[发明专利]一种基于时频特征分离的滚动轴承退化指标提取方法

说明书

一种基于时频特征分离的滚动轴承退化指标提取方法，首先对轴承原始信号计算其时频谱；其次，通过对时频矩阵中同一时刻极大值点和同一频率极大值点个数的确定，结合时频矩阵行累积结果确定谐波分布位置和范围，保留谐波分布区域，滤除其它区域，将处理后的时频矩阵逆短时傅里叶变换至时域以实现谐波成分的提取；从原始信号中减去谐波成分后，再阈值降噪进行故障冲击成分的提取，最后对提取的故障冲击成分计算其相对均方根值作为滚动轴承退化指标；本发明基于时频特征预先滤除时频谱中突出的谐波成分以增强故障冲击成分，避免了阈值降噪提取冲击成分时产生严重失真，对提取的故障冲击成分计算滚动轴承退化指标，该指标可有效表征轴承退化过程。

技术领域

本发明属于滚动轴承故障诊断领域，具体涉及一种基于时频特征分离的滚动轴承退化指标提取方法。

背景技术

滚动轴承作为旋转设备的关键零部件，其健康状态对整个设备的安全运行起着决定性的作用，因此实现滚动轴承运行状态和退化过程的监测显得十分必要。

滚动轴承故障往往表现为轴承工作表面的点蚀、裂纹和剥落等局部损伤，在工作过程中，这些局部损伤被撞击，便会产生周期性的冲击成分。然而，由于工业传动系统的复杂性和运行工况的时变性导致原始信号中包含大量的干扰信号，因此，如何从复杂分量中准确提取冲击成分成为描述滚动轴承退化过程的研究重点。原始信号受电磁频率、转频相关频率等成分的影响，信号中包含大量突出谐波成分，冲击成分被淹没，导致现有技术所提取的冲击成分存在严重失真，所提取的退化指标并不能表征轴承真实的退化过程。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了一种基于时频特征分离的滚动轴承退化指标提取方法，基于谐波、冲击、随机噪声信号成分在时频图中的特征，采用统计学思想分离出故障冲击成分，进而提取滚动轴承性能退化指标，该方法基于时频特征将时频谱中突出的谐波成分剔除，进而加强冲击特征，便于后续进行故障冲击成分的提取。

为了达到上述目的，本发明采取的技术方案为：

一种基于时频特征分离的滚动轴承退化指标提取方法，包括以下步骤：

步骤1：首先通过振动加速度传感器采集滚动轴承由正常到故障整个过程的原始信号，然后计算原始信号x(t)的短时傅里叶时频谱；在时频谱中，谐波成分表现为突出的横条纹，冲击成分表现为明亮的局部区域，而随机噪声表现为随机分布的噪点；

步骤2：谐波成分的识别与提取，时频谱实际为时频矩阵的可视化体现，且时频谱中亮点源自于时频矩阵中的极大值，因此对明亮横条纹的识别即转化为对时频矩阵中每一列中对应同一时刻极大值点和每一行中对应同一频率极大值点个数的确定，结合时频矩阵行累积确定谐波分布位置和范围，保留谐波分布区域，将其它区域能量尽可能降低，然后将处理后的时频矩阵逆短时傅里叶变换至时域以实现谐波成分的提取；

步骤3：从原始信号中减去步骤2提取的谐波成分后，进行冲击成分的提取，冲击成分在时频谱中表现为明亮的局部区域，因此，利用阈值降噪去除时频谱中背景噪声，保留故障冲击区域，将处理后的矩阵返回至时域即得冲击成分；

步骤4：对于步骤3分离出的故障冲击成分，分别计算其相对均方根值作为滚动轴承退化指标，并采用七点滑移平均法对相对均方根趋势进行处理。

所述步骤1中短时傅里叶变换表达式如下：

其中，t表示时间，τ表示时延，f表示频率，x(t)表示输入信号，h(t)为高斯窗函数，其表达式如下：

所述步骤2谐波提取方法具体为：

2.1)针对原始信号经过短时傅里叶变换得到的时频矩阵S1，首先采用1σ准则对时频矩阵S1每一行分别进行处理，即将每行数据中1σ区间外的数据均用该行最小值S1_min(i)替代，其表达式如下：