[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

说明书

技术领域

本发明属于设备故障诊断领域，特别地，涉及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。

背景技术

在设备故障诊断领域，因为滚动轴承和齿轮是十分普遍使用和十分重要的部件，而且这两者均是机械装备中最容易损坏的零件之一，所以对二者进行状态监测与故障诊断具有重大的工程意义。滚动轴承和齿轮存在缺陷时，损伤点与其它元件接触时会产生周期性的冲击。如何从振动加速度信号中有效提取冲击特征，是对滚动轴承和齿轮缺陷位置和损失程度进行评判的关键问题。

传统的滚动轴承和齿轮故障诊断方法有频谱分析，包络解调和时频分析等。但是频谱分析需要使用较多的正交简谐三角函数对冲击信号进行逼近，除非轴承损伤严重，故障特征非常明显，否则对于成分复杂的滚动轴承和齿轮振动信号，其故障冲击特征在频谱中常常被背景噪声和其他信号成分所淹没。包络解调是一种有效的滚动轴承和齿轮故障诊断方法，但是包络解调首先都要对振动信号进行带通滤波或者高通滤波；如何针对不同机组、不同工况合理地选择有关参数，是工程中的难题，现场工程人员往往难以掌握设置要领，且每一种具体设置的通用性都存在问题。另外，时频分析，比如魏格纳分部、EMD-HHT等，也有报道用于滚动轴承和齿轮冲击性故障的诊断，但是这些方法存在计算量大、参数选择困难以及较难实现实时监测等问题。同时，这些方法还需要工程人员具有较高深的信号处理知识，这同样使得其应用在工程实践中比较困难。

发明内容

本发明的目的在于，提出了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，通过对实测振动信号进行按照峭度最高优化后的自适应滤波器进行适当的滤波，实现对振动信号中的冲击故障特征精确的提取。其过程无需人为干预，并能够给出更清晰地包络谱，从而更清晰地显示出故障征兆。

具体技术方案如下：

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。

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。

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。