基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法

摘要

本发明提供的是一种基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法。（1）利用加速度传感器获取旋转机械振动加速度测试信号；（2）采用基于负熵最大化的FastICA方法对所述测试信号进行解耦分离；（3）计算分离信号谱峭度，并筛选出最能表征故障信息的分离信号；（4）对被选取的分离信号进行Hilbert包络谱分析；（5）将包络谱峰值对应的频率与轴承故障特征频率进行比较，从而诊断出具体故障。旋转机械滚动轴承的内圈故障诊断很好地验证了提出的方法的有效性，且故障信息明显增强，故障诊断精度大大调高，易于实现，实时性好，说明其具有良好的应用前景。

主权项

一种基于FastICA‑谱峭度‑包络谱分析的旋转机械故障诊断方法，其特征是：(1)利用加速度传感器获取旋转机械振动加速度测试信号；(2)采用基于负熵最大化的FastICA方法对所述测试信号进行解耦分离；(3)计算分离信号谱峭度，并筛选出最能表征故障信息的分离信号,具体包括：1)峭度K是归一化的4阶中心矩，其计算公式为：$K=\frac{\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{(x_i-\bar{x})}^4}{{\left\{\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}{(x_i-\bar{x})}^2\right\}}^2}$式中：x_i为信号值，为信号均值，n为采样长度；2)筛选出最能表征故障信息的分离信号的选取原则为：在旋转机械无故障运转时，峭度指标值K≈3；随着故障的出现和发展，信号幅值的分布偏离正态分布，峭度值也随之增大，峭度指标的绝对值越大，说明旋转机械越偏离其正常状态，故障越严重；(4)对被选取的分离信号进行Hilbert包络谱分析；(5)将包络谱峰值对应的频率与旋转机械故障特征频率进行比较，从而诊断出具体故障。