(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211271086.2 (22)申请日 2022.10.18 (71)申请人 沃图水泵 （上海） 有限公司江苏分公 司 地址 226000 江苏省南 通市海安市海南 街 道通学桥村 达尔文路20 3号 (72)发明人 孙小洁　 (74)专利代理 机构 深圳利联知识产权代理事务 所(普通合伙) 44866 专利代理师 蒋勇华 (51)Int.Cl. G01M 13/045(2019.01) G06K 9/00(2022.01) G06K 9/62(2022.01) (54)发明名称 一种滚动轴承故障识别方法及系统 (57)摘要 本发明公开了一种滚动轴承故障识别方法 及系统， 涉及人工智能领域， 该方法包括： 获取待 检测滚动轴承从开始运行到当前时段的所有振 动信号； 利用每个振动信号对应的方差和局部信 息熵得到振动信号的信息熵波动范围； 获取振动 信号的信息熵波动范围内的局部信息熵对应的 振动信号记 为初始目标振动信号； 利用任意两个 初始目标振动信号之间的时间差得到多种属于 同一周期性的目标振动信号； 对同一周期性的目 标振动信号的局部信息熵进行曲线拟合得到拟 合曲线； 对每条拟合曲线上每个点的斜率进行聚 类得到多类斜率， 利用每类斜率均值之间的差值 确定当前滚动轴承是否存在异常， 本发明实现了 对滚动轴承故障的准确的自动化识别。 权利要求书2页 说明书5页 附图1页 CN 115356109 A 2022.11.18 CN 115356109 A 1.一种滚动轴承故障识别方法， 其特 征在于： 获取待检测滚动轴承从开始运行到当前时段的所有振动信号； 以每个振动信号 为中心选取设定时长的信号段作为该振动信号的目标信号段； 利用每个振动信号的目标信号段中所有振动信号的信号值得到该振动信号的局部信 息熵； 获取每个振动信号的目标信号段中所有振动信号的信号值的方差， 利用每个振动信号 对应的方差和 局部信息熵得到振动信号的信息熵波动范围； 获取振动信号的信息熵波动范围内的局部信息熵对应的振动信号记为初始目标振动 信号； 利用任意两个初始目标振动信号之间的时间差将初始目标振动信号分为多种不同周 期性的目标振动信号； 对每种属于同一周期性的目标振动信号的局部信息熵进行曲线拟合得到拟合曲线； 对每条拟合曲线上每个点的斜率进行聚类得到多类斜率， 利用每类斜率均值之间的差 值确定当前滚动轴承是否存在异常。 2.根据权利要求1所述的一种 滚动轴承故障识别方法， 其特征在于， 目标信号段的长度 大于滚动轴承的转动周期。 3.根据权利要求1所述的一种 滚动轴承故障识别方法， 其特征在于， 利用每个振动信号 对应的方差和 局部信息熵得到振动信号的信息熵波动范围的步骤 包括： 分别获取所有振动信号的方差的均值和局部信息熵的均值作为目标方差和目标局部 信息熵； 利用目标局部信息熵减去目标 方差作为振动信号的信息熵波动范围的最小值； 利用目标局部信息熵加上目标 方差作为振动信号的信息熵波动范围的最大值； 将信息熵波动范围的最大值和最小值形成的区间作为振动信号的信息熵波动范围。 4.根据权利要求1所述的一种 滚动轴承故障识别方法， 其特征在于， 利用任意两个初始 目标振动信号之间的时间差将初始目标振动信号分为多种不同周期性的目标振动信号的 步骤包括： 获取任意两个初始目标振动信号之间的时间差； 将时间差和转动周期相等且时间间隔为转动周期的振动信号划分为同一周期性的目 标振动信号。 5.根据权利要求1所述的一种 滚动轴承故障识别方法， 其特征在于， 对拟合曲线上每个 点的斜率进行k‑means算法二分类得到 两类斜率。 6.根据权利要求5所述的一种 滚动轴承故障识别方法， 其特征在于， 利用每类斜率均值 之间的差值确定当前滚动轴承是否存在异常的步骤 包括： 获取每类斜率中所有斜 率的均值， 并得到 两类斜率的均值之间的差值； 当差值大于预设的异常阈值时， 认为该滚动轴承 存在故障； 当差值不大于预设的异常阈值时， 认为该滚动轴承不存在故障。 7.一种滚动轴承故障识别系统， 其特 征在于， 包括： 数据采集模块： 用于获取待检测滚动轴承从开始运行到当前时段的所有振动信号， 以 每个振动信号 为中心选取设定时长的信号段作为该振动信号的目标信号段；权　利　要　求　书 1/2 页 2 CN 115356109 A 2数据处理模块： 用于利用每个振动信号的目标信号段中所有振动信号的信号值得到该 振动信号的局部信息熵； 获取每个振动信号的目标信号段中所有振动信号的信号值的方 差， 利用每 个振动信号对应的方差和 局部信息熵得到振动信号的信息熵波动范围； 数据提取模块： 用于获取振动信号的信 息熵波动范围内的局部信 息熵对应的振动信号 记为初始目标振动信号； 利用任意两个初始目标振动信号之间的时间差将初始目标振动信 号分为多种不同周期性的目标振动信号； 检测识别模块： 用于对每种属于同一周期性的目标振动信号的局部信 息熵进行曲线拟 合得到拟合 曲线； 对每条拟合 曲线上每个点的斜率进行聚类得到多类斜率， 利用每类斜率 均值之间的差值确定当前滚动轴承是否存在异常。权　利　要　求　书 2/2 页 3 CN 115356109 A 3