基于自适应分数阶随机共振的轴承故障诊断方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115931356A(43)申请公布日2023.04.07(21)申请号202211554910.5(22)申请日2022.12.06(71)申请人广州航海学院地址510725广东省广州市黄埔区红山三路101号(72)发明人蒋占四蔡丹娜向丹杨期江吴科伟封远鹏(74)专利代理机构桂林文必达专利代理事务所(特殊普通合伙)45134专利代理师张学平(51)Int.Cl.G01M13/045(2019.01)G06F18/24(2023.01)权利要求书2页说明书8页附图4页(54)发明名称基于自适应分数阶随机共振的轴承故障诊断方法(57)摘要本发明涉及轴承故障信号检测技术领域，具体涉及一种基于自适应分数阶随机共振的轴承故障诊断方法，在随机共振检测方法对分数阶随机共振系统引入了时延反馈项，通过改进布谷鸟算法寻找随机共振系统的结构最优参数，代入到时延分数阶偏置非线性过阻尼随机共振系统中，最后将随机共振系统处理后的信号经过时频域分析提取出滚动轴承故障特征，检测出故障特征频率，通过对比实现轴承故障诊断。与现有的基于随机共振系统诊断方法相比，本发明模型简单，算法参数少，收敛速度快，能够精确高效地实现轴承故障信号的检测。CN115931356ACN115931356A权利要求书1/2页1.一种基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，包括下列步骤：采集滚动轴承的故障振动信号数据集；数据预处理，获得包络信号；利用移频尺度变换处理对所述包络信号进行频率压缩，恢复后获得变尺度解调信号；时延分数阶偏置非线性过阻尼随机共振系统处理；使用改进布谷鸟算法RACS优化时所述延分数阶偏置非线性过阻尼随机共振系统的参数；将优化后的参数组合代入到时延分数阶偏置非线性过阻尼随机共振系统中；将所述变尺度解调信号输入到构建的时延分数阶偏置非线性过阻尼随机共振系统，获得输出信号；处理所述输出信号，获取特征频率；对比所述特征频率与滚动轴承理论故障频率，判定滚动轴承内圈工况的故障状态。2.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，所述滚动轴承的故障振动信号数据集是滚动轴承同一工况数据样本集，具体为采用振动加速度传感器采集同一型号、转频和采样频率下滚动轴承内圈故障这一个工况的轴承振动数据。3.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，数据预处理的过程，具体为使用希尔伯特变换算法对原始信号进行解调。4.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，在利用移频尺度变换处理对所述包络信号进行频率压缩，恢复后获得变尺度解调信号的过程中，首先对所述包络信号进行频率移动，使信号频带整体向左移动，从而将信号的特征频率成分移入低频区，然后对移频后的信号进行线性的频率压缩，从而使信号特征频率满足随机共振的小参数要求，再对信号进行经典的随机共振，以增强变换后的信号中与特征频率成分相对应的频率成分，最后对随机共振输出信号进行频率恢复，从而得到特征频率成分增强后的变尺度解调信号。5.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，所述时延分数阶偏置非线性过阻尼随机共振系统是将时延反馈项引入随机共振系统形成的长记忆系统，通过引入时延项来引入历史信息，对系统进行调制。6.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，所述改进布谷鸟算法RACS修改了传统布谷鸟算法的全局搜索方程，采用了基于排序的向量选择方法，并在传统布谷鸟算法CS的莱维飞行中随机行走方式的基础上采用具有参数自适应的结合交叉策略。7.如权利要求6所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，所述改进布谷鸟算法RACS还提出了一种替换策略，通过利用保存在外部档案中的废弃解决方案中的有益信息，根据预定周期更新未改进的解决方案。8.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，处理所述输出信号，获取特征频率的过程，具体为对输出信号做傅里叶变换得到对应频谱图，捕捉频谱图中出现明显峰值的频率成分，获得特征频率。9.如权利要求1所述的基于自适应分数阶随机共振的轴承故障诊断方法，其特征在于，2CN115931356A权利要求书2/2页所述滚动轴承内圈工况的故障状态包括运行正常和存在故障的两种状态。3CN115931356A说明书1/8页基于自适应分数阶随机共振的轴承故障诊断方法技术领域[0001]本发明涉及轴承故障信号检测技术领域，具体涉及一种基于自适应分数阶随机共振的轴承故障诊断方法。背景技术[0002]旋转设备是工业场景中常见的设备。目前旋转设备故障诊断的挑战在于实际工作环境中难以搜集到大量