结合轴承动力学模型与机器学习模型的轴承故障测量方法

本发明公开了一种结合轴承动力学模型与机器学习模型的轴承故障测量方法。具体步骤为：通过加速度传感器和霍尔传感器实时监测轴承的振动信号和主轴转速信号，利用快速傅里叶变换分析轴承振动信号和主轴转速信号的频率成分，并结合轴承动力学模型计算轴承内圈速度、保持架速度、滚子滑动速度、滚子滚动速度、滚子公转及自旋速度。通过将轴承各部件计算的速度与FFT分析的频率进行比较，区分出轴承各部件的实际振动频率和时域振动信号，最后使用机器学习模型对振动信号进行分类和故障识别。准确区分了轴承子部件的振动信号，实现了对轴承各个部件运行的实时监测和高精度故障测量。解决对轴承系统各个部件故障诊断精度低、动态工况适应度差的问题。