本發(fā)明屬于故障診斷技術(shù)領(lǐng)域，涉及一種軸承內(nèi)外圈故障定量趨勢(shì)診斷方法，特別涉及一種基于Protrugram與Lempel-Ziv的定量趨勢(shì)診斷方法。

背景技術(shù)：

隨著科技的進(jìn)步和工業(yè)的發(fā)展，流程工業(yè)機(jī)械設(shè)備日益向大型化、高速化、系統(tǒng)化及自動(dòng)化方向發(fā)展，這對(duì)設(shè)備運(yùn)行狀態(tài)的穩(wěn)定性要求也越來越高。而為了滿足生產(chǎn)要求，關(guān)鍵設(shè)備結(jié)構(gòu)的功能越來越復(fù)雜，再加上工作環(huán)境惡劣多變，在長(zhǎng)期運(yùn)行過程中會(huì)逐漸老化，發(fā)生故障的潛在可能性也相應(yīng)增加，一旦設(shè)備的關(guān)鍵部件發(fā)生故障，就可能破壞整臺(tái)設(shè)備的穩(wěn)定運(yùn)行，甚至造成巨大的經(jīng)濟(jì)損失，導(dǎo)致災(zāi)難性的人員傷亡。齒輪箱作為工業(yè)傳動(dòng)系統(tǒng)的重要組成部分，其作用十分關(guān)鍵。滾動(dòng)軸承作為齒輪箱內(nèi)部最主要的零件，內(nèi)部結(jié)構(gòu)復(fù)雜且常在高速、重載條件下運(yùn)行，故障發(fā)生率較高。因此對(duì)滾動(dòng)軸承進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷對(duì)確保生產(chǎn)安全，預(yù)防重大事故有著重要意義。

軸承是大型機(jī)械設(shè)備中的重要組成部分，其健康狀況直接關(guān)系到整個(gè)設(shè)備的正常運(yùn)轉(zhuǎn)，對(duì)其運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)與診斷具有重要意義。而傳統(tǒng)的故障監(jiān)測(cè)與診斷方法往往是針對(duì)軸承故障的有無進(jìn)行定性的分析，隨著設(shè)備逐漸向更加精密化復(fù)雜化的方向發(fā)展，對(duì)軸承故障進(jìn)行精確的定量分析才能精確的揭示設(shè)備的運(yùn)行狀態(tài)并預(yù)測(cè)設(shè)備的發(fā)展規(guī)律和剩余壽命，從而知道設(shè)備的檢測(cè)與維修。

技術(shù)實(shí)現(xiàn)要素：

該方法首先對(duì)不同故障程度信號(hào)進(jìn)行FFT變換，然后確定中心頻率和帶寬并選擇出最佳分析頻帶，計(jì)算該頻帶的Lempel-Ziv值，最后繪制出Lempel-Ziv復(fù)雜度值與故障大小關(guān)系圖。方法的流程如下：

(1)FFT變換。對(duì)同一類型不同故障大小的軸承故障原始信號(hào)進(jìn)行FFT變換。

(2)初始化。確定帶寬BW，確定中心頻率CF的取值范圍[BW/2，fs/2-BW/2])，確定步長(zhǎng)Step。

(3)計(jì)算窄帶包絡(luò)譜。對(duì)頻譜圖的[BW-CFk，BW+CFk]段進(jìn)行IFFT變換，并計(jì)算所得到信號(hào)的包絡(luò)譜。

(4)計(jì)算峭度值。計(jì)算第三步中窄帶包絡(luò)譜的峭度值Kurtosis。

(5)繪制關(guān)系圖。以CFk為橫坐標(biāo)、Kurtosisk為縱坐標(biāo)繪制二者的關(guān)系圖。

(6)選擇最佳分析頻帶。選擇峭度值最大的頻帶，返回對(duì)應(yīng)的中心頻率值CFo，得到最佳分析頻帶。

(7)計(jì)算Lempel-Ziv復(fù)雜度指標(biāo)。

(8)繪制Lempel-Ziv復(fù)雜度值與故障大小關(guān)系圖，進(jìn)行故障定量趨勢(shì)診斷。

本發(fā)明專利針對(duì)現(xiàn)場(chǎng)實(shí)測(cè)故障振動(dòng)信號(hào)，在對(duì)故障軸承的振動(dòng)序列使用復(fù)雜度算法進(jìn)行分析之前，需要分解并提取被分析序列中最有效的部分使用復(fù)雜度算法進(jìn)行計(jì)算，對(duì)信號(hào)的分解和信號(hào)有效部分的提取直接關(guān)系著診斷結(jié)果的好壞。采用Protrugram算法進(jìn)行前期信號(hào)的分解和信號(hào)有效部分的提取。對(duì)信號(hào)使用Protrugram算法處理后，進(jìn)行Lempel-Ziv復(fù)雜度指標(biāo)化處理。Lempel-Ziv基本思想是：序列的復(fù)雜度越大，序列中的周期成分越少，序列越無規(guī)律，趨近于隨機(jī)狀態(tài)，序列包含的頻率成分越豐富，說明系統(tǒng)的復(fù)雜性也越大；序列的復(fù)雜度越小，序列中周期成分越明顯，越趨于周期狀態(tài)，序列包含的頻率成分較少，說明系統(tǒng)的復(fù)雜性越低。

附圖說明

圖1是基于Protrugram與Lempel-Ziv的定量趨勢(shì)診斷方法圖。

圖2是實(shí)測(cè)軸承內(nèi)圈故障實(shí)驗(yàn)信號(hào)。

圖3是實(shí)測(cè)軸承外圈故障實(shí)驗(yàn)信號(hào)。

圖4是軸承內(nèi)圈Lempel-Ziv復(fù)雜度變化趨勢(shì)。

圖5是軸承外圈Lempel-Ziv復(fù)雜度變化趨勢(shì)。

圖6是本方法的實(shí)施流程圖。

具體實(shí)施方式

以下結(jié)合說明書附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步說明

圖1為本發(fā)明的Protrugram算法的流程圖。下面結(jié)合流程圖對(duì)故障定量診斷方法原理進(jìn)行詳細(xì)的說明。

Protrugram是一種基于調(diào)制信號(hào)包絡(luò)譜幅值的峭度的最優(yōu)頻帶選擇的方法，該方法旨在選擇出最優(yōu)中心頻率和帶寬。

(1)首先對(duì)測(cè)得的時(shí)間信號(hào)進(jìn)行FFT，得到其頻譜；

(2)其次，選擇帶寬(帶寬為故障特征頻率的3倍)與迭代步長(zhǎng)(一般為1Hz、100Hz或1000Hz)；

(3)隨后在每次迭代過程中在頻譜(實(shí)部部分)上選擇區(qū)間[中心頻率-帶寬/2，中心頻率-帶寬/2]；

(4)對(duì)其進(jìn)行希爾伯特包絡(luò)得到其包絡(luò)譜，并計(jì)算其峭度值，繪制中心頻率與峭度的關(guān)系圖；

(5)選擇峭度最大的窄帶信號(hào)進(jìn)行后續(xù)分析。

圖2是實(shí)測(cè)軸承內(nèi)圈故障實(shí)驗(yàn)信號(hào)，用于驗(yàn)證算法的正確性；

圖3是實(shí)測(cè)軸承外圈故障實(shí)驗(yàn)信號(hào)；

圖4是軸承內(nèi)圈Lempel-Ziv復(fù)雜度變化趨勢(shì)，對(duì)于內(nèi)圈故障隨著故障尺寸的增大Lempel-Ziv復(fù)雜度指標(biāo)值變??；

對(duì)于已經(jīng)經(jīng)過Protrugram處理的內(nèi)圈故障信號(hào)進(jìn)行Lempel-Ziv指標(biāo)化處理。對(duì)于信號(hào)S(i)(i＝1,2,…,N)，首先將其轉(zhuǎn)化為二進(jìn)制序列，令a＝mean(S(i))，若S(i)≥a,則s(i)＝1，否則s(i)＝0。這樣就將信號(hào)S(i)轉(zhuǎn)化為了二進(jìn)制序列SN＝{s1，s2，s3，…，sN}，序列SN的Lempel-Ziv復(fù)雜度值按下列CN(r)(r≤N)的N次循環(huán)計(jì)算得到：

初始化Sv,0＝{}，Q0＝{}，CN(0)＝0。r＝1，令Qr＝{Qr-1Sr}，由于Qr不屬于Sv,r-1，則CN(r)＝CN(r-1)+1，Qr＝{}，r＝r+1；

令Qr＝{Qr-1Sr}，判斷Qr是否屬于Sv,r-1＝{Sv,r-2sr-1}，若是，則CN(r)＝CN(r-1)，r＝r+1，重復(fù)步驟(2)；

若否，則CN(r)＝CN(r-1)+1，Qr＝{}，r＝r+1，重復(fù)步驟(2)。

由此，隨著SN的長(zhǎng)度N值的增大復(fù)雜度的值會(huì)增大或者不變，這樣復(fù)雜度會(huì)受到SN的長(zhǎng)度N的影響，為了使Lempel-Ziv復(fù)雜度指標(biāo)相對(duì)獨(dú)立，Lempel和Ziv提出了歸一化公式：

式中：k是SN中元素的個(gè)數(shù)(對(duì)于二進(jìn)制序列SN，k＝2)；是Lempel-Ziv歸一化指標(biāo)。公式成立的條件是N足夠大，N的經(jīng)驗(yàn)取值為：N≥3600。

圖5是軸承外圈Lempel-Ziv復(fù)雜度變化趨勢(shì)，對(duì)于外圈故障隨著故障尺寸的增大Lempel-Ziv復(fù)雜度指標(biāo)值變大。

圖6是本方法的實(shí)施流程圖。