基于roc-svd的轴承故障检测-于洪兵.pdf
《基于roc-svd的轴承故障检测-于洪兵.pdf》由会员分享,可在线阅读,更多相关《基于roc-svd的轴承故障检测-于洪兵.pdf(6页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、圈田圈 201 8年第2期基于ROCSVD的轴承故障检测于洪兵(包头职业技术学院,内蒙古张亚岐 周副权 陈重均包头014030;东风汽车公司技术中心,湖北武汉430058)摘要:在利用奇异值分解检测低信噪比的轴承故障信号时。奇异值能量阈值选择的随意性对检测结果有重要影响。为此提出利用受试者工作特征曲线(ROC曲线)对奇异值能量阈值进行优化,以降低阈值选择对检测结果影响。首先对当前滑动时窗内带噪信号进行降噪处理。通过奇异值分解初选奇异值阈值,通过Hilbert变换。得到当前时窗下故障频率;再对下一时窗信号进行检测时,将上一时窗奇异值阈值作为初值。利用ROC曲线对阈值进行修正,使得相邻两时窗故障频
2、率误差在5以内;并通过试验对所提及的检测算法进行验证,结果表明:ROCSVD算法检测结果的一致性较好,跟实际的检测结果较为接近。通过该方法计算得到的轴承外圈故障频率为110 Hz。实际为10935 Hz。关键词:低信噪比;故障;奇异值;ROC曲线;优化中图分类号:THl7 文献标识码:ADOI:1019287jcnki1005-2402201802020Fault detection of bearings based on ROCSVDYU Hongbing,ZHANG Yaqi,ZHOU Fuquan,CHEN Zhon舀un()Baotou Vocational and Technica
3、l College,Baotou 014030,CHN;Technology Centre,Dongfeng Motor Corporation,Wuhan 430058,CHN)Abstract:Because arbitrariness selection of singular value energy threshold has an important influence on the de-tection results when the low signaltonoise ratio of the beating fault signal was detected by usin
4、g singular value decompositionThis paper proposed to optimize the singular values of energy threshold throughreceiveroperating characteristic curve(ROC curve)ifl order to reduce the influence of the thresholdselection on detection resultsFirstlythe signal with noise in the current sliding time windo
5、w was filteredAccording to singular value decomposition,the primary singular value threshold can bedetermined and the fault frequency in current time window can be achieved by using Hilbert transformThe previous singular value threshold would be as initial value when the fault frequency in nexttime
6、window would be detectedThe threshold would be modified through ROC CHIVeIt can ensure theerror between the adjacent two window fault frequency was within 5In additiona test would be a-dopted to verify this mentioned detection algorithm and he results show that ROCSVD method has goodconsistency of d
7、etection results,and is relatively close to the actual test resultsThe fault frequency inbearing outer ring calculated by this method is 1 1 0 Hz and the actual value is 1 0935 HzKeywords:low signalnoise ratio;fault;singular value;ROC CHIVe;optimization轴承在机械传动过程中起到支承作用,其可靠性关系到整个传动系统的正常运转。其结构要求严格,但由于
8、轴承工作环境复杂,润滑条件受温度影响较大,在密封不好的传动系统中,轴承很容易出现失效,造成传动系统瘫痪。目前车载诊断系统能够对车辆实现全方位的故障检测,对可能出现的故障提前预警,在一定程度上改善了现有车辆的行驶安全性和可靠性而轴承作为机械传动的核心部件,被称之为机械“关节”,因此滚动轴承的正常运转直接制约着整个系统的运行。在通常工程实际运行过程中由轴承故障造成的国家自然科学基金项目(61374196,51178053):教育部长江学者和创新团队发展计划项目(IRTl286) 蕊菪l盅叛木占扣岔、 矿 一万方数据201 8年第2期事故屡屡发生1。在此,需要了解、掌握轴承结构和它的故障机理的理论基
9、础上,对其进行及时、正确的检测与诊断分析,从而预防故障的扩大化延长整个机械系统正常运行周期,进而提高生产经济效益。由于滚动轴承在工作过程中受到振动影响,故障信号与承载轴振动信号频率接近,故障信号很容易被吞没。在故障初期表现最为突出,传统的常规手段很难将信噪分离,而检测出早期的故障信号对提升整个传动系统的可靠性才有意义。因此,在轴承故障发生初期,利用信号提取技术将故障合理有效的故障特征提取出来并结合信号处理技术,给出当前故障所处阶段判断是否需要采取相应措施,这些均已成为故障诊断系统的关键技术。奇异值分解21(singular value decomposition,SVD)是一种理想的去相关性理
10、论,该理论在检测信号同时提取周期成分,根据奇异值能量的贡献率来判定奇异值的有效性,并通过奇异值的重构来提取故障信息。在奇异值分解时,奇异值阈值选择的随意性对检测结果有一定影响,在对低信噪比或者融合多个故障信号检测时,阈值选择的影响更为显著。为了最大限度的降低奇异值阈值对检测结果的影响,本文采用受试者特征工作曲线(ROC曲线)对初选的阈值进行优化,保证相邻两个时窗的故障频率误差不超过5从而提升实时在线检测的准确率。1基本理论11奇异值能量对于一个离散数字信号X=(戈(1),z(2),戈(N),其中,1,2,分别是采样点数,对信号x进行Hankel矩阵构造,构造具体内容如下:A=式(1)中n的范围
11、是1rt决定,DR“”,0代表零矩阵,q=min(m,凡),同时满足:6。6:6。0它们是A矩阵的奇异值。蕊蓉I皇教木占扣露Design and R嗍呦设计与研究在对Hankel矩阵进行构建过程中,矩阵中的m值(行数)和凡值(列数)的确定原则:当信号采样点数为偶妣糍“当为奇数时,薹嬲12)2此时的Hankel矩阵为最佳矩阵。为了实现自动判断有效奇异值的个数,定义奇异值能量并且进行能量归一处理:设所有奇异值按从小到大顺序所形成的一个序列s=e。,e:,eq,则bi=ei-e川,i=1,2,q-1 (3)其能量公式为E=(至1E。1 2)了1则: 丁=E。E,E2E,E。E (4)式中:序列丁称为
12、奇异值能量差分谱,它可以准确地描述相邻奇异值所表示的能量变化情况。由于有用信号奇异值能量高于噪声信号,因此在两者的分界点k处,必然会出现一个最大的峰值”。4。12 RoC曲线ROC曲线即受试者工作特征曲线(receiveroperator characteristic curve,ROC曲线)”。6 J,最初用于评价雷达性能,又称为接收者操作特性曲线。ROC曲线是根据一系列不同的二分类方式(分界值或决定阈),以真阳性率(灵敏度)为纵坐标,假阳性率(特异度)为横坐标绘制的曲线。传统的诊断试验评价方法有一个共同的特点,必须将试验结果分为两类,再进行统计分析_卜9|。ROC曲线的评价方法与传统的评价
13、方法不同,无须此限制,而是根据实际情况允许有中间状态,可以把试验结果划分为多个有序分类,如正常、大致正常、可疑、大致异常和异常5个等级再进行统计分析。因此,ROC曲线评价方法适用的范围更为广泛。该方法简单、直观,通过图示可观察分析方法的临床准确性,并可用肉眼作出判断。ROC曲线将灵敏度与特异性以图示方法结合在一起可准确反映某分析方法特异性和敏感性的关系,是试验准确性的综合代表。ROC曲线不固定分类界值,允许中问状态存在,利于使用者结合专业知识,权衡漏诊与误诊的影响,选择一更佳截断点作为诊断参考值。提供不同试验之间在共同标尺下的直观的比较ROC曲线越凸越近左上角表明其诊断价值越大,利于不同指标间
14、的比较。曲线下面积可评价诊断准确性。万方数据设计与研究Des啪and R踟呦 201 8年第2期2奇异值能量与ROC曲线优化的滚动轴承故障诊断方法21时窗确定在进行实时检测时,必须设定一定长度的时窗,时窗大小跟信号采集设备的采样频率有关。根据数理统计相关知识可知:50个样本以上算是大样本数据,大样本数据具有统计分布规律。因此,时窗长度与采样频率存在如下关系:丁旷罗 式中:厂为采样频率。22 ROCSVD故障检测算法针对滚动轴承故障存在冲击特征非平稳、微弱等特点,本文首先运用小波包分解方法对采集到的信号进行分解得出最小熵,从而获得低信噪比的故障信息,分离出强烈的噪声,剔除干扰噪声;然后利用奇异值
15、能量分析方法对高信噪比故障信号进行再去噪,进一步剔除伪信号,进而得到故障特征频率。具体执行步骤可分为如下:(1)确定原始信号小波包基与分解层数,并对其进行小波分解:计算得到相应节点系数的熵值,通过比较确定出最佳的小波包基,通过信号重构得到降噪后的信号。(2)对降噪重构后的信号构建奇异值hankel矩阵,计算奇异值序列并进行能量归一化处理,通过Hilbert变换,得到当前时窗下故障频率;再对下一时窗信号进行检测时将上一时窗奇异值阈值作为初值,利用ROC曲线对阈值进行修正,使得相邻两时窗故障频率误差在5以内。(3)信号重构并进行包络谱分析,提取故障信息。图1所示为分析流程图。ROC的具体优化过程如
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 roc svd 轴承 故障 检测
限制150内