一种无需周期的最大相关峭度解卷积方法技术

无需周期的最大相关峭度解卷积方法，首先对采集的振动信号进行截断和去均值处理；然后对振动信号进行希尔伯特变换得到其解析信号，并且通过选择其自相关谱中第一个过零点后部分的最大值点作为迭代周期进行解卷积操作，然后利用每次迭代滤波后的信号继续计算其自相关谱中第一个过零点后部分的最大值点作为迭代周期来更新滤波器，以此得到最优滤波器系数；最后对滤波后的信号进行包络分析，从包络谱中能提取故障特征频率，本发明专利技术在特征频率的提取过程中不需要人为参与，有利于实现故障特征提取和诊断监测的自动化，节约时间，效率更高。

A maximum correlation kurtosis deconvolution method without period

【技术实现步骤摘要】
一种无需周期的最大相关峭度解卷积方法
本专利技术涉及机械设备故障诊断
，特别涉及一种无需周期的最大相关峭度解卷积方法。
技术介绍
振动分析为现阶段机械设备故障诊断最为有效的途径之一，机械设备的状态劣化往往表现为振动信息的变化或异常。目前基于振动信息的信号处理方法，例如时域法、频域法还有时频域法，这些都已成功应用于轴承故障诊断中，并产生了很好的效果。然而，在滚动轴承故障诊断领域仍然面临着很多挑战，轴承故障的提取仍然具有很多困难。1、测试传感器与故障源之间冗长而复杂的传递路径能严重影响传递函数，进而使冲击信号的幅值降低、时间拉长，从而导致故障引起的脉冲很容易被噪声覆盖。2、轴承中滚子的随机波动会导致原本呈准周期的故障冲击的频谱包络谱进一步模糊。3、来自机械系统中的非周期性噪声及周期性干扰的影响，为提取轴承故障冲击增加了更多挑战。目前，解卷积方法被认为是能消除传递路径影响最有效的方法之一，而且解卷积方法能够自适应地设计滤波器的特性对于精确完整地过滤故障信息十分关键。在机械故障诊断领域，最常用的两种解卷积方法有两种，分别是最小熵解卷积方法本文档来自技高网...

【技术保护点】
1.一种无需周期的最大相关峭度解卷积方法，其特征在于，包括以下步骤：/n步骤一：将振动加速度传感器吸附于对被测试滚动轴承的轴承座上，并对振动信号进行高频采样、截断和去均值处理，将处理后的振动信号记为x(n)；/n步骤二：对振动信号x(n)进行希尔伯特变换得到其解析信号

【技术特征摘要】
1.一种无需周期的最大相关峭度解卷积方法，其特征在于，包括以下步骤：
步骤一：将振动加速度传感器吸附于对被测试滚动轴承的轴承座上，并对振动信号进行高频采样、截断和去均值处理，将处理后的振动信号记为x(n)；
步骤二：对振动信号x(n)进行希尔伯特变换得到其解析信号
步骤三：预先设定解卷积的迭代次数k，滤波器长度L并且初始化滤波器系数f＝[0,1,0,0,...,0]；然后计算得到解析信号的自相关谱，利用式(1)-(2)的方式选择自相关谱中第一个过零点之后的所有成分的最大值点作为迭代周期采样点数Ts，并将该信息代入以下迭代步骤用于最优滤波器系数的选择；






其中，N为解析信号的长度，τ为偏移量，为自相关函数的零点位置；
步骤四：对振动信号x(n)进行最大相关峭度解卷积迭代滤波，其中，滤波...

【专利技术属性】
技术研发人员：赵明，苗永浩，李博闻，孔子豪，苟超，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61