[发明专利]基于零相位卷积型小波变换分解的轴承故障特征提取方法

说明书

本发明涉及一种基于零相位卷积型小波变换分解的故障特征提取方法，属于旋转机械故障诊断领域，其特征在于，包括如下步骤：采集故障轴承振动加速度信号；利用小波高通滤波器和低通滤波器对输入信号进行滤波；将第一次滤波后得到的近似系数和小波系数再进行滤波，即得到零相位延迟的滤波结果，获得故障信号频率特征。本发明涉及对现有技术的改进是：消除了卷积型小波变换分解算法存在的移位现象，避免了正交小波非对称性给故障特征提取带来的不利影响，解决了小波对称性与正交性不能同时满足的矛盾。

技术领域

本发明涉及旋转机械故障诊断技术领域，具体涉及一种基于零相位卷积型小波变换分解的轴承故障特征提取方法。

背景技术

滚动轴承作为机械传动系统核心零部件之一，其性能的好坏直接影响着机械的可靠性和安全性。由于长期连续工作在高载荷、高转速、高冲击以及变工况下，滚动轴承极其容易损坏和发生故障。因此，研究滚动轴承的特征提取与故障诊断方法，有效地提取故障特征信息并准确识别其当前状态，对避免重大事故的发生，保持武器装备战备完好性，具有非常重大的意义。

滚动轴承在出现故障(如裂纹、断裂、剥落等)时，即可视为复杂的非线性系统，其动态响应行为既复杂且多变，从而造成故障响应信号频率、统计特性(包括时域统计特性和频域统计特性)均随时间不断变化，即故障响应信号呈现有明显的非平稳特征。小波分析是机械故障诊断中应用最为广泛的非平稳信号处理方法之一，其中，离散小波变换塔式多分辨率分解与重构的快速计算方法—Mallat算法，将小波分析真正地推向了实际应用。然而，Mallat算法因存在隔点采样环节以致其用于故障特征提取需要通过繁琐的重构过程恢复信号长度，并使得结果还存在频率折叠、平移可变、信号失真等一系列固有缺陷，限制了故障特征提取的效果。

为消除Mallat算法存在的一系列固有缺陷，更好地利用小波变换进行故障特征提取，近年来许多学者在此方面进行了大量研究，提出了卷积型小波变换方法。卷积型小波变换快速算法取消了隔点采样环节，分解得到的各频带信号长度始终与原始信号相等，因而其用于故障特征提取无需通过繁琐的重构过程恢复信号长度，避免了Mallat算法因存在隔点采样环节而出现的诸多缺陷，但其分解结果还是存在因正交小波非对称性导致的信号移位现象。

发明内容

本发明的目的在于提供一种基于零相位卷积型小波变换分解的轴承故障特征提取方法，本发明不仅继承了卷积型小波变换分解算法的优势，还拥有零相位滤波特性，消除了卷积型小波变换分解算法存在的移位现象，避免了正交小波非对称性给故障特征提取带来的不利影响，解决了小波对称性与正交性不能同时满足的矛盾，具有一定的工程应用价值。

为解决上述技术问题，本发明公开的一种基于零相位卷积型小波变换分解的轴承故障特征提取方法，其特征在于，它包括如下步骤：

步骤1：采集故障轴承振动加速度信号；

步骤2：利用第一小波低通滤波器和第一小波高通滤波器分别对步骤1获取的故障轴承振动加速度信号进行卷积型小波低通滤波和卷积型小波高通滤波，分别得到小波变换的近似系数和小波变换的小波系数；

步骤3：将步骤2滤波后得到的小波变换的近似系数利用第二小波低通滤波器再次进行卷积型小波低通滤波，对步骤2滤波后得到的小波变换的小波系数利用第二小波高通滤波器再次进行卷积型小波高通滤波，得到消除非线性相位影响的小波变换近似系数和小波变换的小波系数，完成加速度信号的第一层分解；

步骤4：将步骤3中获得的消除非线性影响的近似系数做为故障轴承振动加速度信号的第一层小波变换结果，将故障轴承振动加速度信号的第一层小波变换结果按照步骤2和步骤3的零相位卷积型小波变换方式进行小波变换处理，得到消除非线性相位影响的第二层小波变换的近似系数和小波变换的小波系数；