【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一種利用特征信號(hào)進(jìn)行建模與推理的故障診斷方法，具體涉及。
技術(shù)介紹
滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中最為重要的機(jī)械零件之一，廣泛應(yīng)用于化工、冶金、電力、航空等各個(gè)重要部門，同時(shí)它也是最易損壞的元件之一。軸承性能與工況的好壞直接影響到與之相關(guān)聯(lián)的軸以及安裝在轉(zhuǎn)軸上的齒輪乃至整臺(tái)機(jī)器設(shè)備的性能，其缺陷會(huì)導(dǎo)致設(shè)備產(chǎn)生異常振動(dòng)和噪聲，甚至造成設(shè)備損壞。因此，對(duì)滾動(dòng)軸承故障進(jìn)行診斷，尤其是對(duì)于早初期故障的分析，避免事故的發(fā)生，在生產(chǎn)實(shí)際中尤為重要。目前常見的滾動(dòng)軸承故障診斷方法有故障機(jī)理分析法、基于信號(hào)和人工智能的診斷方法。基于故障機(jī)理分析的診斷方法，往往需要建立復(fù)雜的非線性動(dòng)力學(xué)數(shù)學(xué)模型，而且對(duì)于局部缺陷，尤其是對(duì)故障的初期的診斷不甚理想；基于信號(hào)的診斷方法，如基于小波變換的時(shí)頻域分析方法也被提出，小波基函數(shù)的選取對(duì)故障診斷的效果影響較大，而如何選擇小波基函數(shù)的問題尚未得到有效解決；基于人工智能的故障診斷方法中，目前主要是利用人工神經(jīng)網(wǎng)絡(luò)，通過不斷的學(xué)習(xí)和對(duì)系統(tǒng)進(jìn)行信息的反饋，完成對(duì)診斷目標(biāo)的分類。但其缺點(diǎn)是推理過程解釋性差，而且當(dāng)待診斷樣本不完備(數(shù)據(jù)有缺失)時(shí)，神經(jīng)網(wǎng)絡(luò)不能進(jìn)行有效的推理工作，無(wú)法利用故障的早期特征對(duì)軸承進(jìn)行相應(yīng)診斷。滾動(dòng)軸承運(yùn)行出現(xiàn)異常時(shí)，會(huì)直接反映到振動(dòng)信號(hào)上，導(dǎo)致信號(hào)幅值域上特征參數(shù)的變化。每個(gè)待診斷目標(biāo)都有其與眾不同的特征表象。然而，在嘈雜、不確定性、動(dòng)態(tài)的環(huán)境下利用信號(hào)特征進(jìn)行快速、準(zhǔn)確的故障的診斷，是一個(gè)復(fù)雜而艱巨的任務(wù)。貝葉斯網(wǎng)絡(luò)(Bayesian network,簡(jiǎn)稱BN)作為解決不確定性和不完備信息問題處理的有效方法，由于...
【技術(shù)保護(hù)點(diǎn)】
一種基于貝葉斯網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法，其特征在于：由以下步驟實(shí)現(xiàn)：第1步：設(shè)置故障診斷信度閾值參數(shù)θ*和故障樣本初始參數(shù)；設(shè)置樣本數(shù)據(jù)組m初值大小；設(shè)置故障類型Bearing取值事件q的個(gè)數(shù)；設(shè)置故障類型初值參數(shù)s={1，…，q}，類型標(biāo)簽tag_s={1，…，q}；第2步：對(duì)不同故障引起的軸承的振動(dòng)信號(hào)進(jìn)行采樣，獲取樣本數(shù)據(jù)data_s={tag_s?fs（n）|?L=mN；m、N為正自然數(shù)；n=0，…，L?1}；其中采集信號(hào)fs（n）分為m組長(zhǎng)度各為N的數(shù)據(jù)，設(shè)j為組別號(hào)，則；第3步：對(duì)fs，j（n’）進(jìn)行N點(diǎn)快速Fourier變換處理，可將時(shí)域信號(hào)轉(zhuǎn)成頻域信號(hào)，計(jì)算公式如下：；???????????????第4步：計(jì)算故障特征向量：根據(jù)信號(hào)離散Fourier變換的性質(zhì)，頻譜沿N/2點(diǎn)呈對(duì)稱；按頻率信號(hào)用等距切分法將分成v段（其中k’=0,1,?…,(N/2)?1），并分段求和得到Ws,j,u,其中u=1，…，v；第5步：用等距切分法對(duì)故障特征向量進(jìn)行離散化，以加快模型推理速度：將連續(xù)型變量Ws,j,u的數(shù)值按變量取值范圍均勻劃成r等份，屬性值分別采用數(shù)字1至r代表；第6步：建...
【技術(shù)特征摘要】
1.一種基于貝葉斯網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法，其特征在于由以下步驟實(shí)現(xiàn)第I步設(shè)置故障診斷信度閾值參數(shù)Θ *和故障樣本初始參數(shù)；設(shè)置樣本數(shù)據(jù)組m初值大小；設(shè)置故障類型Bearing取值事件q的個(gè)數(shù)；設(shè)置故障類型初值參數(shù)s={l，…，q}，類型標(biāo)簽 tag_s={l, .··, q};第2步對(duì)不同故障引起的軸承的振動(dòng)信號(hào)進(jìn)行采樣，獲取樣本數(shù)據(jù)data_s={tag_s fs (η) I L=mN;m、N為正自然數(shù)；η=0，…，L_l};其中采集信號(hào)fs (η)分為m組長(zhǎng)度各為N的數(shù)據(jù)，設(shè)j為組別號(hào)，則2.根據(jù)權(quán)利要求1所述的一種基于貝葉斯網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法，其特征在于第I步中，所述的Θ*范圍一般取O. 7至O. 8 (即70%至80%);m值常取80至100…常取值為3或4。3.根據(jù)權(quán)利要求1或2所述的一種基于貝葉斯網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷方法，其特征在于 第2步中，N值取1024...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：郭文強(qiáng)，侯勇嚴(yán)，周強(qiáng)，付菊，
申請(qǐng)(專利權(quán))人：陜西科技大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。