[发明专利]基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法

权利要求书

1.一种基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法，其特征在于，包括以下步骤：

步骤1：通过声信号采集设备获取轴承运行声信号；

步骤2：采用RLS算法对原始声信号进行去混响处理；

步骤3：滤波提取步骤2得到的去混响后信号中1500Hz以下的低频成分，使用基于最优品质因子的共振稀疏分解方法对低频段信号进行分解，得到信号在最优品质因子下的低共振分量；

步骤4：滤波提取步骤2得到的去混响后信号中6000Hz～7500Hz间的高频成分，使用db4小波降噪算法对其进行3层分解处理；

步骤5：依据降噪后低频、高频信号幅值大小，对高频段信号进行放大处理，并将两频段信号进行线性叠加，完成轴承声信号重构；

步骤6：对步骤5得到的重构声信号进行包络谱分析；

步骤2中采用RLS算法对轴承混响声信号进行消除，降低晚期反射声对轴承直达声信号的影响，其具体计算方法如下：

基于信号长度N与遗忘因子λ，寻找n时刻下代价函数J(n)最小值，完成去混响分析，其计算公如下：

设定λ＝0.5可在满足大于信号平稳段有效时间的同时取得较高非平稳性跟踪性能。

2.根据权利要求1所述的一种基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法，其特征在于：步骤3中采用基于最优品质因子的共振稀疏分解方法对低频段信号进行分解得到包含轴承故障冲击信息的低共振分量，其具体计算方法如下：

对于轴承声信号，设定冗余因子r＝3、高、低共振分量分解层数分别为L₁＝30，L₂＝10；品质因子Q的数值大小表征了信号共振属性的高低，在1～9范围内进行设定，信号分解所得高、低共振分量品质因子Q₁与Q₂的相关性ρ_max(Q₁,Q₂)需符合条件如下，即Q₁Q₂：

提出的基于最优品质因子的共振稀疏分解方法定义高、低品质因子分别在5～9及1～2范围内，以0.25为步长得到低共振分量最大峭度值时，其对应品质因子即为最优品质因子。

3.根据权利要求1所述的一种基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法，其特征在于：步骤4中采用小波降噪算法对高频段信号进行降噪处理，选用的3级Daubechies离散小波变换，减少设备其他振动产生声信号对轴承冲击信号的干扰。

4.根据权利要求1所述的一种基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法，其特征在于：步骤5中基于降噪后低、高频段声信号幅值，对高频段信号进行放大处理并线性叠加，实现轴承声信号重构，其计算公式如下：

其中，y₁(t)为去噪后低频段信号；y₂(t)为去噪后高频段信号。