一种滚动轴承振动故障诊断方法、装置、介质及产品与流程

本发明涉及航空发动机滚动轴承领域，特别是涉及一种滚动轴承振动故障诊断方法、装置、介质及产品。

背景技术：

1、随着科学技术的快速发展，航空发动机的推力、转速和动强度等显著提高，导致发动机零部件的振动载荷不断增加，振动引起的故障显著增多。此外，发动机结构日趋复杂且质量不断减轻，其对安全性和可靠性的要求亦随之增高。发动机的任何早期机械故障都可以通过振动值的骤增表现出来，对发动机振动情况进行监视，可以提前发现故障并据此及时采取措施。其中，滚动轴承在航空发动机中有着广泛的应用，滚动轴承故障是大部分机械装置故障的主要原因。

2、以人工智能技术为代表的计算机技术的迅速崛起，中国在轴承故障智能诊断领域的研究，尤其是以数字驱动的特征提取技术进行轴承故障智能诊断的研究正在蓬勃发展。近几年，机器学习也越来越多地应用在故障诊断的领域，尤其是基于神经网络的故障诊断。在旋转轴承状态监测的大数据时代，旋转机械常产生撞击、速度突变、结构变形及摩擦变化等，使得振动信号往往具有非平稳性与非线性，如何提取到有效的故障信息并建立故障诊断模型成为当下的研究热点之一。

技术实现思路

1、本发明的目的是提供一种滚动轴承振动故障诊断方法、装置、介质及产品，可有效对航空发动机滚动轴承进行振动故障诊断。

2、为实现上述目的，本发明提供了如下方案。

3、一种滚动轴承振动故障诊断方法，包括：获取航空发动机中滚动轴承的多个历史振动信号；采用变分模态分解法将每个历史振动信号自适应解构为多个imf分量；针对每个历史振动信号解构的多个imf分量，利用小波阈值法对频谱幅值小于预设频谱幅值阈值的imf分量进行降噪，并将降噪后的imf分量与频谱幅值大于等于预设频谱幅值阈值的imf分量重组为振动特征信号；其中，所述小波阈值法的小波阈值函数引入了调节参数；将所有的振动特征信号构成振动数据集；使用鹈鹕优化算法优化极限学习机输入层的权值和隐藏层偏置，获得参数优化的极限学习机；采用振动数据集训练所述参数优化的极限学习机，获得振动故障诊断模型；将航空发动机中滚动轴承的实时振动信号经解构和降噪后的振动特征信号，输入所述振动故障诊断模型，输出所述滚动轴承的振动故障诊断结果。

4、一种计算机装置，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述任一项所述的滚动轴承振动故障诊断方法。

5、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述的滚动轴承振动故障诊断方法。

6、一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一项所述的滚动轴承振动故障诊断方法。

7、根据本发明提供的具体实施例，本发明公开了以下技术效果。

8、本发明实施例使用变分模态分解和改进小波阈值相结合的方法，对原始的滚动轴承振动信号进行分解和去噪，提取信号特征，作为有效的故障信息。并利用鹈鹕优化算法对极限学习机输入层的权值和隐藏层偏置进行优化，建立振动故障诊断模型，可以大大降低随机权值和偏置的不确定性。将有效的故障信息输入振动故障诊断模型，即可有效地对航空发动机滚动轴承进行振动故障诊断。

技术特征：

1.一种滚动轴承振动故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的滚动轴承振动故障诊断方法，其特征在于，所述小波阈值法的小波阈值函数为：

3.根据权利要求1所述的滚动轴承振动故障诊断方法，其特征在于，采用振动数据集训练所述参数优化的极限学习机，获得振动故障诊断模型，具体包括：

4.根据权利要求1所述的滚动轴承振动故障诊断方法，其特征在于，航空发动机中滚动轴承的实时振动信号的获取方法为：

5.根据权利要求1所述的滚动轴承振动故障诊断方法，其特征在于，航空发动机中滚动轴承的实时振动信号经解构和降噪后的振动特征信号的获取方法为：

6.根据权利要求1所述的滚动轴承振动故障诊断方法，其特征在于，所述预设频谱幅值阈值为1。

7.一种计算机装置，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的滚动轴承振动故障诊断方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的滚动轴承振动故障诊断方法。

9.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的滚动轴承振动故障诊断方法。

技术总结本发明公开一种滚动轴承振动故障诊断方法、装置、介质及产品，属于航空发动机滚动轴承领域。该方法采用变分模态分解法将每个历史振动信号自适应解构为多个IMF分量，利用小波阈值法对IMF分量进行降噪，获得振动数据集。使用鹈鹕优化算法优化极限学习机输入层的权值和隐藏层偏置，采用振动数据集训练参数优化的极限学习机，获得振动故障诊断模型；将航空发动机中滚动轴承的实时振动信号经解构和降噪后的振动特征信号，输入振动故障诊断模型，输出滚动轴承的振动故障诊断结果。本发明能够有效对航空发动机滚动轴承进行振动故障诊断。技术研发人员：李英顺,郭占男,匡博琪,史琳,尹志鹏,安立华,郭丽楠,刘洋受保护的技术使用者：沈阳顺义科技股份有限公司技术研发日：技术公布日：2024/7/25