基于自适应冗余提升小波降噪分析的轴承故障识别方法技术

本发明专利技术涉及一种基于自适应冗余提升小波降噪分析的轴承故障识别方法，属于滚动轴承的故障识别技术领域。技术方案是：1）轴承振动信号的自适应冗余提升小波变换；2)对各次分解得到的高频细节信号作变尺度阈值降噪处理；3）对最后一次分解得到的低频逼近信号和经小波阈值降噪后的高频细节信号作完整的逆向重构；4）对重构后的信号作Hilbert解调处理，得到初始振动信号的包络谱图；对谱图中的频率成分进行提取和识别；若能发现转频或故障特征频率甚至对应的倍频，判断轴承发生故障。本发明专利技术的有益效果是：根据噪声在小波域的变化特点来灵活选取阈值，可以更好地滤除噪声，同时又尽可能地保证真实信号的完整性。

【技术实现步骤摘要】
本专利技术涉及一种基于自适应冗余提升小波降噪分析的轴承故障识别方法，属于滚动轴承的故障识别

技术介绍
在众多的现代化设备中，轴承是应用最为广泛同时也是最易发生故障的元件之一。而因其故障引起的设备停机和生产停产，将给企业造成巨大的经济损失。为了保证生产的正常进行，最大限度地防止不良后果的发生，针对轴承开展有效的状态监测和诊断显得尤为重要和必要。对轴承实施状态监测时，采集其振动信号并运用一定的技术作分析处理，同时结合故障机理来判断轴承的运行状态，是当前最为常用的途径。而在诸多的现代信号处理方法中，具有多分辨分析的小波变换应用十分普遍，其主要是利用小波与信号中感兴趣成分的相似性以及小波的低熵特性将这些成分提取出来。但对于传统小波，由于双尺度方程的约束性，用于不同尺度下信号分解的却始终是同一小波，因而难以匹配不同尺度下信号中的特征。为此，利用提升算法在时域构造小波的特性，对轴承的振动信号进行提升·小波变换，并在变换的过程中根据不同尺度下信号的特点自适应地选取不同的小波来匹配信号中的特征，并结合阈值降噪方法来提高信噪比，以更好地提取有效特征用于轴承状态的识别。所述的“小波”是指“小波”就是本文档来自技高网...

【技术保护点】
一种基于自适应冗余提升小波降噪分析的轴承故障识别方法，其特征在于包括如下步骤：1）轴承振动信号的自适应冗余提升小波变换；首先，确定预测算子长度？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？和更新算子长度并一共得到十组不同的值，结合Lagrange插值公式计算得到十组预测算子系数和更新算子系数进而构造出十种具有不同特性的小波；然后，确定分解层数，开始逐次进行冗余提升小波分解；每次分解时，均对新生成的十组低频逼近信号和高频细节信号取归一化范数，并比较这十个范数值，取范数值最小的低频逼近信号和高频细节信号作为该次分解的最终结果而舍弃其他九组结果；2）对...

【技术特征摘要】
1.一种基于自适应冗余提升小波降噪分析的轴承故障识别方法，其特征在于包括如下步骤 1)轴承振动信号的自适应冗余提升小波变换； 首先，确定预测算子长度和更新算子长度犮并一共得到十组不同的(F,I )值，结合Lagrange插值公式计算得到十组预测算子系数P和更新算子系数进而构造出十种具有不同特性的小波；然后，确定分解层数，开始逐次进行冗余提升小波分解；每次分解时，均对新生成的十组低频逼近信号和高频细节信号取归一化h范数，并比较这十个范数值，取范数值最小的低频逼近信号和高频细节信号作为该次分解的最终结果而舍弃其他九组结果; 2)对各次分解得到的高频细节信号作变尺度阈值降噪处理； 3)对最后一次分解得到的低频逼近信号和经小波阈值降噪后的高频细节信号作完整的逆向重构； 4)对重构后的信号作Hilbert解调处理，得到初始振动信号的包络谱图；对谱图中的频率成分进行提取和识别；若能发现转频或故障特征频率甚至对应的倍频，判断轴承发生故障。2.根据权利要求I所述之基于自适应冗余提升小波降噪分析的轴承故障识别方法，其特征在于具体步骤 1)确定分解层数为三，对采集得到的轴承振动信号作自适应冗余提升小波变换；三层分解完成后，得到三个低频逼近信号七和^以及三个高频细节信号之和I其中下标I、2, 3分别表示第一层、第二层和第三层分解得到的结果； 2)对之和之·作变尺度阈值降噪处理；在这一过程中，先由启发式阈值生成规则和初始振动信号生成初始阈值 ,然后选用硬阈值函数对之和毛〔分别取阈值“ /及和2进行降噪，并得到降噪后的结果叾、石和J3; 3 )对七、J3, I2和叾作完整的逆向重构； ...

【专利技术属性】
技术研发人员：迟桂友，于根茂，高立新，阳子靖，仝金平，王宏斌，刘伍，王玉兵，赵玉武，
申请(专利权)人：宣化钢铁集团有限责任公司，北京工业大学，河北钢铁集团有限公司，
类型：发明
国别省市：