[发明专利]通过非线性冗余提升小波包处理轴承设备振动信号的方法

说明书

技术领域

本发明涉及一种轴承的故障诊断技术领域，特别是处理轴承设备振动信号的方法。

背景技术

现代科学技术的日新月异，加速了机械设备大型化、精密化、高速化和自动化的发展趋势。但设备长时间运行，加上生产环境十分恶劣，必将引起部件的损耗直至最终发生故障。为避免设备因故障而造成的巨大经济损失和不良社会影响，运用行之有效的方法对设备状态进行实施监测具有十分重要的现实意义。

轴承作为应用最为广泛也是最易发生故障的部件，是状态监测的重中之重，对其振动信号进行时域和频域的分析是最为常用亦是最为基本的方法。但设备故障的早期振动信号往往非常微弱，并被强大的背景噪声所淹没，同时还呈现出非线性特性。因此，应用非线性冗余提升小波包分析和节点的非线性单支重构算法，可以自适应地匹配信号中的丰富信息，结合基于小波包能量分析和解调的特征提取算法，可以有效识别信号中的微弱故障信息，实现设备的早期故障诊断，为预知维修提供可能性和可行性。

发明内容

本发明所要解决的技术问题是：提供一种通过非线性冗余提升小波包处理轴承设备振动信号的方法，通过该处理方法得到的信号，可以更有效地突出节点中的微弱故障信息，降低故障特征频率识别的难度，有利于提高轴承早期故障诊断的成功率。

本发明为解决上述提出的问题所采用解决方案为：

通过非线性冗余提升小波包处理轴承设备振动信号的方法，它包括以下步骤：

步骤(1)、采用六组预测算子和更新算子对轴承设备振动原始信号进行小波包逐层分解的步骤；

所述六组预测算子和更新算子通过以下方式获得：

选取N＝4，12，20和N~=4,12,20;]]>

N、分别表示预测算子和更新算子的长度，其组合表示为(N和)，以此组合一共得到(4，4)、(12，4)、(12，12)、(20，4)、(20，12)和(20，20)六种组合；

将上述六种组合分别带入算子的计算公式中，计算公式为：

pi=Πi=1i≠jN(N+1)/2-ij-i]]>

得到六组系数，再用多孔算法对上述六组系数进行插值补零处理，得到六组预测算子和更新算子；

所述小波包逐层分解过程中，均计算每一层小波包分解结果的l^p范数，以l^p范数取值最小值时对应的预测算子和更新算子为该层的最优预测算子和更新算子；

步骤(2)、对步骤(1)得到的最后一层的各个节点求取归一化能量，选取能量最大的节点；

步骤(3)、对步骤(2)选取的节点进行单支小波包逆向重构，得到轴承设备振动重构信号；

所述小波包逆向重构采用的预测算子和更新算子选用各层的最优预测算子和更新算子。

上述步骤(1)中，所述小波包逐层分解过程中，对各层的高频节点进行小波包分解时，将所得的高、低频两个节点信息进行互换；

步骤(3)中，所述小波包逆向重构过程中，将所得的高、低频两个节点信息进行互换。

上述步骤(1)中，所述小波包逐层分解过程中，对小波包分解得到的各个节点信号进行FFT变换，再将各节点所在频带范围以外的频率成分置零，再对经过处理的信号进行IFFT变换。