[发明专利]一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法

摘要

本发明公开了一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法，在多尺度形态滤波方法中，结构元素的尺度对滤波效果尤其重要。由于传统的形态滤波方法的结构元素最优尺度为单独的一个尺度，导致提取的滚动轴承故障特征信息不完善，使得故障特征表现不明显。本发明没有将结构元素的最优尺度固定为一个值，而是选取多个尺度的结构元素对故障轴承振动信号形态学分析。该方法融合了信息熵在表征信号方面的优越性，用信息熵量化分析后的信号，通过迭代法得到信息熵的最佳阈值来优化结构元素尺度，然后根据硬阈值对信号进行叠加，以保证有用信息的完整性，实现滚动轴承故障诊断。

主权项

1.一种基于信息熵和多尺度形态学的滚动轴承早期故障诊断方法，其特征在于：该方法包括采集故障轴承振动信号、对故障轴承振动信号进行多尺度形态分析、形态分析后的振动信号信息熵的求解、应用迭代法求解信息熵的阈值、根据硬阈值对形态分析后的振动信号进行叠加、对叠加后的振动信号求解频谱图，从而得到故障特征；S1故障轴承振动信号采集；利用加速度传感器对故障轴承实验台进行测量，获得振动加速度信号作为待分析信号X(t)；S2对故障轴承振动信号进行多尺度形态分析；为了节约时间成本，结构元素的形状采用直线型；在形态算子中：开运算对振动信号的正冲击起到平滑作用，而对于负冲击则起到抑制作用；相反的，闭运算对振动信号的正冲击起到抑制作用，而对于负冲击则起到抑制作用；差值滤波器是将两种运算进行融合，能够更好的提取信号中的正负脉冲信号，所以将多尺度差值形态算子作为最终的形态算子对故障轴承振动信号进行形态学分析；用不同尺度ε的形态差值滤波算子分别对振动信号X(t)处理，得到去噪信号Xε(t)，其中ε＝1,2,.....[fs/fc‑2]，fs为采样频率，fc为故障特征频率；S3形态分析后的振动信号信息熵的求解；对去噪信号Xε(t)求解信息熵Eε，其中ε＝1,2,.....[fs/fc‑2]，fs为采样频率，fc为故障特征频率；S4应用迭代法求解信息熵的阈值；设终止条件参数ζ＝0.01，得到信息熵的阈值为T；S5根据硬阈值对形态分析后的振动信号进行叠加；将信息熵小于阈值T的振动信号设为0，将信息熵大于阈值T的振动信号进行叠加求解均值，最终得到的振动信号为X(t)’；S6对叠加后的振动信号X(t)’求解频谱图。