[发明专利]一种基于拟合提升小波和高阶累积分析的轴承状态监测方法

摘要

本发明公开一种基于拟合提升小波和高阶累积分析的轴承状态监测方法，通过分析轴承振动信号来实现对轴承的故障诊断。首先，对采集的轴承振动信号求取三阶累积量，并应用趋势分析对轴承状态进行预判。其次，当预判轴承可能存在故障隐患时，选用基于拟合提升算法构造的四种不同的新小波对振动信号作冗余提升小波分解，并基于lp范数逐层选定最优分解结果；再次，根据最优分解树结构，对最底层的低频逼近信号作自适应单支重构后再求取解调包络谱；最后，对解调后的单支重构信号进行1.5维谱分析，判定轴承运行状态。本发明可有效提取强背景噪声下含故障轴承的微弱特征信息，实现对轴承状态的准确判断。

主权项

一种基于拟合提升小波和高阶累积分析的轴承状态监测方法，其特征在于，通过分析轴承振动加速度信号来实现对轴承的故障诊断，包括以下步骤：步骤1、对采集的轴承振动信号求取三阶累积量，并应用趋势分析对轴承状态进行预判，当预判轴承运行状态正常时，继续监测轴承的振动信号；当预判轴承可能存在故障隐患时，进行下一步的提升小波分析；步骤2、应用构造的四种新小波依次对预判可能存在故障隐患的轴承的振动信号进行自适应冗余拟合提升小波分解；自适应算法为：每次均选用四种不同小波依次对信号进行分解，对应得到四组低频逼近信号和高频细节信号，依次对每组结果中的低频逼近信号和高频细节信号分别求取归一化lP范数之后再求和；比较四个范数和，以最小者对应的低频逼近信号和高频细节信号作为此次分解的最优结果；对应小波作为此次分解的最优小波，逐层依次进行，直至达到所确定的分解层数。步骤3、当按照确定的分解层数完成分解时，对最后一次分解后通过归一化lP范数和所确定的最优低频逼近信号根据最优分解树结构作自适应单支重构，进而求取Hilbert解调包络谱后再进行1.5维谱分析，判定轴承的运行状态。