[发明专利]一种基于均变相位经验模态分解和快速谱峭度的轴承故障诊断方法

说明书

本发明公开一种基于均变相位经验模态分解和快速谱峭度的滚动轴承故障诊断方法，属于机械故障诊断技术领域。该方法包括以下步骤：采用均变相位经验模态分解方法对轴承故障信号加以分解；计算分解出的所有分量的峭度，选取出峭度最大的分量；用快速谱峭度对最大峭度分量进行处理，获取最佳分析频带；功率谱分析，识别滚动轴承故障特征。本发明公开的方法通过均变相位经验模态分解和快速谱峭度相结合，不仅可以有效地识别滚动轴承故障特征，而且在抑制干扰信号方面具有优势。

技术领域：

本发明属于机械故障诊断技术领域，具体涉及一种基于均变相位经验模态分解和快速谱峭度的轴承故障诊断方法。

背景技术：

滚动轴承是旋转机械中最常用、也是最容易损坏的零件之一，因此，开展滚动轴承故障诊断的研究具有重要意义。滚动轴承的故障信号往往呈现非线性和非平稳性，传统的信号处理方法难以获得令人满意的结果。经验模态分解方法作为一种自适应信号处理方法，能够有效地处理非线性和非平稳性的信号，因此被用于轴承故障诊断领域中。然而，经验模态分解存在严重的模态混叠等问题。均变相位经验模态分解在经验模态分解方法的基础上加以改进，有效地改善了经验模态分解的不足。

快速谱峭度是在谱峭度的基础上提出的一种基于带通滤波器的算法，将原始信号经过二分和三分不断交替分解，计算信号频段上的谱峭度值，绘制出谱峭度图。谱峭度图中不同颜色表示所在分解层不同频率下的谱峭度大小，从上到下分解K层，其代表的频率分辨率为Δf＝2^-(k+1)，谱峭度最大色块层数所在频率为共振解调技术带通滤波的最优中心频率，其横坐标长度表示最佳带宽和其所在频率为中心频率。根据峭度图寻找出的中心频率，可以获得最佳分析频带。

发明内容：

本发明的目的在于提供一种基于均变相位经验模态分解和快速谱峭度的滚动轴承故障诊断方法，采用均变相位经验模态分解来分解滚动轴承故障信号，计算分解结果的峭度，利用快速谱峭度对最大峭度分量进行滤波，获得最佳分析频带，进行功率谱分析，识别故障特征。该方法能够有效地从干扰信号中准确地识别轴承故障。

本发明提供的一种基于均变相位经验模态分解和快速谱峭度的轴承故障诊断方法，该方法包括以下具体步骤：

(1)采用均变相位经验模态分解方法对轴承故障信号加以分解；

(2)计算分解出的所有分量的峭度，选取出峭度最大的分量；

(3)用快速谱峭度对峭度最大的分量进行处理，获取具有最佳分析频带的功率谱；

(4)对所述功率谱进行分析，识别所述轴承故障信号的故障特征。

步骤(1)中所述均变相位经验模态分解的方法具体步骤如下：

(2-1)设置相关参数，构造掩膜信号；

(2-2)在待分解信号中加入掩膜信号；

(2-3)判断出信号的所有极值点，对极值点三次样条曲线拟合构造均值曲线；

(2-4)将均值曲线从信号中分离，将不包含均值曲线的剩余信号重复步骤(2-3)，直至满足停止条件，则得到第一个分量，从中减去掩膜信号，并集成平均，获得第一个内禀模态函数；

(2-5)计算出余项作为新信号，循环步骤(2-2)到步骤(2-4)，直到分解出所有的内禀模态函数；

(2-6)从待分解信号中分离所有的内禀模态函数，其余项作为趋势项，最终将待分解信号分解为一系列的内禀模态函数和趋势项之和。

使用峭度作为选取分量的依据，峭度指标是无量纲参数，对冲击信号特别敏感，适合于表面损伤类故障的诊断。步骤(2)所述峭度的峭度值K定义为：

式中：x是需要计算峭度值的信号，μ为信号的均值，σ表示标准差，E(t)表示t的期望值。