一种基于EEMD稀疏分解的轴承故障识别方法及系统技术方案

本发明专利技术涉及一种基于EEMD稀疏分解的轴承故障识别方法及系统，本发明专利技术首先获取轴承振动信号并转换成电信号；利用EMD方法将电信号分解得到多个IMF分量和一个余项；对多个IMF分量进行稀疏处理；利用EEMD方法总体平均后的IMF分量计算轴承振动信号的能量熵，结合能量分布状况对轴承故障类型进行识别。本发明专利技术方法作为一种有效的自适应算法尤其针对非平稳信号处理来进行分解，对于各自独立的IMF分量而言，其皆具备信号的尺度特征并具有随之变化的特性。

【技术实现步骤摘要】
一种基于EEMD稀疏分解的轴承故障识别方法及系统
本专利技术涉及信号与信息处理领域，具体地，涉及一种基于EEMD稀疏分解的轴承故障识别方法及系统。
技术介绍
恶劣工况环境下长时间运行的大型轴承经常处于高负荷、强高温、强高压与高湿、强电磁干扰以及强耦合状况下，运行过程中的材料老化、高温高压、突加载荷作用、设计缺陷尤其是异常振动因素会对轴承产生无法逆转的损伤积累。与此同时，由于整台轴承的正常运行受到故障的严重影响，而绝大多数情况下是由于某些关键部位运转不正常所致，这对轴承造成了永久性破坏的同时也会带来巨大的经济损失。如何保障轴承的稳定、可靠、安全运行成为了轴承运行维护时需要关注的热点问题。由于振动信号直接代表故障轴承的动态特性，这导致它们对故障的敏感性，因此它们被广泛应用于检测轴承故障。当前，对于大型机械轴承的故障诊断主要集中在采集设备运行的振动状态参数进而实现状态监测和故障诊断上。通过分析机械振动信号的各种参量变化如时域、频域与幅值域的变化态势来研判机械故障进而实施预警。与此同时，故障特征的提取方法已经由常规方法(如快速傅里叶变换、功率谱本文档来自技高网...

【技术保护点】
1.一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，包括以下步骤：/n步骤100，获取轴承振动信号并转换成电信号；/n步骤200，向电信号中加入一定幅值的高斯白噪声，对加入白噪声的电信号进行EMD分解得到多个IMF分量和一个余项；/n步骤300，对多个IMF分量进行稀疏处理；/n步骤400，对步骤200和步骤300进行预设次数的迭代，每次迭代时，加入的高斯白噪声为均方根相等的不同的高斯白噪声，然后对迭代结果中的同阶IMF分量进行总体平均计算；/n步骤500，利用总体平均后的IMF分量计算轴承振动信号的能量熵，结合能量分布状况对轴承故障类型进行识别。/n

【技术特征摘要】
1.一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，包括以下步骤：
步骤100，获取轴承振动信号并转换成电信号；
步骤200，向电信号中加入一定幅值的高斯白噪声，对加入白噪声的电信号进行EMD分解得到多个IMF分量和一个余项；
步骤300，对多个IMF分量进行稀疏处理；
步骤400，对步骤200和步骤300进行预设次数的迭代，每次迭代时，加入的高斯白噪声为均方根相等的不同的高斯白噪声，然后对迭代结果中的同阶IMF分量进行总体平均计算；
步骤500，利用总体平均后的IMF分量计算轴承振动信号的能量熵，结合能量分布状况对轴承故障类型进行识别。


2.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，所述轴承振动信号为不高于1000Hz的低频振动信号。


3.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，所述的对多个IMF分量进行稀疏处理，包括：
利用三次插值过程将电信号y(t)恢复为与目标高振幅分量大小相同的低振幅样本yl(t)；
采用S组高通滤波器对低振幅样本yl(t)进行滤波处理；
将高通滤波后的yl(t)分解成维数为的重叠分量块，得到相应的高振幅特征{yk}，并计算稀疏系数：



基于OMP方法得到稀疏系数{αk}；
采用高振幅字典{Ah}和稀疏系数{αk}得到高振幅分量块xk＝Ahαk；对得到的高振幅分量块进行拼接，对重叠部分进行均值处理；
结合插值得到的低振幅分量yl(t)，重建高振幅分量：



式中，Rk表示分量块的特征提取矩阵...

【专利技术属性】
技术研发人员：张健，宋文广，雷鸣，林德树，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北;42