一種基於貝葉斯網絡的滾動軸承故障診斷方法
2023-09-13 17:45:20 3
專利名稱：一種基於貝葉斯網絡的滾動軸承故障診斷方法
技術領域：
本發明涉及一種利用特徵信號進行建模與推理的故障診斷方法，具體涉及一種基於貝葉斯網絡的滾動軸承故障診斷方法。
背景技術：
滾動軸承是旋轉機械中最為重要的機械零件之一，廣泛應用於化工、冶金、電力、航空等各個重要部門，同時它也是最易損壞的元件之一。軸承性能與工況的好壞直接影響到與之相關聯的軸以及安裝在轉軸上的齒輪乃至整臺機器設備的性能，其缺陷會導致設備產生異常振動和噪聲，甚至造成設備損壞。因此，對滾動軸承故障進行診斷，尤其是對於早初期故障的分析，避免事故的發生，在生產實際中尤為重要。目前常見的滾動軸承故障診斷方法有故障機理分析法、基於信號和人工智慧的診斷方法。基於故障機理分析的診斷方法，往往需要建立複雜的非線性動力學數學模型，而且對於局部缺陷，尤其是對故障的初期的診斷不甚理想；基於信號的診斷方法，如基於小波變換的時頻域分析方法也被提出，小波基函數的選取對故障診斷的效果影響較大，而如何選擇小波基函數的問題尚未得到有效解決；基於人工智慧的故障診斷方法中，目前主要是利用人工神經網絡，通過不斷的學習和對系統進行信息的反饋，完成對診斷目標的分類。但其缺點是推理過程解釋性差，而且當待診斷樣本不完備(數據有缺失)時，神經網絡不能進行有效的推理工作，無法利用故障的早期特徵對軸承進行相應診斷。滾動軸承運行出現異常時，會直接反映到振動信號上，導致信號幅值域上特徵參數的變化。每個待診斷目標都有其與眾不同的特徵表象。然而，在嘈雜、不確定性、動態的環境下利用信號特徵進行快速、準確的故障的診斷，是一個複雜而艱巨的任務。貝葉斯網絡(Bayesian network,簡稱BN)作為解決不確定性和不完備信息問題處理的有效方法，由於其有機地結合`了概率論與圖論的理論成果，是可應用於故障診斷的理想工具。將問題域轉化為貝葉斯網絡模型表示後，便可利用貝葉斯網絡理論完成推理任務。貝葉斯網絡的推理是貝葉斯網絡研究的重要內容。其中，連接樹(又稱為聯合樹，Junctiontree )算法是目前計算速度快、應用最廣的BN精確推理算法之一。
發明內容
本發明的目的是提供一種基於貝葉斯網絡的滾動軸承故障診斷方法，利用貝葉斯網絡的學習能力和推理結果反映滾動軸承的故障狀態、提高診斷的準確性和有效性。本發明所採用的技術方案是
一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於
由以下步驟實現
第I步設置故障診斷信度閾值參數Θ *和故障樣本初始參數；設置樣本數據組m初值大小；設置故障類型Bearing取值事件q的個數；設置故障類型初值參數s={l，…，q}，類型標籤 tag_s={l, .··, q};第2步對不同故障引起的軸承的振動信號進行採樣，獲取樣本數據data_s={tag_s fs(η) I L=mN;m、N為正自然數；η=0，…，L_l};其中採集信號fs (η)分為m組長度各為N的數據，設j為組別號，則
權利要求
1.一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於由以下步驟實現第I步設置故障診斷信度閾值參數Θ *和故障樣本初始參數；設置樣本數據組m初值大小；設置故障類型Bearing取值事件q的個數；設置故障類型初值參數s={l，…，q}，類型標籤 tag_s={l, .··, q};第2步對不同故障引起的軸承的振動信號進行採樣，獲取樣本數據data_s={tag_s fs (η) I L=mN;m、N為正自然數；η=0，…，L_l};其中採集信號fs (η)分為m組長度各為N的數據，設j為組別號，則
2.根據權利要求1所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於第I步中，所述的Θ*範圍一般取O. 7至O. 8 (即70%至80%);m值常取80至100…常取值為3或4。
3.根據權利要求1或2所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於 第2步中，N值取1024。
4.根據權利要求3所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於 第 3 步中，k =0, ···, N-1; j=l,…，m;N值取 1024。
5.根據權利要求4所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於 第4步中，將W「u作為第j組頻率信號的第u個故障特徵向量，計算公式如下
6.根據權利要求5所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於 第5步中，r值取3或4。
7.根據權利要求6所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於 第6步中，BN模型各節點間的信度條件概率參數利用q類故障特徵向量樣本採用EM算法進行學習。
8.根據權利要求7所述的一種基於貝葉斯網絡的滾動軸承故障診斷方法，其特徵在於 第9步中,Wv為第V個目標特徵向量對應的觀測證據，4為故障診斷類型節點Bearing取值為I的事件，I ^ q ；q取值為3或4。
全文摘要
本發明涉及一種基於貝葉斯網絡的滾動軸承故障診斷方法。常見滾動軸承故障診斷方法，需建立數學模型，初期診斷不理想；選擇小波基函數問題未得到解決；推理過程解釋性差。本發明對軸承振動信號採樣，獲取樣本，進行N點快速Fourier變換處理，將時域信號轉成頻域信號，計算故障特徵向量，對故障特徵向量進行離散化，建立故障診斷推理貝葉斯網絡模型，設置待診斷故障樣本，獲取軸承觀測證據，在BN模型中完成故障診斷類型節點Bearing信度θ更新，計算故障診斷類型節點，輸出結果。本發明避免對振動信號進行複雜的數學建模過程，所得診斷推理模型具有特徵參量少、故障特徵突出和解釋性良好等優點，是解決滾動軸承故障診斷問題的有效途徑。
文檔編號G01M13/04GK103048133SQ20121050623
公開日2013年4月17日 申請日期2012年12月3日 優先權日2012年12月3日
發明者郭文強, 侯勇嚴, 周強, 付菊 申請人:陝西科技大學