基于数据稀释与SVMD分解的轴承故障诊断方法与系统与流程

本申请涉及轴承故障诊断，具体而言，涉及针对轴承振动信号中的突跳和噪声干扰情况下，一种提高诊断效率以及诊断精度的轴承故障诊断方法。

背景技术：

1、轴承作为传动系统不可或缺的基础传动部件，其运行状态的好坏将直接关系到整个设备的工作情况。轴承的振动信号常常被噪声和无效数据所淹没。

2、目前的诊断方法中，振动信号中常用突跳数据，突跳和工况改变时振动信号数据幅值变化导致数据质量下降。如果采用常用的数据规模重构信号，则无法解决幅值变化问题。

3、另外，在干扰噪声消除方面，也有采用vmd分解算法来消除噪声干扰，但是vmd分解算法常常因为分解模态数量不准确，vmd性能将会降低。

技术实现思路

1、本发明要解决的技术问题在于提供一种基于数据稀释与svmd分解的轴承故障诊断方法，以改善数据中突跳和工况改变导致幅值变化的问题，同时消除噪声干扰，提高诊断效率和准确性。

2、本发明为解决上述技术问题采用如下技术方案：

3、一种基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于包括以下步骤：

4、s1：获取轴承原始加速度振动信号数据x1,x2,...,xn，形成初始加速度信号x；

5、s2：信号稀释：保留第一个加速度振动信号数据x1，设置第一加速度阈值ft，比较第一和第二个加速度振动信号数据x1和x2与第一加速度阈值ft大小；之后第三个与第二个一起判断，以此类推移位，如果上一个数据xi小于第一加速度阈值ft且当前数据xi+1小于阈值ft，其中，i=2,3,...,n-1，则该当前数据为无效数据；如果无效数据数量小于最大阈值fmax，xi+1为零；如果无效数据数量不小于阈值fmax，则保留xi+1；

6、s3：删除数据稀释后加速度信号x中数据为零的数据，得到第二组信号y；

7、s4：对第二组信号y进行归一化，得到第二组信号归一化序列y_rec；

8、s5：对第二组信号y进行svmd分解，得到基本模态分量imf；

9、s6：对每个基本模态分量进行归一化，得到归一化后每个基本模态分量imf_rec；

10、s7：计算第二组信号归一化序列y_rec与归一化后每个基本模态分量imf_rec的相关系数，将相关系数大于相关系数设定值的基本模态分量imf相加得到重构信号；

11、s8：对重构加速度信号进行包络解调，得到包络谱；

12、s9：计算出轴承特征频率；

13、s10：查看包络谱中轴承特征频率幅值大小，如果某个特征频率的幅值超出包络阈值，则这个特征频率所对应的轴承部件出现了故障。

14、上述技术方案中，s2信号稀释规则如下；

15、s21：如果第一和第二个加速度振动信号数据x1和x2都小于第一加速度阈值ft，令x2为零,如果第一个加速度振动信号数据x1小于第一加速度阈值ft且x2不小于第一加速度阈值ft，保留第二个加速度振动信号数据x2；

16、s22：如果第一个加速度振动信号数据x1不小于第一加速度阈值ft且x2小于第一加速度阈值ft，x2为零；

17、s23：如果x1和x2不小于第一加速度阈值ft且x1和x2的误差小于第二加速度阈值rt，保留x2；如果x1和x2不小于阈值ft且x1和x2的误差小于阈值rt，设置x2为零。

18、上述技术方案中，第一加速度阈值ft大于第二加速度阈值rt，两者均小于最大阈值fmax。

19、上述技术方案中，s2信号稀释中设置最大fmax等于100。

20、上述技术方案中，s2中，设置第一加速度阈值为0.2; 设置第二加速度阈值rt为0.1。

21、上述技术方案中，设置最大余额参数，双上升步长为0，收敛准则的容差为10-6，根据步骤s5对稀释后的加速度信号进行svmd分解，得到一系列基本模态分量imf。

22、上述技术方案中，s7中相关系数设定值为0.3。

23、上述技术方案中，优选适用于旋转类设备。

24、另一方面，本发明还提供一种轴承故障诊断系统或电子设备，其特征在于含有计算机程序，当所述程序被执行时实现上述基于数据稀释与svmd分解的轴承故障诊断方法。

25、相对于现有技术，本发明具有如下有益效果：

26、针对旋转类设备，轴承是设备正常运行的关键部位，设备故障30%来源于轴承，所以对轴承运行状态进行监测，对轴承故障进行诊断是必要的，对轴承信号进行分析时，最大的困难是噪声的干扰，对信号进行消噪是本发明的关键点。

27、本发明通过获取轴承的原始加速度信号；运用数据稀释和svmd分解相结合对加速度信号进行重构；对重构信号进行包络解调，如果轴承特征频率在包络谱上对应的幅值突出，则这个特征频率所对应的轴承部件出现了故障。

28、相对于现有技术，本发明通过稀释振动加速度数据的长度，解决了常用突跳数据以及工况改变时振动信号数据幅值变化导致数据质量下降的问题，从而保证了信号处理过程中的失真问题。提高了数据分析和处理的效率，同时保证了信号的去噪的准确和更有针对性。

29、其次，本发明以连续的方式提取所有imf，与vmd的间隔提取相比，本发明的方法无需知道模态分量的数量并且计算复杂性较低，并且去除信号中的噪声干扰。

30、再次，本发明在数据稀释后，根据轴承工况，针对加速度信号x中数据为零的数据进行了删除，之后再针对新数组进行数据svmd分解，避免了传统svmd分解的数据结构复杂等问题，进一步减低了计算效率且能针对性解决当前诊断方法的噪声干扰问题。

技术特征：

1.一种基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于步骤s2信号稀释规则如下；

3.根据权利要求1或2所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于第一加速度阈值ft大于第二加速度阈值rt，两者均小于最大阈值fmax。

4.根据权利要求1或2所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于步骤s2：信号稀释中设置最大fmax等于100。

5.根据权利要求2所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于步骤s23中，如果x1和x2不小于阈值ft且x1和x2的误差小于阈值rt，设置第二加速度阈值rt为0.1，x2为零。

6.根据权利要求1或2所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于设置最大余额参数，双上升步长为0，收敛准则的容差为10-6，根据步骤s5对稀释后的加速度信号进行svmd分解，得到一系列基本模态分量imf。

7.根据权利要求1或2所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于步骤s7中相关系数设定值为0.3。

8.根据权利要求1或2所述的基于数据稀释与svmd分解的轴承故障诊断方法，其特征在于适用于旋转类设备。

9.一种基于数据稀释与svmd分解的轴承故障诊断系统，其特征在于含有计算机程序，当所述程序被执行时实现上述权利要求1至8任一项所述基于数据稀释与svmd分解的轴承故障诊断方法。

10.一种存储介质，其特征在于含有计算机程序，当所述程序被执行时实现上述权利要求1至8任一项所述基于数据稀释与svmd分解的轴承故障诊断方法。

技术总结本发明公开了一种基于数据稀释与SVMD分解的轴承故障诊断方法与系统，通过获取轴承的原始加速度信号；运用数据稀释和SVMD分解相结合对加速度信号进行重构；对重构信号进行包络解调，如果轴承特征频率在包络谱上对应的幅值突出，则这个特征频率所对应的轴承部件出现了故障。以改善数据中突跳和工况改变导致幅值变化的问题，同时消除噪声干扰，提高诊断效率和准确性。技术研发人员：徐徐,钱进,孙磊,杨世飞,邹小勇受保护的技术使用者：南京凯奥思数据技术有限公司技术研发日：技术公布日：2024/7/25