基于平移不变分数阶小波稀疏表示的机械故障诊断方法技术

本发明专利技术公开了基于平移不变分数阶小波稀疏表示的机械故障诊断方法，包括以下步骤：采集监测对象的振动信号，并将其作为系统输入；对机械故障振动信号进行平移不变分数阶小波分解；利用非线性算子处理小波系数，以增强小波系数的稀疏性，对处理后的小波系数进行广义硬阈值降噪消除系数中的残余噪声，进一步增强小波系数的稀疏性；对处理后的小波系数进行平移不变分数阶小波逆变换得到故障冲击波形的稀疏表示结果；从故障特征波形的稀疏表示结果中，提取故障特征频率，进行故障诊断。本发明专利技术去噪能力更强，能提供更加稀疏和准确的故障冲击波形表示结果，实现机械故障的准确诊断，为装备安全运行提供可靠依据。

【技术实现步骤摘要】
基于平移不变分数阶小波稀疏表示的机械故障诊断方法
本专利技术涉及机械振动信号处理与故障诊断领域，特别涉及基于平移不变分数阶小波稀疏表示的机械故障诊断方法。
技术介绍
关键机械装备一旦发生故障，将带来巨大的经济损失甚至人员伤亡，国内外因为机械设备故障而导致的重大事故屡有发生。若能在装备运行过程中及时发现故障，对装备安全运行，避免经济损失及灾难性事故具有重要意义。机械故障诊断一项艰巨任务就是如何从含噪振动信号中准确恢复周期性故障冲击波形，近年来在工业界及学术界引起了广泛的关注。小波分析方法基于信号与噪声在不同频带上小波系数具有不同强度分布这一事实，利用小波后处理技术将各频带上噪声对应的小波系数去除，保留信号的小波系数，实现信号与噪声的分离，得到周期性故障冲击波形。然而，传统的大多数小波后处理方法(如硬阈值去噪，L1范数正则化去噪)对低信噪比(小波系数稀疏性不明显)信号去噪效果并不理想，容易在去噪信号中引入杂乱噪的声尖点或Pseudo-Gibbs效应等伪影(即故障冲击波形的表示结果不够稀疏、准确)，影响故障特征的解读与故障类型的准确诊断。...

【技术保护点】
1.基于平移不变分数阶小波稀疏表示的机械故障诊断方法，其特征在于，包括以下步骤：/n(1)采集监测对象的振动信号，并将其作为系统输入；/n(2)指定分解层数K与分数阶B样条小波的阶数，利用平移不变分数阶小波变换对信号进行分解，得到三个小波细节系数(D

【技术特征摘要】
1.基于平移不变分数阶小波稀疏表示的机械故障诊断方法，其特征在于，包括以下步骤：
(1)采集监测对象的振动信号，并将其作为系统输入；
(2)指定分解层数K与分数阶B样条小波的阶数，利用平移不变分数阶小波变换对信号进行分解，得到三个小波细节系数(D1、D2与D3)与一个逼近系数(A4)；
(3)对步骤2中的细节系数与逼近系数进行非线性运算，得到的细节系数与逼近系数表示为
(4)对步骤3处理得到的小波系数进行广义硬阈值收缩，得到最终的小波系数
(5)对步骤4处理后的小波系数进行平移不变分数阶小波逆变换，得到故障特征波形的稀疏表示结果；
(6)从故障特征波形的稀疏表示结果中，提取故障特征频率，并进行故障诊断。


2.根据权利要求1所述的基于平移不变分数阶小波稀疏表示的机械故障诊断方法，其特征在于，所述步骤(3)中线性运算表达式为：



其中：细节系数与逼近系数统一表示为wj，j表示小波分解层数，1≤j≤K)；得到的细节系数与逼近系数表示为细节系数为与逼近系数为


3.根据权利要求1所述的基于平移不变分数阶小波稀疏表示的机械故障诊断方法，其特征在于，所述步骤(4)中广义硬阈值收缩表达式为：



其中：得到最终的小波系数表示为细节系数为与逼近系数为Tj,L、Tj,H分别表示噪声阈值的下限值与上限值。


4.根据权利要求3所述的基于平移不变分数阶小波稀疏表示的机械故障诊断方法，其特征在于，所述噪声阈...

【专利技术属性】
技术研发人员：刘治汶，张新，王磊，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51