[发明专利]一种滚动轴承性能退化评估的特征提取方法

摘要

本发明公开了一种滚动轴承性能退化评估的特征提取方法，包括以下步骤：S1：获取滚动轴承的振动信号信息；S2：对滚动轴承振动信号进行自适应的EEMD分解；S3：采用贝叶斯信息准则和相关峭度方法筛选敏感内蕴模态分量IMF：首先采用贝叶斯信息准则计算敏感IMF分量的个数，再根据相关峭度CK的高低筛选出敏感分量，最后对敏感IMF分量进行复合谱分析，将计算出的复合谱熵作为滚动轴承性能退化的特征参数。本方法利用复合谱分析法对所选取的IMF分量进行融合，提取复合谱熵作为滚动轴承退化特征，对退化过程具有较高的敏感度，改善了特征对滚动轴承退化过程的表征能力。

主权项

1.一种滚动轴承性能退化评估的特征提取方法，其特征在于：包括以下步骤：S1：获取滚动轴承的振动信号信息；S2：对滚动轴承振动信号进行自适应的EEMD分解，具体步骤为：SP：先预设置集成平均次数值m0和白噪声幅值比值系数k0作为初始值，为了在自适应获取白噪声幅值比值系数的过程中降低信号分解计算量，m0的初始设置选择一个较小值，如取为10；SM：将待分析的原始信号加入幅值比值系数初始值k0的白噪声作为待分解信号，对待分解信号进行集成平均次数初始值m0的EEMD分解，得到一系列内蕴模态分量IMF；具体步骤为：S21：先预设置集成平均次数值m0和白噪声幅值比值系数k0作为初始值；S22：将原始信号加入幅值比值系数初始值k0的白噪声作为待分解信号，对待分解信号进行集成平均次数初始值m0的EEMD分解，得到一系列内蕴模态分量IMF；S23：对步骤S2中分解得到的各内蕴模态分量IMF与原始信号进行相关性分析，得到与原始信号具有最大相关系数的IMF，记为主成分分量cmax(t)，计算其与原始信号的相关误差re；S24：保持集成平均次数初始值m0不变，逐步增加幅值比值系数k，重复步骤S22、S23，对不同幅值比值系数k下的相关误差re进行趋势分析，最大的相关误差re对应的k即为最优的加入噪声幅值比值系数kz；S25：将原始信号添加幅值比值系数为已经确定的kz下的白噪声作为待分解信号，先预设一个集成平均次数m，对待分解信号进行集成平均次数为m的EEMD分解，得到一系列内蕴模态分量IMF；S26：对S5中分解得到的各内蕴模态分量IMF分别计算其能量密度与平均周期之积，从而筛选出包含有用信息的内蕴模态分量IMF，并构造去噪后的信号，并计算信噪比SNR；S27：逐步增加集成平均次数m值，重复步骤S5、S6，对不同集成平均次数m值下的信噪比SNR进行趋势分析，最大信噪比SNR对应的m值即为最优的集成平均次数mz，由此确定最优幅值比值系数kz和集成平均次数mz从而对原始信号进行EEMD分解；S3：采用贝叶斯信息准则和相关峭度方法筛选敏感内蕴模态分量IMF：首先采用贝叶斯信息准则计算敏感IMF分量的个数，再根据相关峭度CK的高低筛选出敏感分量，最后对敏感IMF分量进行复合谱分析，将计算出的复合谱熵作为滚动轴承性能退化的特征参数。