[发明专利]一种基于故障特征倍频能量判决的滚动轴承故障诊断方法

权利要求书

1.一种基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：分为以下步骤：

步骤1：采用小波包分析方法对正常轴承和故障轴承振动信号进行分解；

步骤2：基于峭度值指标最大原则筛选出有效的Node分量并进行信号重构；

步骤3：对重构信号进行Hilbert包络解调分析；

步骤4：基于故障特征倍频能量判决的诊断。

2.如权利要求1所述的基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：所述步骤1的具体过程为：

小波基函数ψ(t)∈L²(R)，其傅里叶变换为若ψ(t)满足允许条件：

其按照伸缩因子a和平移因子b两个参数进行平移、伸缩后得到小波序列{ψ_b,a(t)}：

定义函数f(t)∈L₂(R)的连续小波变换(CWT)为：

式中＜,＞代表内积运算；*代表共轭运算；

对小波变换结果进行反变换，可恢复和重构原函数：

将小波变换中具有连续性的参数ψ_r,s(t)进行离散化取值处理，其中，a₀按幂级数离散为大于1的数值，b₀取为大于0的均匀离散数值，定义：

函数f(t)∈L₂(R)的离散小波变换(DWT)为：

其中，r为频率范围指数；s为时间步长变化指数；

小波包变换公式为：

其中，表示尺度函数；ψ(t)表示小波基函数；h_k和g_k分别表示长度为2N的低通滤波器和高通滤波器；k为平移参数，k∈Z；

小波包分解算法公式为：

其中，和为不同的小波系数；j为尺度参数，j∈Z⁺；k、n为平移参数，k、n∈Z，Z为整数；m为频率参数，m∈{2^j-1,2^j-2,…,0}；h_n-2k为小波包分解中低通滤波器；g_n-2k为小波包分解中高通滤波器；

小波包重构算法公式为：

其中，和均为小波包重构后小波包系数为小波包重构后小波包系数；h_k-2n为小波包重构的低通滤波器；g_k-2n为小波包重构的高通滤波器。

3.如权利要求1所述的基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：所述步骤2的具体过程为：

对小波包分解方法处理原始振动信号得到的节点分量，根据峭度值K的大小进行剔除和保留，达到对节点分量筛选的效果，重构组成新的信号。

4.如权利要求3所述的基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：所述峭度值K的计算公式如下：

其中，E为期望；y代表振动信号幅值；u代表振动信号幅值y的均值；α代表故障信号的标准差。

5.如权利要求1所述的基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：所述步骤3的具体过程为：

对高信噪比的高频振动信号进行包络检波处理得到包络波形，而后采用Hilbert变换实现对信号的解包络提取故障信息，重构信号的Hilbert变换，即让信号产生一个90°的相移；以原信号为实部，Hilbert变换为虚部构成解析信号，求模得到信号的包络，对包络信号低通滤波并作快速傅里叶变换求出包络谱，Hilbert变换定义为：

其中，x(t)为原始时域信号；为信号x(t)的Hilbert变换；为x(t)做一次卷积分，这个卷积的冲击响应为