張四聰, 羅愛玲 申請人:西安交通大學本文檔來自技高網...
【技術保護點】
一種基于形態學濾波和復雜度測度的軸承定量診斷方法，其特征在于，包括以下步驟：第一步，選用Laplace小波和Morlet小波作為形態學濾波器的兩種結構元素；第二步，選用免疫優化進行形態學濾波器結構元素參數優化；設給定的軸承振動加速度信號為f(t)，選擇第一步構建的兩種結構元素，對f(t)進行形態學濾波，設計能定量地表示檢測效果好壞的K指標作為免疫算法的抗原，在給定范圍內對尋找使K指標最大的結構元素作為免疫優化抗體，其中K指標最大為免疫優化的親和度，K指標的計算過程如下：計算x(t)的脈沖指標If：If=x^/x‾其中：x^=max{|x(t)|}x‾=1NΣt=1Nx(t)N為信號采樣個數，然后計算x(t)的過零率Rpz：Rpz=Npz/N其中：Npz=Σn=1N-1μ[x(n)·x(n+1)]μ(x)=1x<00x>0則所對應的指標定義為：K=If/Rpz通過評估信號K指標，能夠反映該結構元素檢測沖擊波效果的好壞，從而定量評估結構元素的優劣，在用免疫算法優化的過程中，計算每個生成的結構元素的K指標，作為免疫算法優化的目標函數，其最大值則對應于最優結構元素和最優的沖擊信號特征提取結果；第三步，對采集到的滾動軸承振動加速度信號進行形態學濾波處理；設待測信號為f(x)，結構元素為g(x)，則形態學濾波級聯開閉和閉開運算的定義為：形態學濾波級聯開閉運算：OC(f(x))=(fοg□g)(x)形態學濾波級聯閉開運算：CO(f(x))=(f·gοg)(x)級聯開閉和閉開運算都能夠去除信號中的雙向沖擊成分，但單一的級聯開閉或開閉運算會引起幅值的統計偏倚現象，用二者的加權平均組成級聯開閉－閉開加權組合算法，定義如下：OCCO(f(x))=aOC(f(f))+(1?α)CO(f(x))根據滾動軸承信號特點，權系數α為0.3，從原始軸承振動信號f(x)中減去級聯開閉－閉開加權組合算法的輸出OCCO(f(x))就得到信號中的雙向沖擊成分，即提取出軸承振動信號中的沖擊成分u（f（x）），u(f(x))＝f(x)?OCCO(f(x))第四步，采用絕對偏差的方法改進復雜度測度二值化處理；復雜度測度二值化處理過程為：針對第二步獲得的形態學濾波后信號u（f（x））,計算u（f（x））的絕對差分序列D(n)＝{D1,D2,…,DN}，式中計算差分序列的平均值N為信號采樣個數，將原始軸承振動信號x(n)轉換為一個由“0”和“1”組成的符號序列b(n)＝{b1,b2,…,bn}，式中按照這個轉換規則，能夠兼顧原始軸承振動信號中的沖擊波形將其都轉換為1，其余部分則轉換為0，得到的二值化序列更完整的保留了原始軸承振動信號中的有用信息，第五步，采用改進后的時間信號復雜度對第三步濾波后信號進行處理，獲得滾動軸承動態定量化診斷結果，針對第三步轉化獲得的由“0”和“1”組成的二值序列b(n)，對這個(0,1)序列中已形成的一串字符S＝s1,s2,…,sr，在其后再加入一個字符sr+1或一串字符{sr+1，sr+2,…,sr+m}（稱為Q），二者組成字符串SQ，令SQV是字符串SQ減去最后一個字符所得的字符串，若Q屬于SQV中已有的“字句”，則把這個字符加在后面，稱為“復制”，若不屬于則稱為“插入”，“插入”時用一個“.”將前后分開，然后將“.”前面的所有字符看作S，重復上述步驟，由于對幾乎所有的二值序列，其復雜度都會趨近于一個值b(n)：所以b(n)是隨機序列的漸近行為，用它對c(n)進行歸一化，成為相對復雜度：C(n)=c(n)b(n)，該相對復雜度即為滾動軸承動態定量化診斷結果。FDA00002495183200031.jpg,FDA00002495183200032.jpg,FDA00002495183200033.jpg,FDA00002495183200041.jpg...
【技術特征摘要】
【專利技術屬性】
技術研發人員：徐光華，姜闊勝，梁琳，陶唐飛，張四聰，羅愛玲，
申請(專利權)人：西安交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。