一种基于奇异值分解与变分模态分解的轴承诊断方法与流程

技术特征：
1.一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：使用奇异值分解的方法对采集得到的振动信号进行去噪处理，对去噪后的信号进行变分模态分解；依据峭度值选取原则，选取变分模态分解得到的k个模态分量中有效的模态分量进行包络谱分析，识别轴承早期的微弱故障，确定故障类型。2.根据权利要求1所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于，具体包括以下步骤：第一步，将采集的轴承一维振动信号进行hankel矩阵的构造，通过设置矩阵的维数m分解出m个奇异值，在所设定的维数m的基础上依次增加矩阵的维数，确定矩阵的维数m；第二步，将经过奇异值分解后的去噪信后输入至变分模态分解模型中，利用变分模态分解算法内置的维纳滤波器将去噪后的的信号分解为一系列子模态；第三步，利用峭度值指标对故障信号敏感的特点，计算各模态分量的峭度值，选取峭度值最大的模态分量，对该模态分量进行包络分析。3.根据权利要求2所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：第一步，在所设定的维数m的基础上依次增加矩阵的维数，随着分解出的奇异值个数的增加，会从某一个奇异值开始其贡献率将会无限的趋近于0，其趋近于0的奇异值将不会包含信号的有效信息，确定矩阵的维数m。4.根据权利要求3所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：通过计算奇异值贡献率确定hankel矩阵的维数，并对矩阵进行奇异值分解，实现对输入信号的去噪。5.根据权利要求2所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：第二步，在每个子模态当中都存在着各自的带宽和中心频率ωk，在分解过程中，每个子模态函数的带宽和中心频率都在迭代更新。6.根据权利要求5所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：第二步，通过构建变分模型分解每个信号的频带，得到预先设定好尺度数的k个模态分量uk(t)。7.根据权利要求2所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：第三步，包络分析：从包络图中显示幅值，故障频率fi＝161.8hz，与理论计算值162.18hz相近。8.根据权利要求7所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：第三步，包络分析：从包络图中显示，2fi＝323.3hz的二倍频与理论计算值324.36hz相近；3fi＝486.3的三倍频与理论计算值486.54hz相近。9.根据权利要求8所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特
征在于：第三步，包络分析：从包络图中显示，fr＝29.3hz转频和fr＝58.59hz的二倍转频成分与理论计算值29.95hz、59.9hz相近。10.根据权利要求2所述的一种基于奇异值分解与变分模态分解的轴承诊断方法，其特征在于：第三步，还包括在图像中故障特征频率峰值明显，识别故障特征，确定轴承的故障类型。

技术总结
本发明涉及一种基于奇异值分解与变分模态分解的轴承诊断方法，使用奇异值分解的方法对采集得到的振动信号进行去噪处理，对去噪后的信号进行变分模态分解；依据峭度值选取原则，选取变分模态分解得到的k个模态分量中有效的模态分量进行包络谱分析，识别轴承早期的微弱故障，确定故障类型。本发明将奇异值去噪与变分模态分解模型各自的优势相结合，能够准确的判断轴承的故障类型，并能够有效的识别轴承早期微弱的故障特征。利用该诊断方法能够对加工中心主轴轴承的健康状态进行监测，合理安排更换采购时间可有效的避免因为零部件的更换而导致的设备停机造成巨大的经济损失。换而导致的设备停机造成巨大的经济损失。换而导致的设备停机造成巨大的经济损失。


技术研发人员：孙业彭 张文光 黄海峰 赵建锋
受保护的技术使用者：一汽铸造有限公司
技术研发日：2022.07.29
技术公布日：2022/11/11