[发明专利]基于自适应拟合冗余提升小波变换的轴承故障特征提取方法

说明书

技术领域

本发明涉及一种滚动轴承的特征提取方法，特别是一种基于自适应拟合冗余提升小波变换的轴承故障特征提取方法。 

背景技术

滚动轴承是现代化生产设备中最经常使用的元部件之一，因其正常运行损耗以及操作不当等原因所引起的故障，不仅会给企业造成重大的经济损失，甚至可能导致人员伤亡的严重后果。因此，对滚动轴承进行状态监测，有效提取出能反映其运行状态的特征信息，从而尽早发现故障隐患，避免事故的发生，具有十分重要的意义。 

工业现场滚动轴承的振动信号通常具有非平稳的特点。为有效捕捉振动信号中的故障特征，具有良好时频分析能力的小波变换得到了广泛的应用。然而，经典小波需借助卷积运算来实现，导致计算量较大；同时仅通过某一种小波也难以匹配振动信号中的各种复杂特征。而提升小波虽然解决了上述经典小波中的两个问题，但目前应用最为普遍的是基于插值公式构造的对称小波，在提取具有非对称性的故障特征时，其仍然存在一定的局限性。因此，根据函数逼近的思想推导得到基于数据拟合的提升小波构造方法，从而灵活构造出多个各具特性的小波来对振动信号进行分析处理，并建立目标函数来自适应地选取最匹配于故障特征的小波，以有效提取出微弱的特征信息，为轴承的故障诊断提供依据。 

发明内容

本发明的目的在于：通过提供一种基于自适应拟合冗余提升小波变换的轴承故障特征提取方法，提取出能反映轴承运行状态的特征信息，以实现有效的轴承状态监测和故障诊断，保证设备正常平稳地运行。 

为实现上述目的，本发明是采用技术方案实现的： 

一种基于自适应拟合冗余提升小波变换的轴承故障特征提取方法，通过振动加速度信号对滚动轴承进行故障诊断，应用基于数据拟合的计算公式和提升算法构造多种具有不同特性的小波函数，以及对振动加速度信号作自适应冗余提升小波变换；其中，应用基于数据拟合的计算公式和提升算法构造多种具有不同特性的小波函数，包括以下步骤： 

1.1.确定三个不同的基函数； 

1.2.确定三种不同的(M，N)取值，其中，M为样本点数，N为基函数的维数； 

1.3.根据基于数据拟合的最小二乘法的预测算子构造公式来计算得到预测算子系数，并取更新算子长度与预测算子长度相同，则将预测算子系数除以二可得到更新算子系数； 

1.4.根据所得的预测算子、更新算子和小波滤波器之间的关系，构造出对应的提升小波； 

其中，对振动加速度信号作自适应冗余提升小波变换，包括以下步骤： 

2.1.对当前的预测算子系数和更新算子系数进行插值补零，实现冗余算法； 

2.2.应用所构造的多种不同小波依次对待分解的信号x作冗余提升小波变换，得到多组新生成的低频逼近信号和高频细节信号； 

2.3.对上述低频逼近信号和高频细节信号分别取归一化l^P范数，得到多个归一化l^P范数值。对多个数值进行比较，取范数值最小的低频逼近信号和高频细节信号作为x的分解结果而舍弃其他结果； 

确定分解层数j；则每次分解均按照2.1、2.2、2.3的步骤来进行；经过j层的自适应冗余提升小波变换，将得到j个低频逼近信号和j个高频细节信号； 

再次，对初始的振动加速度信号作分段功率谱分析，取功率最大的频率范围所对应的低频逼近信号或高频细节信号进行单支重构； 

最后，对经单支重构得到的信号作Hilbert解调处理，得到初始振动加速度信号最终的包络谱图；对谱图中的频率成分进行提取和识别；若发现有转频甚至其倍频成分，则判断滚动轴承可能发生故障；若发现有外圈、或内圈、或滚动体或保持架的故障特征频率甚至其倍频，则相应判断外圈、或内圈、或滚动体或保持架发生了故障。 

前述的多种具有不同特性的小波函数为九种。 

前述的基函数φ分别为： 

(1)代数式φ_k(x)＝x^k； 

(2)超越式φ_k(x)＝x^k·0.6^{(0.1·(k+1)·x)}； 

(3)超越式φ_k(x)＝x^k·2^{(0.1·(k+1)·x)}·cos(0.1·(k+1)·x)。 

其中k＝0，1，2，ΛN，N为基函数的维数。 

前述的(M，N)的取值分别为：(1)(4，3)；(2)(6，5)；(3)(8，7)。 

前述的分解层数为3。