本發(fā)明涉及檢測，更具體的說是涉及基于能量熵和anfis的滾珠絲杠副故障識別方法及系統(tǒng)。

背景技術(shù)：

1、滾珠絲杠副作為一種機械傳動組件，廣泛應(yīng)用于各類工業(yè)裝置和精密儀器中，其將旋轉(zhuǎn)運動高效轉(zhuǎn)換為直線運動，且具有傳動精度高、效率高、壽命長等優(yōu)點，在傳動領(lǐng)域占據(jù)重要地位。

2、近年來，對滾珠絲杠副的相關(guān)性能、動力學分析的研究越來越多，不斷提高滾珠絲杠副的可靠性，以提高數(shù)控機床的加工精度，但在滾珠絲杠長期運行中，不斷的加減速、急停，甚至潤滑不足，不斷加劇滾珠和滾道表面的磨損，導致滾珠和滾道的間隙增大，直接影響到進給系統(tǒng)的定位精度，從而影響到加工零件的產(chǎn)品質(zhì)量，加速了刀具的磨損和破環(huán)，從而引發(fā)故障，造成企業(yè)巨大的經(jīng)濟損失。這些故障不僅會妨礙設(shè)備的正常運轉(zhuǎn)，甚至可能導致整個生產(chǎn)線的停工，給企業(yè)造成巨大的經(jīng)濟損失。

3、因此，對滾珠絲杠副實施故障診斷，以確保其穩(wěn)定可靠的運行，已成為當前機械領(lǐng)域研究的熱點問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于能量熵和anfis的滾珠絲杠副故障識別方法及系統(tǒng)，能夠?qū)崿F(xiàn)對滾珠絲杠副的故障實時識別。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

3、基于能量熵和anfis的滾珠絲杠副故障識別方法，包括：

4、獲取故障樣本數(shù)據(jù)，對所述故障樣本數(shù)據(jù)進行預(yù)處理，采用iceemdan算法進行分解，獲取若干imf模態(tài)分量；

5、提取所述imf模態(tài)分量中的故障特征，基于所述故障特征構(gòu)建滾珠絲杠副振動信號的故障特征矩陣向量；

6、將所述故障特征矩陣向量輸入到預(yù)設(shè)的anfis模型中，實現(xiàn)對滾珠絲杠副故障類型識別。

7、優(yōu)選的，所述獲取若干imf模態(tài)分量具體包括：獲得第一殘差：而后根據(jù)第一殘差計算第一imf模態(tài)分量其中，m(.)是由序列x(t)算出來的局部均值，n為均值個數(shù)。

8、優(yōu)選的，所述提取所述imf模態(tài)分量中的故障特征具體包括：計算各模態(tài)分量的能量熵作為頻域特征，同時計算振動信號的時域指標，并通過主成分分析降維得到時域特征，將所述時域特征和頻域特征進行組合，構(gòu)建滾珠絲杠副振動信號的故障特征矩陣向量。

9、優(yōu)選的，所述時域指標包括：平均值，標準差，絕對誤差，峭度，最大值，最小值，峰峰值，均方根，振幅因數(shù)，波形因數(shù)與沖擊因數(shù)。

10、優(yōu)選的，所述計算各模態(tài)分量的能量熵具體包括：

11、

12、其中，pi＝ei/e表示第i個imf模態(tài)分量ei的能量在總能量中的比重，i＝1,...,n，hem為能量熵值。

13、基于能量熵和anfis的滾珠絲杠副故障識別系統(tǒng)，包括：

14、模態(tài)分量獲取模塊，獲取故障樣本數(shù)據(jù)，對所述故障樣本數(shù)據(jù)進行預(yù)處理，采用iceemdan算法進行分解，獲取若干imf模態(tài)分量；

15、矩陣向量構(gòu)建模塊，提取所述imf模態(tài)分量中的故障特征，基于所述故障特征構(gòu)建滾珠絲杠副振動信號的故障特征矩陣向量；

16、識別模塊，將所述故障特征矩陣向量輸入到預(yù)設(shè)的anfis模型中，實現(xiàn)對滾珠絲杠副故障類型識別。

17、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明公開提供了一種基于能量熵和anfis的滾珠絲杠副故障識別方法及系統(tǒng)，利用能量熵計算imf分量的特征，能量熵能夠量化信號在時頻域內(nèi)的顯著特征，且在不同故障狀態(tài)下差異明顯。結(jié)合時域指標構(gòu)建故障特征向量，這種多維度特征提取方式全面且精準地捕捉了滾珠絲杠副的故障信息，有效解決了故障特征提取復雜的問題，相比單一的特征提取方法能更好地反映故障狀態(tài)的本質(zhì)特征，anfis模型自身具有自學習和自適應(yīng)能力，結(jié)合了模糊邏輯和神經(jīng)網(wǎng)絡(luò)的優(yōu)點。在故障識別過程中，通過訓練能夠自動調(diào)整模糊規(guī)則和隸屬函數(shù)，對滾珠絲杠副的不同故障類型具有較高的識別精度。

技術(shù)特征：

1.基于能量熵和anfis的滾珠絲杠副故障識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于能量熵和anfis的滾珠絲杠副故障識別方法，其特征在于，所述獲取若干imf模態(tài)分量具體包括：獲得第一殘差：而后根據(jù)第一殘差計算第一imf模態(tài)分量其中，m(.)是由序列x(t)算出來的局部均值，n為均值個數(shù)。

3.根據(jù)權(quán)利要求1所述的基于能量熵和anfis的滾珠絲杠副故障識別方法，其特征在于，所述提取所述imf模態(tài)分量中的故障特征具體包括：計算各模態(tài)分量的能量熵作為頻域特征，同時計算振動信號的時域指標，并通過主成分分析降維得到時域特征，將所述時域特征和頻域特征進行組合，構(gòu)建滾珠絲杠副振動信號的故障特征矩陣向量。

4.根據(jù)權(quán)利要求3所述的基于能量熵和anfis的滾珠絲杠副故障識別方法，其特征在于，所述時域指標包括：平均值，標準差，絕對誤差，峭度，最大值，最小值，峰峰值，均方根，振幅因數(shù)，波形因數(shù)與沖擊因數(shù)。

5.根據(jù)權(quán)利要求3所述的基于iceemdan能量熵和anfis的滾珠絲杠副故障識別方法，其特征在于，所述計算各模態(tài)分量的能量熵具體包括：

6.基于能量熵和anfis的滾珠絲杠副故障識別系統(tǒng)，應(yīng)用權(quán)利要求1-5任一所述的基于能量熵和anfis的滾珠絲杠副故障識別方法，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于能量熵和ANFIS的滾珠絲杠副故障識別方法及系統(tǒng)，涉及檢測技術(shù)領(lǐng)域，包括獲取故障樣本數(shù)據(jù)，對故障樣本數(shù)據(jù)進行預(yù)處理，采用ICEEMDAN算法進行分解，獲取若干IMF模態(tài)分量；提取IMF模態(tài)分量中的故障特征，基于故障特征構(gòu)建滾珠絲杠副振動信號的故障特征矩陣向量；將故障特征矩陣向量輸入到預(yù)設(shè)的ANFIS模型中，實現(xiàn)對滾珠絲杠副故障類型識別。本發(fā)明能夠?qū)崿F(xiàn)對滾珠絲杠副不同故障類型的識別。

技術(shù)研發(fā)人員：吳沁,劉彥斌,李建雄
受保護的技術(shù)使用者：蘭州理工大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/22