[发明专利]基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法

权利要求书

1.一种基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于包括以下步骤：

(1)建立基于指数衰减正弦的冲击性故障信号模型，然后应用Hector Mesa公开发表的模式自适应小波生成算法生成与该信号模型相匹配的自适应小波滤波器；

(2)利用快速FIR滤波算法执行所述自适应小波滤波器，即对滚动轴承或齿轮的加速度振动信号进行滤波得到滤波结果；

(3)计算步骤(2)中所述滤波结果的峭度值；

(4)用进化差分算法重复步骤(2)至步骤(3)，对所述冲击性故障信号模型中的参数进行优化；优化目标使用步骤(3)中的峭度；最终得到最优化包络谱。

2.根据权利要求1所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于：所述步骤(1)包括以下步骤：

(1.1)建立冲击性故障信号模型如下：

w(t)=exp(-αtf0)·sin(2πfHt)]]>

其中，将时间t用采样频率Fs采样后离散化得到w(n)＝w(n·Δt)，Δt＝1/Fs，Fs为实际测量振动信号时所用的采样频率；α是衰减指数，f₀是预指定故障频率，f_H是高频调制频率；

(1.2)采用法国学者Hector Mesa公开发表的模式自适应小波生成算法，生成与w(n)相适应的小波wav(n)；所述小波满足小波容许条件，并具有时频紧支性。

3.根据权利要求2所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于，所述步骤(2)包括以下步骤：

将所述wav(n)视为一个FIR滤波器的单位冲击响应，并用数字信号处理中通用的快速卷积算法，对实测振动信号x(t)的采样x(n)进行滤波，算法如下：

x′(n)＝IDFT(DFT(wav₀(n))·DFT(x(n)))

其中，x′(n)是滤波结果，DFT表示离散傅里叶变换，IDFT表示离散逆傅里叶变换。