[发明专利]一种滚动轴承微弱故障特征提取方法

说明书

本发明提出了一种滚动轴承微弱故障特征提取方法，步骤为：构造自适应分形滤波器对滚动轴承原始微弱故障信号进行滤波，初步滤除噪声并对滚动轴承发生故障时的周期性冲击特征成分进行增强；用基于稀疏度指标的最优频带选取方法对经自适应分形滤波器滤波后的信号进行故障信息敏感频段选取；对得到的故障信息敏感频段进行包络谱分析，提取滚动轴承故障特征。本发明可以有效增强滚动轴承发生故障时的周期性冲击特征的同时，有效消除全频段包络分析时其它成分的干扰，从而更有效的提取滚动轴承微弱故障特征。本发明的自适应分形滤波器可以根据待分析信号本身构造出最优结构元素，基于稀疏度指标的最优信息敏感频段选取方法具有更强的噪声鲁棒性。

技术领域

本发明涉及滚动轴承微弱故障特征提取的技术领域，尤其涉及一种滚动轴承微弱故障特征提取方法。

背景技术

滚动轴承发生早期微弱故障时，常规信号特征提取方法如包络谱分析往往难以取得好的特征提取效果，主要原因在于：(1)強背景噪声的影响：相对于干扰成分，滚动轴承发生早期微弱故障时的周期性冲击特征往往十分微弱以致被背景噪声所隐没。(2)直接对原始信号进行全频段包络谱分析时，由于多频成分的干扰，造成包络提取效果不佳。对于第一种因素的解决方案，往往需要用信号处理方法如小波分析、经验模态分解等对原始信号进行预降噪处理，但小波分析需要事先选定最优小波基，而要选取最优小波基则需要待分析信号的先验知识，这在大多实际工程中是难以实现的。经验模态分解往往存在模态混叠问题。对于第二种因素的解决方案，常规做法是基于经验值或频域图选取最优信息敏感频带，对所选频带进行包络分析以改善全频段特征提取效果，然而这样往往存在较大的偶然性或需要丰富的故障诊断经验。

申请号为201910276672.8的发明专利公开了一种滚动轴承局部损伤微弱故障特征提取方法，使用加速度传感器采集故障滚动轴承的振动信号，使用MODWPT分解原信号至不同的节点，接下来计算各节点均方包络自相关的SK，然后选取各层中不小于最大SK一半的节点信号进行MED滤波，再依据层数叠加同层所选节点的归一化频谱信息并平均，最后合并所有层的频谱，提取滚动轴承的局部损伤故障特征；该发明给出了一种强背景噪声干扰下提取滚动轴承局部损伤故障特征的方法，为实现滚动轴承的PHM早期微弱故障特征提取提供了一种有效的诊断工具。但是，上述专利由于MODWPT及后续各节点SK的计算，存在相对较大的计算量，在实际工程应用中存在时效性较差的弊端；此外，由于SK对额外偶然性冲击成分的敏感性，并不能真实反映滚动轴承发生局部损伤故障时信号的周期性冲击特征。

发明内容

针对现有信号特征提取方法存在模态混叠，且分析的偶然性较大的技术问题，本发明提出一种滚动轴承微弱故障特征提取方法，自适应分形滤波器根据信号本身构造出最优结构元素，自适应分形滤波器对原始信号进行降噪处理的同时，有效增强信号中的周期性冲击成分；然后，用基于稀疏度指标的最优信息频段选取方法对降噪后的信号进行最优频带选取；最后对所选频带进行包络分析以提取有效故障特征。

为了达到上述目的，本发明的技术方案是这样实现的：一种滚动轴承微弱故障特征提取方法，其步骤如下：

步骤一：构造自适应分形滤波器对滚动轴承原始微弱故障信号进行滤波，初步滤除噪声并对滚动轴承发生故障时的周期性冲击特征成分进行增强；

步骤二：用基于稀疏度指标的最优频带选取方法对经自适应分形滤波器滤波后的信号进行故障信息敏感频段选取；

步骤三：对步骤二得到的最优故障信息敏感频段进行包络谱分析，提取滚动轴承故障特征。

优选地，所述步骤一种自适应分形滤波器进行滤波的方法为：

①找出原始振动信号中的最大值点、最小值点；

②用三次样条插值方法对最大值点、最小值点进行拟合，得到拟合曲线；

③将拟合曲线所有相邻最小值之间的窄域波形作为分析自适应分形滤波器的结构元素形状；