一种内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法

摘要

本发明涉及一种内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法，属于内燃机维修领域。其具体内容如下：首先对内燃机滚动轴承多路振动信号分别进行一次核回归残余分解，分别选取第二个信号子分量；然后同时对多路第二个信号子分量进行多元同步压缩，去除其噪声干扰；最后利用传统的希尔伯特包络分析分别解调出故障特征频率，相互验证，从而准确地诊断出内燃机滚动轴承故障类型。本发明能够准确有效地识别出内燃机滚动轴承故障类型，解决基于单路振动信号诊断内燃机滚动轴承故障精度不高的问题，具有很高的工程应用价值。

权利要求

1.一种内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法，其特征在于包括有：S1、对内燃机滚动轴承多路振动信号分别进行一次核回归残余分解，分别选取第二个信号子分量；

S2、同时对多路第二个信号子分量进行多元同步压缩，去除其噪声干扰；

S3、利用传统的希尔伯特包络分析分别解调出故障特征频率，相互验证，从而准确地诊断出内燃机滚动轴承故障类型；

所述的步骤S1具体包括：

首先对从内燃机故障滚动轴承采集得到的原始振动信号y使用核回归残余分解技术进行分解，得到高频信号r1与低频信号s1，分解公式为：y＝s1+r1                             (1)式中s1＝K(y)，K为密度函数；

其中，采用径向核函数核，低频信号s1可以表达为：式中λ1为带宽，为是高斯核函数中心，它正好是y的平均值；

所述的步骤S2具体包括：

高频信号可以用一系列高能分量来表示，公式如下：z(t)＝[(α1(t))T,(α2(t))T,···,(αm(t))T,···,(αM(t))T]T        (3)上式中z(t)为高频信号；

先对高频信号应用连续小波变换；其次，计算解调频率的初始估计值；最后，利用该估计值通过重分配计算SST；

高频信号的连续小波变换表示为：

式中ψ*表示小波的复共轭；

为了捕获多通道信号之间产生的信道间依赖关系，采用多变量瞬时幅度的阈值技术，该阈值技术表达为：将阈值技术直接应用于多元瞬时振幅，如下式所示：上式中 是多元瞬时振幅，r1(t)是修正的通用阈值且被定义为：上式中C为正常数，它可以微调算法的原通用阈值；

通过对系数 的求和，可以得到恢复的信号，如下所示：上式中 为每个通道对应的消噪信号。

说明书

一种内燃机滚动轴承状态检测的核回归残余分解多元同步压

缩方法

技术领域

[0001] 本发明属于内燃机维修领域，涉及一种内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法。

背景技术

[0002] 近年来，内燃机作为广泛使用的动力源，在工业及民用领域装机率越来越高，扮演着愈加重要的角色。滚动轴承作为内燃机关键零部件之一，处于变速、重载的工作环境，且承受复杂交变的激振力矩并传递扭力，极易发生故障。然而，内燃机是由各零部件按照一定的关系组成的一个复杂的系统,运行过程中各部件相互关联，既有旋转运动又有往复运动,振动冲击相互影响,因此采集到的内燃机滚动轴承故障信号具有极大的噪声干扰和振动干扰。

[0003] 振动信号包含大量的机械设备的运行状态信息，因此振动分析技术被广泛运用于设备检测和故障诊断领域。传统故障诊断方法多适用于单路信号，针对此类复杂的内燃机振动信号，耗时久、效率低且准确率低，不适用于现代内燃机轴承故障诊断。一旦轴承发生故障并出现误诊漏诊，轻则直接影响到内燃机运行效率，重则会威胁到使用人员的生命安全。因此研究适用于内燃机滚动轴承的故障诊断方法，具有重要的现实意义。

[0004] 轴承故障诊断的关键在于提取故障激励的周期性冲击信号，该周期性冲击信号通常为高频信号且易被噪声及其他振动源干扰。

发明内容

[0005] 本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法。该方法用于内燃机滚动轴承状态检测，准确率高。

[0006] 为实现上述目的，本发明的技术方案是包括有：

[0007] S1、对内燃机滚动轴承多路振动信号分别进行一次核回归残余分解，分别选取第二个信号子分量；

[0008] S2、同时对多路第二个信号子分量进行多元同步压缩，去除其噪声干扰；

[0009] S3、利用传统的希尔伯特包络分析分别解调出故障特征频率，相互验证，从而准确地诊断出内燃机滚动轴承故障类型。

[0010] 进一步设置是所述的步骤S1具体包括：

[0011] 首先对从内燃机故障滚动轴承采集得到的原始振动信号y使用核回归残余分解技术进行分解，得到高频信号r1与低频信号s1，分解公式为：

[0012] y＝s1+r1                             (1)

[0013] 式中s1＝K(y)，K为密度函数；

[0014] 其中，采用径向核函数核，低频信号s1可以表达为：

[0015]

[0016] 式中λ1为带宽，为是高斯核函数中心，它正好是y的平均值。

[0017] 进一步设置是所述的步骤S2具体包括：

[0018] 高频信号可以用一系列高能分量来表示，公式如下：

[0019] z(t)＝[(α1(t))T,(α2(t))T,···,(αm(t))T,···,(αM(t))T]T         (3)[0020] 上式中z(t)为高频信号；

[0021] 先对高频信号应用连续小波变换；其次，计算解调频率的初始估计值；最后，利用该估计值通过重分配计算SST；

[0022] 高频信号的连续小波变换表示为：

[0023]

[0024] 式中ψ*表示小波的复共轭；

[0025] 为了捕获多通道信号之间产生的信道间依赖关系，采用多变量瞬时幅度的阈值技术，该阈值技术表达为：

[0026]

[0027] 将阈值技术直接应用于多元瞬时振幅，如下式所示：

[0028]

[0029] 上式中 是多元瞬时振幅，r1(t)是修正的通用阈值且被定义为：

[0030]

[0031] 上式中C为正常数，它可以微调算法的原通用阈值；

[0032] 通过对系数 的求和，可以得到恢复的信号，如下所示：

[0033]

[0034] 上式中 为每个通道对应的消噪信号。

[0035] 本发明的创新原理是：

[0036] 为了消除低频信号的干扰并提取携带周期性冲击信号的高频信号，本发明提出核回归残余分解(kernel regression residual decomposition，KRRD)技术。该技术采用非参数化的Nadaraya-Watson(NW)准则和标准偏差(SD)准则生成一个一级级联框架，该框架包括一个由残差信号表示的高频项和一个由核回归信号表示的低频项。通过分解得到的残差信号即为包含周期性冲击信号的高频信号，之后通过MSST技术消除噪声干扰。

[0037] 多元同步压缩(multivariate synchrosqueezing transform，MSST)作为一种多路的后处理时频技术，能够对调制振荡信号产生高度局部化的时频表示，并通过重新分配时频系数来提高的局部化特性。相对于传统故障诊断方法，MSST在分解非平稳信号方面具有明显的优势，且通过相互验证多路信号的诊断结果进一步提高诊断准确率，适用于此类内燃机复杂信号分析。因此，本发明中公开方法利用MSST技术来进一步消除高频信号中噪声及其他振动源的干扰。最后利用希尔伯特包络分析分别解调出故障特征频率，相互验证，从而准确地诊断出内燃机滚动轴承故障类型。

[0038] 为了解决现有故障诊断方法的不足并避免因内燃机轴承故障引起的事故，本发明结合KRRD及MSST技术并公开了一种内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法。为了验证本发明的有效性及良好的性能，将本发明应用于实际的内燃机滚动轴承多路故障信号，并通过与包络分析及单路同步压缩诊断结果对比，表明该方法能够有效地识别内燃机滚动轴承故障类型。

[0039] 本发明能够准确有效地识别出内燃机滚动轴承故障类型，解决基于单路振动信号诊断内燃机滚动轴承故障精度不高的问题，具有很高的工程应用价值。

附图说明

[0040] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

[0041] 图1为本发明的诊断方法流程图；

[0042] 图2为包络分析应用于内燃机内圈轴承结果图；

[0043] 图3为单路同步压缩方法应用于内燃机内圈轴承信号结果图；

[0044] 图4为本发明应用于内燃机内圈轴承信号结果图；

[0045] 图5为包络分析应用于内燃机外圈轴承结果图；

[0046] 图6为单路同步压缩方法应用于内燃机外圈轴承信号结果图；

[0047] 图7为本发明应用于内燃机外圈轴承信号结果图。

具体实施方式

[0048] 为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

[0049] 名词说明：

[0050] 为了便于实施例叙述方便，本发明部分技术特征采用英文简称方式进行表示，具体名词说明如下：

[0051] 核回归残余分解(kernel regression residual decomposition，KRRD)；

[0052] 多元同步压缩(multivariate synchrosqueezing transform，MSST)；

[0053] 连续小波变换(CWT)。

[0054] 如图1所示，为本发明实施例中，内燃机滚动轴承状态检测的核回归残余分解多元同步压缩方法流程图如图1所示，包括有：

[0055] S1、对内燃机滚动轴承多路振动信号分别进行一次核回归残余分解，分别选取第二个信号子分量；

[0056] S2、同时对多路第二个信号子分量进行多元同步压缩，去除其噪声干扰；

[0057] S3、利用传统的希尔伯特包络分析分别解调出故障特征频率，相互验证，从而准确地诊断出内燃机滚动轴承故障类型。

[0058] 本实施例该方法具体以下步骤：

[0059] 首先对从内燃机故障滚动轴承采集得到的原始振动信号y使用KRRD技术进行分解，得到高频信号r1与低频信号s1，分解公式为：

[0060] y＝s1+r1          (1)

[0061] 式中s1＝K(y)，K为密度函数。

[0062] 其中，采用径向核函数核，低频信号s1可以表达为：

[0063]

[0064] 式中λ1为带宽，为是高斯核函数中心，它正好是y的平均值。

[0065] 接着对提取的高频信号采用MSST技术进行提纯，噪声及其他振动源干扰项在此步骤中被消除。高频信号可以用一系列高能分量来表示，公式如下：

[0066] z(t)＝[(α1(t))T,(α2(t))T,···,(αm(t))T,···,(αM(t))T]T     (3)[0067] 上式中z(t)为高频信号。

[0068] 先对高频信号应用连续小波变换(CWT)；其次，计算解调频率的初始估计值；最后，利用该估计值通过重分配计算SST。

[0069] 高频信号的CWT可以表示为：

[0070]

[0071] 式中ψ*表示小波的复共轭。

[0072] 为了捕获多通道信号之间产生的信道间依赖关系，采用多变量瞬时幅度的阈值技术。该阈值技术可表达为：

[0073]

[0074] 将阈值技术直接应用于多元瞬时振幅，如下式所示：

[0075]

[0076] 上式中 是多元瞬时振幅，r1(t)是修正的通用阈值且被定义为：

[0077]

[0078] 上式中C为正常数，它可以微调算法的原通用阈值。

[0079] 通过对系数 的求和，可以得到恢复的信号，如下所示：

[0080]

[0081] 上式中 为每个通道对应的消噪信号。

[0082] 最后使用包络分析解调得到的多路消噪信号，通过对比多路信号的解调频率得出轴承故障。

[0083] 本发明在应用于内燃机滚动轴承状态检测中，通过以下公式得到轴承内圈与外圈故障理论值，具体的计算方法可以下列公式计算：

[0084] 外圈故障公式：

[0085]

[0086] 内圈故障公式：

[0087]

[0088] 式中：fr为旋转频率，n为轴承滚动体数，φ为径向方向接触角，d为滚动体平均直径，D为轴承的平均直径。

[0089] 实例案例：

[0090] 本案例处理内燃机故障轴承，通过公式(6)-(7)计算本实验中的轴承外圈、内圈故障频率分别为150Hz和87.5Hz。本节将发明方法诊断结果与包络分析方法及单路同步压缩方法进行比较，说明了本发明发放的有效性。

[0091] (1)内燃机内圈故障

[0092] 图2给出了应用包络分析方法应用于内燃机内圈故障信号的结果图，从图中可以看出内圈故障的特征频率未显示。图3给出了应用单路同步压缩方法应用于内燃机内圈故障信号的结果图，从图中可以看出故障频率仍未出现。

[0093] 图4(a)和(b)所示是通过本发明处理轴承内圈故障信号得到的多路结果图。如图所示，通过比较多路结果图中可知，图4(a)故障频率(150Hz)及其倍频(446.9Hz)出现，图4(b)中轴承内圈的故障特征频率(150Hz)，且其三倍频与六倍频都显示清晰。另外。178Hz为转频与故障特征频率的和。因此，对比理论计算值，可以判定此滚动轴承的故障类型为轴承内圈故障。

[0094] (2)内燃机外圈故障

[0095] 图5给出了应用包络分析方法应用于内燃机内圈故障信号的结果图，从图中可以看出内圈故障的特征频率未显示。图6给出了应用单路同步压缩方法应用于内燃机内圈故障信号的结果图，从图中可以看出其故障频率(87.5Hz)及其二倍频(175Hz)出现，但隐藏在未知频率中。

[0096] 图7(a)和(b)所示是通过本发明处理轴承内圈故障信号得到的多路结果图。通过相互比对，可以看出故障频率及其二倍频、三倍频、四倍频显示清晰。因此，可以判定此滚动轴承的故障类型为轴承外圈故障。此结果进一步说明本发明对于具有较好的处理效果，值得应用到实际工业诊断中。

[0097] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。

[0098] 以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。