本發(fā)明涉及一種模態(tài)分量的選擇方法在軸承故障領域內的應用，特別是關于一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法。

背景技術：

1、軸承是機械設備的重要連接部件，廣泛應用于軌道交通、航空航天和機床加工等領域，由軸承引起的傳動系統(tǒng)故障可達48％，滾動軸承故障不僅會影響設備的運行，造成巨大的經濟損失，更甚者還會引發(fā)人員傷亡。因此，對滾動軸承的故障準確的診斷格外重要。

2、模態(tài)分解方法對于非平穩(wěn)、非線性的軸承振動信號具有較好的自適應分解特征，因此廣泛應用于軸承故障診斷領域中。

3、模態(tài)分解方法在對信號進行分解之后得到一系列的模態(tài)分量信號，不同的分量信號中包含不同的信息，準確的從其中選擇包含故障特征最多的模態(tài)分量是實現(xiàn)軸承故障特征準確判斷的關鍵。

技術實現(xiàn)思路

1、針對模態(tài)分解方法最優(yōu)模態(tài)分量難以選擇的問題，本發(fā)明的目的是提供一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，能有效從一系列模態(tài)分量中挑選出包含故障特征最多的分量。

2、本發(fā)明的目的可以通過以下技術方案來實現(xiàn)：

3、本發(fā)明提供一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，包括以下步驟：

4、s1：采用模態(tài)分解方法(例如變分模態(tài)分解(vmd))對原始信號進行分解，得到一系列模態(tài)分量信號。

5、s2：計算各模態(tài)分量對應的無偏自相關基尼系數(shù)值，選取其中最大值對應的模態(tài)分量作為最佳分量。

6、s3：對最佳模態(tài)分量進行包絡譜解調，獲取并分析軸承的真實故障特征頻率，進而確定軸承故障類型。

7、優(yōu)選地，所述s1具體為：

8、以故障軸承振動加速度信號為研究對象，采用模態(tài)分解方法對原始信號進行分解，獲得一系列模態(tài)分量。

9、優(yōu)選地，所述s2其計算流程如下：

10、s2.1：求解各分量信號xi的無偏自相關，以剔除信號中與故障信息無關的噪聲、隨機脈沖等成分，從而增強周期性的特征，其求解表達式為：

11、

12、其中n表示時間序列信號的總個數(shù)，n＝1,2...n；τ表示遲滯系數(shù),τ＝-(n-1),-(n-2),...,0,...(n-2),(n-1)。

13、s2.2：求解各無偏自相關信號aci(τ)的平方包絡譜，其求解表達式為：

14、acsesi＝abs(fft|aci(τ)|2)

15、[其中fft表示快速傅里葉變換。

16、s2.3：將各平方包絡后的無偏自相關信號按照升序排列：acsesi＝[acses(1),acses(2),...acses(k),...acses(k)],acses(1)≤acses(2)...≤acses(k)...≤acses(k),k表示分量信號經過無偏自相關求解后的序列總數(shù)，k＝2n-1。

17、s2.4：將按升序排列好后的acsesi代入基尼系數(shù)指標中，從而就構造了無偏自相關基尼系數(shù)指標ac-gisesi，其求解表達式為：

18、

19、其中k表示k中的第k個，∥·∥1為l1范數(shù)運算。

20、根據(jù)權利要求1所述的一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，其特征在于，所述s3具體為：

21、對所述無偏自相關基尼系數(shù)最大的模態(tài)分量進行包絡解調，在包絡譜中分析軸承故障特征，獲取軸承的實際故障特征頻率，對比所述軸承的真實特征頻率和各軸承故障類型對應的理論故障特征頻率，當所述軸承的真實特征頻率與其中一種或多種軸承故障類型對應的故障特征頻率一致時，則確定軸承存在該類型的故障。

22、軸承的理論故障可通過軸承的轉速和尺寸參數(shù)計算得到，其表達式如下所示：

23、外圈理論故障特征頻率：

24、

25、內圈理論故障特征頻率：

26、

27、滾動體理論故障特征頻率：

28、

29、保持架理論故障特征頻率：

30、

31、其中r代表軸承轉速，n代表滾珠個數(shù)，d代表滾動體直徑，d代表軸承節(jié)徑，α代表滾動體接觸角。

32、本發(fā)明具有以下優(yōu)點：

33、本發(fā)明為了更好的挑選出包含故障特征更多的模態(tài)分量，采用無偏自相關基尼系數(shù)指標度量模態(tài)分量信號，選擇具有最大無偏自相關基尼系數(shù)的模態(tài)分量作為最佳模態(tài)。本方法可有效提取滾動軸承的故障特征，避免了人工挑選不當帶來的診斷誤差。

技術特征：

1.一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，其特征在于，所述s1具體為以故障軸承振動加速度信號為研究對象，采用模態(tài)分解方法對原始信號進行分解，獲得一系列模態(tài)分量。

3.根據(jù)權利要求1所述的一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，其特征在于，所述s2中無偏自相關基尼系數(shù)是指一種綜合軸承故障沖擊特性與周期特性的評測指標，其計算流程如下：

4.根據(jù)權利要求1所述的一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法，其特征在于，所述s3具體為：

技術總結
本發(fā)明涉及一種針對多種模態(tài)分解方法最優(yōu)模態(tài)分量難以選擇的問題，提出了一種基于無偏自相關基尼系數(shù)指標的模態(tài)分量選擇方法。其特征在于，包括以下步驟：S1：采用模態(tài)分解方法(例如：變分模態(tài)分解(VMD))對原始信號進行分解，得到一系列模態(tài)分量信號；S2：計算各模態(tài)分量對應的無偏自相關基尼系數(shù)值，選取其中最大值對應的模態(tài)分量作為最佳分量；S3：對最佳模態(tài)分量進行包絡譜解調，獲取并分析軸承的真實故障特征頻率，進而確定軸承故障類型。與現(xiàn)有指標相比，該指標可以綜合評估軸承故障特征的沖擊性與周期性，從而可以挑選出包含故障特征最多的模態(tài)分量。

技術研發(fā)人員：何勇,王澤宇,王紅,劉曉玲
受保護的技術使用者：蘭州交通大學
技術研發(fā)日：
技術公布日：2024/12/19