[发明专利]一种基于EEMD和K-GDE的滚动轴承故障特征的提取方法

权利要求书

1.一种基于EEMD和K-GDE的滚动轴承故障特征的提取方法，其特征在于，包括：

S1.利用加速度传感器与采集器测量滚动轴承振动，获得滚动轴承振动信号；

S2.对滚动轴承振动信号进行EEMD分解，得到若干个本质模函数和一个残余分量；

S3.计算各本质模函数自身的峭度指标；

S4.计算各本质模函数与原始信号之间的相关系数；

S5.选择所有本质模函数中峭度指标与相关系数之和最大的本质模函数作为下一步分析的敏感单分量；

S6.在取值范围内选取k值，基于k-GDE方法计算敏感单分量的包络幅值；K取值范围为其中f_s为采集滚动轴承振动信号时采取的采样频率，f为载波频率；

S7.对包络幅值进行Fourier变换得到k-GDE包络谱，通过匹配峰值频率与滚动轴承故障特征频率，实现故障诊断。

2.根据权利要求1所述的基于EEMD和K-GDE的滚动轴承故障特征的提取方法，其特征在于，所述步骤S2包括以下分步骤：

S21.定义原始信号x(t)，设定需要分解得到的IMF数量Ns；设定加入白噪声的次数Nc；

S22.向x(t)中加入白噪声，得到含噪声信号其中下标j表示第j次加入白噪声；白噪声幅值为x(t)的标准差的0.2倍；

S23.找到中所有的局部极大值点和极小值点；

S24.用三次样条曲线分别拟合所有的局部极大值点和极小值点作为上包络线和下包络线；计算上下包络线的平均值m，用含噪声信号减去上下包络线平均值m得到

如果h满足IMF的两个条件，执行步骤S25；

如果h不满足IMF的条件，则将其视为跳回步骤S23，直到得到的h满足IMF的条件；

S25.得到第j次分解第i个IMF分量：

得到第j次分解第i阶残余分量：

判断i是否<Ns；若是，用r_ji代替执行步骤S23；

否则执行步骤S26；

S26.判断j<Nc？若是，用代替x(t)，执行步骤S22，否则执行步骤S27；

S27.按照每次循环分解出的IMF的先后顺序，将每次分解得到的第i个IMF_ji集合并平均，得到EEMD分解的第i个IMF，即

3.根据权利要求1或2所述的基于EEMD和K-GDE的滚动轴承故障特征的提取方法，其特征在于，所述步骤S3具体为：

S31.定义离散信号的时间序列为x₁,x₂,x₃,x₄,……x_N；

S32.离散信号的均方根值为

S33.离散信号的峭度值为

S34.峭度指标是峭度与均方根值的4次方之比，为

4.根据权利要求1或2所述的基于EEMD和K-GDE的滚动轴承故障特征的提取方法，其特征在于，所述步骤S4包括以下分步骤：

S41.首先定义待求相关系数的两个离散信号分别为X和Y；X取自滚动轴承振动原始信号，Y取自IMF_i；

S42.分别求X和Y的平均值，

S43.两个离散信号的相关系数为