[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

说明书

本发明公开了基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法，包括以下步骤：首先利用RLS算法对轴承运行声信号进行去混响处理；其次分别采用基于最优品质因子的共振稀疏分解方法与小波降噪算法对去混响后信号中的低、高频信号进行降噪处理；对比两频段信号幅值，对信号进行放大叠加，完成信号重构；最终通过包络谱分析，判断轴承故障。本发明降低了噪声及混响对轴承信号的干扰，通过多频带降噪的方法提取轴承微弱信号，与现有的基于单频带且未考虑混响影响的声学诊断方法相比，具有噪声抑制效果好、信号有效信息损失少、诊断精度高等优点。本发明可以准确识别轴承故障，适用于滚动轴承声学诊断。

技术领域

本发明涉及滚动轴承故障诊断领域，特别涉及一种基于RLS与RSSD的滚动轴承声信号多频带融合故障诊断方法。

背景技术

滚动轴承是旋转机械最关键的部件之一，起到支撑旋转部件转动的作用，也是所有机械零件中最容易损坏的部位，在旋转类故障中，30％是由于轴承出现故障而导致的。对轴承运行过程中产生的声信号进行合理有效的分析处理是轴承故障诊断的关键，不恰当的声信号处理方法将导致无法提取轴承缺陷频率，降低诊断结果准确率。

目前基于声信号的滚动轴承故障诊断方法仅关注单一频带信号，且大都没有考虑到因多次反射引起的混响效应对直达声信号的干扰，造成了轴承部分有效信息的缺失及采集信号的失真。现有方法并未针对轴承声信号产生机理、声音传播衰减规律及传递路径特点对信号进行有效处理，诊断结果受环境噪声干扰较大、可靠性较低。

本发明针对现有问题，结合RLS去混响算法、共振稀疏分解算法及小波降噪算法，提出了一种降低混响效应影响，针对不同频段声信号特点分别进行降噪分析，并对低、高频带声信号进行放大重构的滚动轴承声学诊断方法，该方法可有效降低环境噪声及混响效应对轴承声信号的干扰，减少因声音衰减导致的信号失真，极大地提高了滚动轴承声学诊断准确率，有效增加了轴承诊断结果可靠性。

发明内容

本发明的目的在于提供一种可准确、有效地降低背景噪声干扰，提取轴承微弱冲击声信号，实现复杂声场环境下基于声信号的滚动轴承故障诊断方法。

为实现上述目的，本发明采用的技术方案为：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，包括以下步骤：

步骤1：在远场条件下，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，使用小波降噪算法对高频段信号进行3层分解处理；

步骤5：对比降噪后低频、高频部分信号幅值，对高频段信号进行放大处理，将放大后的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；

进一步的，步骤1在远场条件下，通过声信号采集设备获取轴承运行声信号，其具体计算方法如下：

定义声音传感器与声源间的距离s，声音传感器阵列尺寸D，目标信号长度R，其计算公式如下：

进一步的，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：

遗忘因子λ是一个接近但小于1的正数，在满足有效记忆长度T₀大于平稳段有效时间条件下对其进行设置，其计算公式如下：