一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法与流程

技术特征：
1.一种基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：包括以下步骤：步骤一：利用一加速度传感器对旋转机械设备进行测量，获取振动加速度信号；步骤二：利用pso算法优化vmd算法中的α和k，后对采集的振动信号进行vmd分解；步骤三：基于vmd对微弱故障信号分解后的结果，利用包络谱峰值因子最大准则，选取最优模态分量；步骤四：根据最优模态分量的包络谱中的突出频率范围，确定pso对mckd算法中t的寻优范围，并基于参数优化结果，mckd分析进一步增强最优分量中的故障冲击成分；步骤五：通过包络谱提取出滚动轴承故障特征，并与传动系统中的理论轴承故障频率进行对比，从而得出诊断结果。2.根据权利要求1所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述振动信号为传动轴径向振动加速度信号。3.根据权利要求1所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述vmd算法是通过迭代搜索变分模型中的最优解，将一个实际信号分解成k个离散的模态u
k
，并且确定每个模态分量的中心频率ω
k
和带宽；所述mckd算法以信号相关峭度最大化为优化目标，通过迭代完成振动信号的解卷积运算，突出信号中被强烈噪声所掩盖的连续脉冲，在信噪比较低的信号中，提取出滚动轴承的代表振动特性的特征信号。4.根据权利要求1所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于，所述优化方案均采用pso算法，对vmd、mckd中的参数进行全局寻优；所述pso算法为采用惯性权重
ϖ
成凹函数变化的标准pso算法；具体的速度更新公式及位置更新公式为：成凹函数变化的标准pso算法；具体的速度更新公式及位置更新公式为：式中：o=1，2，3，
…
，o；o为种群规模；h为迭代次数，h为最大迭代次数；为粒子o第h次迭代中d维的速度；
ϖ
max
为最大权重，
ϖ
min
为最小权重；c1和c2为学习因子；η为介于区间[0, 1]的随机数；为第h次迭代中粒子o在第d维的个体极值点的位置；为第h次迭代中粒子o在d维的当前位置；为第h次迭代中整个种群在d维的全局极值的位置。5.根据权利要求4所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述标准pso算法的具体参数设置：学习因子c1=c2=2，种群规模o=30，最大迭代次数h=20，最大权重
ϖ
max
=0.9，最小权重
ϖ
min
=0.4。6.根据权利要求4所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述vmd算法中参数的寻优范围中惩罚因子α的寻优范围为[100, 2000]，分量个数k的寻优范围为[3, 10]。7.根据权利要求6所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述pso算法优化vmd、mckd的适应度函数均为包络谱峰值因子，且vmd分解后，计算出分量的包络谱峰值因子大小，从而比较出最优分量；
其中，包络谱峰值因子定义：式中：x(z)为包络谱在[f
r
′
, γf
i
′
]频率范围的幅值，f
r
′
取值大于故障轴承所在轴的转频；f
i
′
为传系统最大轴承故障频率； z=1, 2,
ꢀ…
, z；γ取4~8。8.根据权利要求7所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述最优分量进行包络谱分析后，根据频谱图中的突出频率范围确定后续mckd参数t的寻优范围；所述mckd参数t的寻优范围，由公式t=f
s
/f
i
确定，其中，f
s
为采样频率，f
i
为故障频率，未知故障频率即用所述突出频率代替；所述mckd算法中滤波器长度参数l的寻优范围为[100, 1000]。9.根据权利要求8所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述故障频率具体包括外圈故障频率、内圈故障频率、滚动体故障频率或保持架故障频率。10.根据权利要求9所述的基于pso-vmd-mckd的滚动轴承微弱故障诊断方法，其特征在于：所述mckd分析后的最优分量的包络谱和所述故障频率进行对比得到所述滚动轴承的故障诊断结果，具体包括以下步骤：利用所述信号得到包络频谱图；判断所述频谱图中的频率范围是否包含所述外圈故障频率、内圈故障频率、滚动体故障频率、保持架故障频率以及各自的整数倍频率；如果是，则输出故障提示信息；如果否，则输出正常提示信息；其中，所述故障诊断结果包括所述故障提示信息和所述正常提示信息。

技术总结
本发明提供一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法，对采集到的振动信号，首先利用PSO算法优化VMD算法，基于VMD对微弱故障信号分解后的结果，选取最优模态分量。其次，根据最优模态分量的包络谱中的突出频率范围，确定PSO对MCKD算法中T的寻优范围；利用PSO优化MCKD算法,再基于MCKD算法加强最优分量信号中的故障冲击成分。最后，包络谱提取轴承微弱故障特征并与理论故障频率进行对比，得到故障诊断结果。本发明克服了VMD和MCKD算法中参数难以确定问题，采用VMD实现了信号降噪及获取突出故障频率范围，采用MCKD进一步增强故障冲击成分，对于滚动轴承微弱故障诊断更为精准。准。准。


技术研发人员：殷桂虎 张俊 张介禄
受保护的技术使用者：江苏泰隆减速机股份有限公司
技术研发日：2022.03.21
技术公布日：2022/7/29