[发明专利]一种改进调制双谱的轴承故障诊断方法、系统及介质

说明书

本发明涉及一种改进调制双谱的轴承故障诊断方法、系统及介质，其包括：采用加权自适应白噪声平均总体经验模态分解轴承原始振动信号，得到一系列IMFs；计算每个IMFs的峭度和相关系数；根据前述计算结果得到每个IMFs的加权平均相关‑峭度值，并重构信号；对重构信号进行调制双谱分析，提取故障特征频率。本发明克服了传统双谱的缺点，能有效检测信号中的非线性成分，并能抑制噪声的影响，精确提取滚动轴承的故障特征；本发明可以广泛在机械设备故障诊断技术领域中应用。

技术领域

本发明涉及一种机械设备故障诊断技术领域，特别是关于一种基于加权自适应白噪声平均总体经验模态分解和调制双谱融合的轴承故障诊断方法。

背景技术

目前，检测轴承故障的一种实用方法是振动分析法，各种信号处理方法应用在轴承故障诊断上，经验模态分解(EMD)能有效的依据非平稳信号的自身特性将其分解为一系列本征模态分量(IMFs)，但在分解过程中容易出现模态混叠和虚假分量等问题；集总平均经验模态分解(EEMD)是一种信号处理方法，通常被用来处理非平稳、非线性信号，在故障诊断中也受到了广泛关注，但是EEMD分解存在残余分量过多问题；随后出现的自适应白噪声平均总体经验模态分解(CEEMDAN)是对其的改进，有效的克服了端点效应和模态混叠问题，同时残余噪声信号较少。

近些年调制信号双谱(Modulation Signal Bispectrum，MSB)方法被运用在故障诊断领域，调制信号双谱是对传统双谱的改进，除了克服了传统双谱的缺点，还同时考虑了高低边频带的信息，能对调制信号进行有效分析的双谱分析方法，该方法能有效检测信号中的非线性成分，抵抗非周期成分的干扰，并能抑制噪声的影响，能够清晰的反应出解调的调制成分。

按传统方法使用CEEMDAN时，多选取的IMFs是以信息为主导的分量，导致IMFs中的有效信息不能被充分利用等问题，提出了一种基于加权自适应白噪声平均总体经验模态分解(WACEEMDAN)和调制信号双谱(MSB)的滚动轴承故障特征提取方法。

发明内容

针对上述问题，本发明的目的是提供一种加权自适应白噪声平均总体经验模态分解和调制双谱融合的轴承故障诊断方法、系统及介质，其克服了传统双谱的缺点，能有效检测信号中的非线性成分，并能抑制噪声的影响，精确提取滚动轴承的故障特征。

为实现上述目的，本发明采取以下技术方案：一种改进调制双谱的轴承故障诊断方法，其包括：步骤1、采用加权自适应白噪声平均总体经验模态分解轴承原始振动信号，得到一系列IMFs；步骤2、计算每个IMFs的峭度和相关系数；步骤3、根据步骤2的计算结果得到每个IMFs的加权平均相关-峭度值，并重构信号；步骤4、对重构信号进行调制双谱分析，提取故障特征频率。

进一步，所述步骤2中，每个IMFs的相关系数ρ_xy为：

式中，N为分解次数，y_i表示第i个原始振动信号，表示所有原始振动信号的平均值，x_i表示IMF分量；表示IMF分量的平均值。

进一步，所述步骤2中，每个IMFs的峭度q的计算公式为：

其中，x_i表示IMF分量；表示IMF分量的平均值。

进一步，所述步骤3中，计算及重构包括以下步骤：

步骤3.1、计算各IMFs的峭度与相关系数的乘积，称为相关-峭度指标s(i)；

步骤3.2、根据相关-峭度指标s(i)计算平均相关-峭度S(i)；

步骤3.3、根据平均相关-峭度S(i)对分解后的信号进行加权重构：