一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法与流程

[0001]
本发明涉及矿用破碎机转子故障诊断技术领域，更具体地说是一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法。


背景技术：

[0002]
滚动轴承被广泛地应用于现代工业设备中，在现场工作环境下很容易导致其产生磨损、点蚀和疲劳剥落等故障。当轴承出现故障时，设备及其他零件将很容易受到毁坏，这会导致人员和经济遭受巨大损失，后果极其严重。因此，能够准确、有效地检测出轴承故障十分重要。通常用传感器从现场采集的信号含有复杂的噪声，这类信号多表现为平稳性，对后续的故障特征提取与诊断带来了很大难度。
[0003]
由于矿用破碎机转子碰摩故障信号是一种典型的非线性、非平稳信号。同时均匀分布的噪声只是理想情况，现实中噪声信号常常具有较低的信噪比，而且是非均匀分布的。而现有的降噪方法针对这一问题少有解决方案。故障特征提取方法种类很多，但计算速度有待提高，这不利于故障信号的在线监测诊断。
[0004]
因此，针对上述问题，以矿用破碎机转子碰摩故障为研究对象，研究出一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法，得到更好的降噪结果，同时提高故障特征提取方法的计算速度和准确性，具有十分重要的意义。


技术实现要素：

[0005]
为了克服现有技术的上述缺陷，本发明提供一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法。
[0006]
为实现上述目的，本发明提供如下技术方案：
[0007]
一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法，包括以下步骤：
[0008]
1)利用shannon熵同时对morlet小波中心频率与带宽参数进行优化，针对优化结果中无明确极小值点的情况，在最小shannon熵理论的基础上，同时选择具有代表性的shannon熵最大值及过渡值点，对比morlet小波变换结果，选取系数矩阵中故障特征时频聚集性最好同时噪声能量发散时的小波参数为最优小波参数；其中：shannon熵的定义为:
[0009][0010]
式中：p
i
为一不确定的概率分布，由小波系数处理而成，可由下式得到:
[0011][0012]
式中：w(a
i
，b)为某一尺度下的小波变换系；
[0013]
2)分析小波变换中实际频率与尺度参数的对应关系，得到有效的频率－时间小波系数图，根据实际频率的取值选择有效的尺度变化范围。
[0014]
3)提出奇异值能量谱算法，对morlet小波变换结果中每一尺度下的系数构造
hankel矩阵并计算奇异值能量谱，通过选择峰值求取最优尺度；将信号在该尺度下进行morlet小波变换，可提取到有效的故障特征；奇异值分解是指对于一个实矩阵a∈r
m
×
n
，必定存在正交矩阵u＝[u1，u2，
…
，u
m
]∈r
m
×
m
和正交矩阵v＝[v1，v2，
…
，v
n
]∈r
n
×
n
，使得:a＝usv
t
成立，其中s＝[diag(σ1，σ2，
…
，σ
q
)，o]或者其转置，这取决于m＜n还是m＞n，o代表零矩阵，q＝min(m，n)，且有:σ1≥σ2，...，≥σ
q
＞o，它们称为矩阵a的奇异值；定义奇异值能量函数:计算得到奇异值能量值；绘制奇异值能量谱，因为尺度步长不为定值，这里选取实际频率为横坐标，通过选择峰值所在位置得到故障特征所在频率，代入上式得到最优尺度参数；
[0015]
4)最后通过hil-bert变换与轴承振动理论计算对比，确定故障来源。
[0016]
本发明的技术效果和优点：通怒狗信号仿真与实际信号处理表明了本文方法的有效性与可行性。不同方法的对比结果表明，本方法对弱故障特征具有更好的提取效果。
附图说明
[0017]
图1为本发明算法流程图。
具体实施方式
[0018]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0019]
一种基于奇异能量谱的矿用破碎机转子碰摩故障诊断方法，包括以下步骤：
[0020]
5)利用shannon熵同时对morlet小波中心频率与带宽参数进行优化，针对优化结果中无明确极小值点的情况，在最小shannon熵理论的基础上，同时选择具有代表性的shannon熵最大值及过渡值点，对比morlet小波变换结果，选取系数矩阵中故障特征时频聚集性最好同时噪声能量发散时的小波参数为最优小波参数；其中：shannon熵的定义为:
[0021][0022]
式中：p
i
为一不确定的概率分布，由小波系数处理而成，可由下式得到:
[0023][0024]
式中：w(a
i
，b)为某一尺度下的小波变换系；
[0025]
6)分析小波变换中实际频率与尺度参数的对应关系，得到有效的频率－时间小波系数图，根据实际频率的取值选择有效的尺度变化范围。
[0026]
7)提出奇异值能量谱算法，对morlet小波变换结果中每一尺度下的系数构造hankel矩阵并计算奇异值能量谱，通过选择峰值求取最优尺度；将信号在该尺度下进行morlet小波变换，可提取到有效的故障特征；奇异值分解是指对于一个实矩阵a∈r
m
×
n
，必定存在正交矩阵u＝[u1，u2，
…
，u
m
]∈r
m
×
m
和正交矩阵v＝[v1，v2，
…
，v
n
]∈r
n
×
n
，使得:a＝usv
t
成
立，其中s＝[diag(σ1，σ2，
…
，σ
q
)，o]或者其转置，这取决于m＜n还是m＞n，o代表零矩阵，q＝min(m，n)，且有:σ1≥σ2，...，≥σ
q
＞o，它们称为矩阵a的奇异值；定义奇异值能量函数:计算得到奇异值能量值；绘制奇异值能量谱，因为尺度步长不为定值，这里选取实际频率为横坐标，通过选择峰值所在位置得到故障特征所在频率，代入上式得到最优尺度参数；
[0027]
8)最后通过hil-bert变换与轴承振动理论计算对比，确定故障来源。
[0028]
最后应说明的几点是：首先，在本申请的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
[0029]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。