[发明专利]基于自适应冗余提升小波降噪分析的轴承故障识别方法

权利要求书

1.一种基于自适应冗余提升小波降噪分析的轴承故障识别方法，其特征在于包括如下步骤：

1）轴承振动信号的自适应冗余提升小波变换；

首先，确定预测算子长度                                               和更新算子长度并一共得到十组不同的值，结合Lagrange插值公式计算得到十组预测算子系数和更新算子系数进而构造出十种具有不同特性的小波；然后，确定分解层数，开始逐次进行冗余提升小波分解；每次分解时，均对新生成的十组低频逼近信号和高频细节信号取归一化范数，并比较这十个范数值，取范数值最小的低频逼近信号和高频细节信号作为该次分解的最终结果而舍弃其他九组结果；

2）对各次分解得到的高频细节信号作变尺度阈值降噪处理；

3）对最后一次分解得到的低频逼近信号和经小波阈值降噪后的高频细节信号作完整的逆向重构；

4）对重构后的信号作Hilbert解调处理，得到初始振动信号的包络谱图；对谱图中的频率成分进行提取和识别；若能发现转频或故障特征频率甚至对应的倍频，判断轴承发生故障。

2.根据权利要求1所述之基于自适应冗余提升小波降噪分析的轴承故障识别方法，其特征在于具体步骤：

1）确定分解层数为三，对采集得到的轴承振动信号作自适应冗余提升小波变换；三层分解完成后，得到三个低频逼近信号和以及三个高频细节信号和；其中下标分别表示第一层、第二层和第三层分解得到的结果；

2）对作变尺度阈值降噪处理；在这一过程中，先由启发式阈值生成规则和初始振动信号生成初始阈值然后选用硬阈值函数对分别取阈值进行降噪，并得到降噪后的结果

3）对作完整的逆向重构；

4）对所得的重构信号进行Hilbert解调及包络谱分析；结果轴承的故障机理提取谱图中的频率成分并进行判断；若发现转频甚至其倍频成分，则判断滚动轴承可能发生故障；若发现有外圈或内圈或滚动体或保持架的故障特征频率甚至其倍频，则相应判断外圈或内圈或滚动体或保持架发生了故障；否则，继续采集轴承的振动信号并按照上述步骤重新进行分析判别。

3.根据权利要求1或2所述之基于自适应冗余提升小波降噪分析的轴承故障识别方法，其特征在于所述的轴承振动信号的自适应冗余提升小波变换，包含如下步骤：

1）确定小波变换的分解层数为三；开始进行变换并取当前分解层数为1；则一次完整的自适应拟合冗余提升小波变换的步骤主要有：

 以低频逼近信号作为每次变换的待分解信号时即为初始振动信号；

 对当前的预测算子系数和更新算子系数进行插值补零以实现冗余算法；当前预测算子系数为时，则插值补零后的预测算子系数为同理可得到插值补零后的更新算子系数；

 确定十组预测算子长度和更新算子长度的组合分别为并结合Lagrange插值公式计算构造得到十种不同的小波；将这十种小波依次对待分解的低频逼近信号作冗余提升小波变换（即预测和更新两个步骤），得到十组新生成的低频逼近信号和高频细节信号表示由小波分解得到的新的信号；

 对十组分别求取归一化范数，计算公式如下：

即分别求取的范数，再对两者求和得到最终的范数值上式中，表示中的第个系数；

 对十个范数值进行比较，取最小值对应的那组作为该次分解的最终结果，并取该作为下一次分解时新的待分解信号

2）当一次变换结束以后，令当前分解层数加一，然后按照上述步骤至继续进行下一次变换，直至三层分解全部完成，则整个自适应拟合冗余提升小波变换进行完毕。