基于CEEMDAN-OMEDA的轴承故障诊断方法、系统及介质

技术领域

本发明属于工业诊断及数据处理技术领域，更具体地，涉及针对轴承早期故障产生的微弱冲击的基于CEEMDAN-OMEDA的轴承故障诊断方法、系统及介质。

背景技术

随着大数据、人工智能、工业互联网等新兴技术的快速发展，工业数字化是未来发展的必然方向。工业数据的不断产生，使得传统处理数据处理方法面临着效率低下以及准确度不够的挑战。

轴承作为传动系统不可或缺的部件，在工业、运输业及军事领域都得到了广泛的运用，其运行状态的好坏将直接关系到整个设备的工作情况。轴承出现早期故障时，会产生微弱的冲击信号，共振频带通常出现在高频频带范围内，常用的时频分析方法对于微弱冲击信号具有局限性。

常规的CEEMDAN(Complete Ensemble Empirical Mode Decomposition withAdaptive Noise,简称CEEMDAN) 自适应白噪声完备经验模态分解算法是将白噪声自适应地添加到全部分解过程中，同时IMF分量的获取是通过计算唯一的残余信号，这在很大程度上克服了模态混叠等问题，在对轴承信号进行分解的过程中，CEEMDAN方法可以将轴承信号从高频到低频进行分解，从而可以提取出轴承故障产生的高频冲击信号。

但是许多学者在使用CEEMDAN方法时，计算出每个IMF与原始信号的相关性，选取相关性高的IMF分量，舍弃相关性小的IMF分量，即选取的IMF是以信息为主导的分量，而后舍弃噪声较多的IMF分量，这就有可能漏掉冲击信号，导致IMF中的有效信息不能被充分利用，从而影响了整体去噪效果。

因此，如何在保证提取足够准确的冲击信号的前提下减小漏掉冲击信号的可能性，从而保证整体去噪效果是亟需解决的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种基于CEEMDAN-OMEDA的轴承故障诊断方法、系统及介质，可以有效地解决轴承早期故障产生的微弱冲击信号提取和处理中存在的相关问题，保证提取足够准确的故障冲击信号的前提下减小漏掉冲击信号的可能性，从而保证整体去噪效果，有效识别轴承的故障部位所对应的故障冲击信号。

为了解决上述技术问题，按照本发明的一个方面，本发明提供一种基于CEEMDAN-OMEDA的轴承故障诊断方法，其特征在于包括如下步骤：

S1、获取轴承的原始加速度信号；

S2、对原始加速度信号进行CEEMDAN分解；

S3、画出每个基本模态IMF分量信号的快速峭度谱，获取每个IMF分量信号的共振频率带；

S4、根据共振频率带得到滤波步长，然后运用OMEDA方法对每个IMF分量信号的冲击成分进行加强处理；

S5、对每个处理过后的IMF分量信号进行频域滤波；

S6、计算出每个滤波后的IMF分量信号的冲击能量平均值；

S7、对冲击能量平均值最大的IMF分量信号进行包络解调，得到包络谱；

S8、查看包络谱中轴承特征频率幅值大小，如果某个特征频率的幅值超出包络阈值，则这个特征频率所对应的轴承部件出现了故障。

上述技术方案中，步骤S4步长为共振频率带的截止频率减去初始频率。

上述技术方案中，步骤S4运用OMEDA方法的具体过程是设置一个有限长度的滤波器，所述有限长度为滤波步长，根据长度提取轴承故障信号的冲击成分。

上述技术方案中，根据轴承型号和转速获取轴承特征频率，所述轴承特征频率分别对应轴承的内圈、外圈、保持架、滚动体。

上述技术方案中，步骤S5分为有线传感器滤波和无线传感器滤波分别进行带通频带参数设置。

在一些可选的实施方案中，步骤S5对于有线传感器，带通频带设置为20~25KHz；对于无线传感器，带通频带设置为3K~5KHz。

具体地，本发明通过在CEEMDAN分解后计算出每个IMF的冲击能量平均值，选取冲击能量平均值最大的IMF分量作为轴承的冲击信号进行分析，提取信号中的冲击成分，保证了信号提取源头的完整性。同时，本发明以最大化峭度为准则，提取轴承故障的周期性脉冲特征，同时使噪声分量最小。当故障周期性信号倍被提取出来，而噪声被减小，重构生成的信号中故障信号就被增强了，即增强轴承故障信号的冲击成分。

按照本发明的另一方面，本发明还提供一种基于CEEMDAN-OMEDA的轴承故障诊断系统，包括：

信号采集装置，获取轴承的原始加速度信号；

信号处理装置，对原始加速度信号进行CEEMDAN分解，画出每个基本模态IMF分量信号的快速峭度谱，获取每个IMF分量信号的共振频率带；根据共振频率带得到滤波步长，步长为共振频率带的截止频率减去初始频率，然后运用OMEDA方法对每个IMF分量信号的冲击成分进行加强处理；对每个处理过后的IMF分量信号进行频域滤波；计算出每个滤波后的IMF分量信号的冲击能量平均值；对冲击能量平均值最大的IMF分量信号进行包络解调，得到包络谱；

信号比对装置，用于查看包络谱中轴承特征频率幅值大小，并对某个特征频率的幅值是否超出包络阈值进行判断，以确定这个特征频率所对应的轴承部件是否出现故障。

上述技术方案中，信号处理装置对每个处理过后的IMF分量信号进行频域滤波时，对于有线传感器，带通频带设置为20~25KHz；对于无线传感器，带通频带设置为3K~5KHz。

上述技术方案中，信号处理装置采用OMEDA方法时，设置一个有限长度的滤波器，所述有限长度为滤波步长，根据长度提取轴承故障信号的冲击成分。

按照本发明的另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

本发明通过OMEDA的方法加强IMF分量中的冲击成分，并用冲击能量平均值这个指标提取IMF分量中含冲击成分最多的分量，最后用这个分量信号进行包络解调提取轴承故障特征。

相对于现有技术，本发明OMEDA方法能突出信号中的突击成分，容易提取轴承故障的冲击信号。

通过冲击能量平均值提取到与轴承故障密切相关的信号，对干扰信号进行了抑制。

在对轴承故障信号去噪的同时保留了故障的所有冲击信号，保证了信号的完整性和全面性，避免了漏掉冲击信号的可能性，从而保证整体去噪效果，保证了诊断方法的有效性和准确度。

附图说明

图1是本发明实施例提供的基于CEEMDAN-OMEDA的轴承故障诊断方法流程示意图。

图2～图7是本发明一个实施例的前六阶IMF（分别为IMF1-IMF6）的快速峭度谱图。

图8是本发明一个实施例的一个分量信号包络谱图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

实施例1：

图1为本发明的分析方法流程图，展示了根据北本发明的基于CEEMDAN-OMEDA的轴承故障诊断方法，具体包括以下步骤：

S1、获取轴承的原始加速度信号；

S2、对原始加速度信号进行CEEMDAN分解；

S3、画出每个基本模态分量IMF的快速峭度谱，获取每个分量信号IMF的共振频率带；

S4、根据共振频率带得到滤波步长，步长为共振频率带的截止频率减去初始频率，然后运用OMEDA方法对每个IMF分量信号的冲击成分进行加强；OMEDA方法是设计一个有限长度的滤波器，长度就是滤波步长，提取轴承故障信号的冲击成分，减小噪声，故经过OMEDA处理后的信号噪声减小了，冲击成分增强了；

S5、对每个处理过后的IMF分量进行频域滤波；

S6、计算出每个滤波后的IMF分量的冲击能量平均值；

S7、对冲击能量平均值最大的IMF分量信号进行包络解调，得到包络谱；

S8、查看包络谱中轴承特征频率幅值大小，如果某个特征频率的幅值超出包络阈值，则这个特征频率所对应的轴承部件出现了故障。

所述最优最小熵解卷积(OMEDA)方法是设计一个有限长度的滤波器，长度就是滤波步长，提取轴承故障信号的冲击成分，减小噪声，故经过OMEDA处理后的信号噪声减小了，冲击成分增强了。

按照步骤S1-S3根据每个分量信号画出每个IMF的快速峭度谱，取前六阶快速峭度谱进行展示，如图2-7所示。

根据步骤S4设置滤波IMF1步长为2560，IMF2步长为853，IMF3步长为640，IMF4步长为853，IMF5步长为426，IMF6步长为320，IMF7步长为1706，IMF8步长为1706，IMF9步长为640，IMF10步长为320，IMF11步长为213，IMF12步长为80，采用OMEDA方法突出每个IMF分量信号中的冲击成分。

根据S5对每个IMF分量信号进行频域滤波。对于有线传感器，带通频带设置为20~25KHz。对于无线传感器，带通频带设置为3K~5KHz。

根据S6计算出滤波后每个IMF分量的冲击能量平均值，如表1所示。

由表1可知，冲击能量平均值最大的分量信号是IMF8。

轴承型号为6314深沟球轴承。轴承参数：滚动体个数

表1 IMF的冲击能量平均值

表2 轴承特征频率（Hz）

根据S7，对IMF8进行包络解调，如图8所示，并获得包络谱，根据步骤S8，将轴承特征频率带入包络谱中寻找对应频率的幅值，发现147.6Hz的幅值比较突出，由此可以初步判断轴承内圈出现故障。

验证结果表明该方法能够有效识别轴承的故障部位，从而能够有效的对轴承故障进行诊断。

实施例2:

按照本发明的另一方面，本发明还提供一种基于CEEMDAN-OMEDA的轴承故障诊断系统的实施例，包括：

信号采集装置，获取轴承的原始加速度信号；

信号处理装置，对原始加速度信号进行CEEMDAN分解，画出每个基本模态IMF分量信号的快速峭度谱，获取每个IMF分量信号的共振频率带；根据共振频率带得到滤波步长，步长为共振频率带的截止频率减去初始频率，然后运用OMEDA方法对每个IMF分量信号的冲击成分进行加强处理；对每个处理过后的IMF分量信号进行频域滤波；计算出每个滤波后的IMF分量信号的冲击能量平均值；对冲击能量平均值最大的IMF分量信号进行包络解调，得到包络谱；

信号比对装置，用于查看包络谱中轴承特征频率幅值大小，并对某个特征频率的幅值是否超出包络阈值进行判断，以确定这个特征频率所对应的轴承部件是否出现故障。

上述技术方案中，信号处理装置对每个处理过后的IMF分量信号进行频域滤波时，对于有线传感器，带通频带设置为20~25KHz；对于无线传感器，带通频带设置为3K~5KHz。

上述技术方案中，信号处理装置采用OMEDA方法时，设置一个有限长度的滤波器，所述有限长度为滤波步长，根据长度提取轴承故障信号的冲击成分。

实施例3:

按照本发明的另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。