一种基于双域分离的最小熵解卷积方法技术

本发明专利技术涉及一种基于双域分离最小熵解卷积方法，首先对传感器采集到的原始信号进行傅里叶变换得到频谱，再次进行傅里叶变换得到频谱的幅值谱；而后进行带阻滤波，仅保留幅值谱两端很少的样本点，得到滤除故障信息的滤波结果，并对滤波结果进行逆傅里叶变换，得到处理后的频谱；接着利用原始频谱与处理后的频谱作差，以抵消随机冲击频率成分，并对作差结果再次进行逆傅里叶变换，得出消除随机冲击后的时域信号；然后构建随机初始化的滤波器，利用滤波器对消除随机冲击后的时域信号进行滤波，以峭度为目标约束解卷，通过求解偏导迭代更新滤波器，经过设定次数的迭代后，获得最优滤波器系数；最后，基于最优滤波信号构建包络谱，提取故障特征频率，识别轴承故障特征。本发明专利技术基于随机冲击和故障脉冲在频谱及其幅值谱域的不同谱线特征，执行带阻滤波操作分离随机冲击与故障脉冲，并利用频谱作差技术彻底去除随机冲击干扰，在本质上解决了随机冲击干扰对最小熵解卷积方法的影响，拓展了其应用范围。

【技术实现步骤摘要】

本专利技术属于机械设备故障诊断和信号分析处理，特别涉及一种基于双域分离的最小熵解卷积方法(minimum entropy deconvolution based on bi-domainseparation,bds-med)。

技术介绍

1、滚动轴承作为旋转机械设备的关键部件之一，由于其自身承受载荷压力过大，且受到较差工作条件及恶劣工作环境的影响，容易发生故障而损坏。因此对滚动轴承进行故障诊断极其重要。现有滚动轴承故障诊断方法中，较为常见的是基于特征提取的故障诊断方法，其必要步骤是对获取到的包含有滚动轴承故障信息的振动信号进行分析和处理。然而，环境噪声的干扰以及传递路径的影响，会导致被测信号中的微弱故障特征常被大量背景噪声淹没而难以被有效提取。

2、解卷积方法(deconvolution methods,dms)可以自适应地设计滤波器进行特征提取，是抵消传输路径影响的最有效工具。其本质是通过搜寻最优滤波器系数来设计有限元冲激响应(finite impulse response,fir)滤波器，使滤波后的信号尽量接近解卷积目标。在上世纪八十年代，本文档来自技高网...

【技术保护点】

1.一种基双域分离的最小熵解卷积方法，其特征在于：包括以下步骤：

【技术特征摘要】

1.一种基双域分离的最小熵解卷积...

【专利技术属性】
技术研发人员：苗永浩，胡森，夏雨，石惠芳，刘彦彤，林京，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：