一种变转速工况下轴承故障特征提取的广义自相关方法与流程

其中n可以人为选取， 2≤n≤m，n表示块信号的个数，和表示第k i和k j段 信号值的离散向量表示；
14.步骤s4、当l＝mn n1，n1》0时，将划分成 n表示信号 片段的长度，是函数中的自变量。
15.其中：
16.步骤s5、将合成形成新的信号j＝1和2，m1＝m 1，m2＝m
17.其中：
18.提出了广义自相关函数其中分别为信号信号自相关函数的 权重，且
19.步骤s6、当l≥2n的信号n＝2时，geacf即为acf。
20.其中：其中：
21.步骤s7、当l≥2n的信号geacf的期望不大于原始信号 的平均能量即
22.其中：
[0023][0024]
本发明的有益效果在于：提出了一种既能克服强背景噪声，又 能克服周期扰动积累这两种相互制约困难的变转速工况下轴承故障 特征提取的广义自相关方法。通过仿真和实例分析表明，该方法比传 统方法具有更好的性能。本发明公开了一种在变转速工况下轴承故障 特征提取的广义自相关方法，并结合周期估计方法，实现累计循环和 强背景噪
声之间的平衡，用于变转速工况下的轴承故障诊断。本发明 方法包括：采用阶次跟踪的处理方法，利用瞬时相位信息在阶域中对 原始振动信号重采样，大大削弱调频现象；采用广义自相关的方法， 考虑多个相邻片段的相关性，进一步削弱背景噪声；在原有nrc方 法考虑所有信号片段之间相关性而无法消除累计周期扰动影响的基 础上只考虑若干相邻信号片段的相关性，控制周期扰动的累计。该方 法与传统方法相比，同时克服了相互制约的信号特征带来的困难，效 果较好。
附图说明
[0025]
图1是无阶次跟踪下广义自相关方法用于轴承故障检测的信号 分析结果，在周期及倍数点出现明显波峰，(d)为n＝8，(e)为n＝12，(f)为n＝16；
[0026]
图2是广义自相关算法当l＝mn(m》1)时信号的划分。
[0027]
图3是广义自相关算法当l＝mn n1(m》1，n1》0)时信 号的划分。
[0028]
图4是重采样信号仿真波形图
[0029]
图5是渥太华大学实验数据，在含阶次跟踪下有齿轮干扰下， 不同方法对故障信号分析结果。(a)为自相关分析(acf)方法，(b) 为严格周期信号分析方法(nrc)，(c)为严格周期信号分析方法(vm)， (d,e,f)为广义自相关方法(geacf)
[0030]
图6是自制实验台含阶次跟踪下，不同方法对故障信号分析 结果。(a)为自相关分析(acf)方法，(b)为严格周期信号分析方 法(nrc)，(c)为严格周期信号分析方法(vm)，(d，e，f)为广义 自相关方法(geacf)
具体实施方式
[0031]
下面结合附图以及具体实施例对本发明作进一步的说明，但对 发明的结论并不限于此。
[0032]
一种变转速工况下轴承故障特征提取的广义自相关方法，包 括以下步骤：
[0033]
步骤s1、对未知故障信号与强高斯白噪声信号∈(t)融合， 获得被测阶次跟踪信号被测信号t表示阶 次域，噪声
[0034]
其中：时间序列表示循环信号的实现，l表示样本总数。
[0035]
步骤s2、当l＝mn时，将划分为如图2。
[0036]
其中：n表示 信号片段的长度，是函数中的自变量。
[0037]
步骤s3、在原有的自相关函数(acf)基础上提出了广义自相关 函数(geacf)：
[0038][0039]
其中：其中n可以人为 选取，(2≤n≤m)，表示块信号的个数。
[0040]
步骤s4、当l＝mn n1，n1》0时，将划分成 n表示信号 片段的长度，是函数中的自变量。如图3。
[0041]
其中：
[0042]
步骤s5、将合成形成新的信号，j＝1和2，m1＝m 1，m2＝m。
[0043]
其中：
[0044]
提出了广义自相关函数计 算所有相邻若干片段nrc值，对他们加权求和。
[0045]
最终对提出的geacf进行了定义：
[0046]
将方法本发明的仿真和实验中。将重采样信号进行仿真，如图4，模拟信号 仿真结 果如图5，结果表明acf(自相关函数)处理信号存在较多干扰波峰， 无法准确判断信号周期，nrc无法产生可识别的波峰，varibilitymethod不满足该方法所需信号条件，出现明显偏移，geacf(n＝16) 在真实周期及倍数点出现明显波峰。仿真结果表明，geacf方法较 强的抑制噪声能力。
[0047]
为了进一步验证geacf方法的有效性，我们调查了一个带有 内圈故障数据的和一个带有外圈故障数据的案例来验证所提出的方 法。第一组数据采集来自于渥太华大学，第二组数据采集于自制试验 台。
[0048]
第一组数据来自于渥太华大学，信号长度为2000000，加速度 采样率为200khz，采用振动信号与光脉冲信号双通道测量，轴承匀 加速运转，含有齿轮干扰，周期波动大，信噪比低，采用阶次跟踪的 方法对信号重采样，即利用光脉冲信号的相位信息，选择光脉冲信号 的峰值和对应的振动信号，在阶域对信号进行重采样，实验结果如图 6，自相关方法未呈现明显波峰，受信号强背景噪声影响无法检测真 实周期，严格周期信号分析方法如nrc，vm等周期点无明显波峰， 干扰波峰数量多，受周期扰动的积累同样失效，广义自相关方法平衡 周期扰动和背景噪声，仔有无其他设备干扰下均有较强鲁棒性。
[0049]
第二组数据来自自制试验台，同样采用振动信号与光脉冲信号 的双通道测量，轴承变速运转，周期波动极大，且信噪比高，实验结 果表示，自相关方法虽然一直周期波动，
但仍不能提供清晰的波峰， 因为周期特征被强背景噪声掩盖，nrc和vm由于累积的周期扰动， 未能检测出重采样信号的真实周期，geacf在周期及倍数点出现明 显波峰，很好的平衡了周期扰动和背景噪声。
[0050]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示 意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实 施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至 少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不 一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材 料或者特点可以在任何的一个或多个实施例或示例中以合适的方式 结合。
[0051]
尽管已经示出和描述了本发明的实施例，本领域的普通技术 人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实 施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及 其等同物限定。


技术特征：
1.一种变转速工况下轴承故障特征提取的广义自相关方法，其特征在于，包括以下步骤：步骤s1、对未知故障信号与强高斯白噪声信号∈(t)融合，获得被测阶次跟踪信号被测信号t表示阶次域，噪声时间序列表示循环信号的实现，l表示样本总数；步骤s2、将被测信号进行截取，当l＝mn时，将划分为其中m表示信号片段数，n表示信号片段的长度，是函数中的自变量；步骤s3、在原有的自相关函数acf基础上提出了广义自相关函数geacf：其中是nrc函数：其中n可以人为选取，2≤n≤m，n表示块信号的个数，和表示第k i和k j段信号值的离散向量表示；步骤s4、当l＝mn n1，n1>0时，将划分成n表示信号片段的长度，是函数中的自变量；步骤s5、将合成形成新的信号和2，m1＝m 1，m2＝m，同样提出了广义自相关函数其中分别为信号信号自相关函数的权重，且步骤s6、当l≥2n的信号且当n＝2时，geacf即为acf，步骤s7、当l≥2n的信号geacf的期望不大于原始信号的平均能量即即
2.根据权利要求1所述的一种变转速工况下轴承故障特征提取的广义自相关方法，其特征在于，对于被测信号进行截取包括：当原信号能正好划分为长度为n的m个子片段，nrc中的n人为确定，信号长度正好是周期的倍数且n正好为周期，若l无法被n整除，则将原始信号分成两段子信号，每段子信号分别包括若干个信号片段，在这基础上构造一系列的nrc函数，利用这些nrc函数的加权和，来抑制强背景噪声；抑制强背景噪声；抑制强背景噪声；

技术总结
本发明公开了一种在变转速工况下轴承故障特征提取的广义自相关方法，并结合周期估计方法，实现累计循环和强背景噪声之间的平衡，用于变转速工况下的轴承故障诊断。本发明方法包括：采用阶次跟踪的处理方法，利用瞬时相位信息在阶域中对原始振动信号重采样，大大削弱调频现象；采用广义自相关的方法，考虑多个相邻片段的相关性，进一步削弱背景噪声；在原有NRC方法考虑所有信号片段之间相关性而无法消除累计周期扰动影响的基础上只考虑若干相邻信号片段的相关性，控制周期扰动的累计。该方法与传统方法相比，同时克服了相互制约的信号特征带来的困难，效果较好。效果较好。效果较好。


技术研发人员：樊薇 徐英淇 陈振强 蒋峰
受保护的技术使用者：江苏文广朱方新能源科技有限公司
技术研发日：2021.08.10
技术公布日：2022/1/28