基于多尺度排列熵和峭度值融合因子的轴承故障提取方法技术

本申请属于航空发动机设计领域，为基于多尺度排列熵和峭度值融合因子的轴承故障提取方法，通过采集故障轴承振动信号，形成数据集；而后截取数据集内一定时间内的数据，计算轴承内圈故障理论特征频率，并经傅里叶变换得到故障轴承的频谱图；对频谱图内的振动信号进行小波包分解和小波包重构，形成多个不同的小波基，而后根据不同小波基对原始振动信号进行代价函数计算，选出最佳小波基对原始信号进行三层小波分解；对分解后的八个WPC分量进行二次筛选，而后进行SG平滑滤波；得到最优时域信号，最后利用Hilbert包络解调得到故障轴承频域信息，识别轴承故障的方法。该方法可极大程度抑制噪声信号，提高振动信号信噪比，识别滚动轴承故障特征。承故障特征。承故障特征。

【技术实现步骤摘要】
基于多尺度排列熵和峭度值融合因子的轴承故障提取方法


[0001]本申请属于航空发动机设计领域，特别涉及一种基于多尺度排列熵和峭度值融合因子的轴承故障提取方法。

技术介绍

[0002]滚动轴承是各旋转机械系统的关键部件，其运行状态会对整体机械系统工作的稳定性、准确性以及安全性产生影响。滚动轴承作为航空发动机的关键部件，其故障诊断问题是目前工程实际应用前沿问题之一。现有提出的对滚动轴承进行故障诊断的方法包括一种基于小波包分解与优化包络谱相结合的方式对低信噪比信号进行诊断识别和一种基于SNDCNN的滚动轴承故障诊断方法，对不同转速及故障类型的滚动轴承故障有良好的识别能力。通过搭建模拟机匣，模拟振动信号的复杂传递路径并利用经验模态分解及包络谱技术识别故障特征信息。但滚动轴承出现故障时其振动信号包含大量噪声，难以从原始振动信号中识别其故障特征信息。
[0003]因此，如何对滚动轴承的故障特征进行准确高效的提取是一个需要解决的问题。

技术实现思路

[0004]本申请的目的是提供了一种基于多尺度排列熵和峭度值融合因子的轴承故障提取方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度排列熵和峭度值融合因子的轴承故障提取方法，其特征在于，包括：进行滚动轴承故障试验，采集故障轴承振动信号，形成数据集，数据集内的数据按照时间进行排序；截取数据集内一定时间内的数据，计算轴承内圈故障理论特征频率，并形成故障轴承振动信号时域图，并经傅里叶变换得到故障轴承的频谱图；对频谱图内的振动信号进行小波包分解和小波包重构，形成多个不同的小波基，而后根据不同小波基对原始振动信号进行代价函数计算，选出最佳小波基对原始信号进行三层小波分解，得到八个WPC分量；对各WPC分量进行相关系数计算，将相关系数中最小及次小的分量进行剔除，完成WPC分量的一次筛选；而后计算各WPC分量与原始信号的相关性，计算各WPC分量特征因子，并分别进行峭度值和多尺度排列熵计算，用θ值准则进行二次筛选，得到重构降噪后的时域信号，而后进行SG平滑滤波；将二次筛选后的时域信号进行Hilbert包络解调得到频谱信息，根据频谱信息获取故障轴承的故障特征频率、倍频和由部分特征频率与电机转频叠加而成的协调频率，完成故障数据提取。2.如权利要求1所述的基于多尺度排列熵和峭度值融合因子的轴承故障提取方法，其特征在于，所述小波基分解公式为：式中，和是小波变换的小波系数；z为尺度参数，z∈Z
+
；m，k为平移参数，m、k∈Z；j为频率参数，j∈{2
j
‑
1,2
j
‑
2,
…
,0}；h
k
‑
2m
为低通滤波器；g
k
‑
2m
为高通滤波器；所述小波包重构公式为：式中，为小波包重构后的系数；h
m
‑
2k
为重构低通滤波器；g
m
‑
2k
为重构高通滤波器。3.如权利要求1所述的基于多尺度排列熵和峭度值融合因子的轴承故障提取方法，其特征在于，对小波基进行小波分解时，所采用的双尺度方程为：式中，{V
m
(t)},m∈Z是由基函数V
m
＝φ(t)所确定的小波包，g
k
和h
k
分别为长度为2n的高通滤波器和低通滤波器，n代表小波包的次序，k为平移参数。4....

【专利技术属性】
技术研发人员：刘永泉，郭小鹏，葛向东，杜少辉，安中彦，栾孝驰，乔保栋，杨杰，沙云冬，崔鹏展，
申请(专利权)人：中国航发沈阳发动机研究所，
类型：发明
国别省市：