[发明专利]基于噪声测试的机械故障判别系统及方法

权利要求书

1.基于噪声测试的机械故障判别系统及方法，其特征在于所述系统由高频麦克风、声卡、PC机、伸缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，声卡连接到PC机，所诉方法基于能量带提取和分形算法相结合，对机械运行时的噪声信号进行采集和运算处理来测试机械故障，具体包括以下步骤：

a.对机械运转相对平稳时产生的噪声进行采样；

b.对采集的数据进行预处理；

c.信号故障特征提取；

d.特征组分的分形分析。

2.根据权利要求1所述的基于噪声测试的机械故障判别系统及方法，其特征在于对机械运转相对平稳时产生的噪声进行采样，测试环境应设置在背景噪声小、无共振、无反射、无混响等外界干扰的环境中，测试点选择信号稳定、信噪比高、对故障敏感的位置，测试距离要保证测量的最佳声能辐射方向和声能的最小测量前衰减，满足声信号有效长度公式的要求；采样频率应满足Nyquist定理的要求，可适当提高采样频率，以得到更多的机械运转状态信息；

3.根据权利要求1所述的基于噪声测试的机械故障判别系统及方法，其特征在于对采集的数据进行预处理包括以下步骤：

b1.基小波参数的优化，Morlet小波定义式为：ψ(t)＝exp(-β²t²/2)cos(πt)，β是控制Morlet基小波形状的唯一参数，β越大，波形衰减越快，直至逼近一个脉冲信号，同时也使基小波的频率分辨率越高，反之亦然，调整β的实质是对信号时域与频域的分辨率进行折中。由于最小小波熵对应的基小波就是与特征成分最匹配的小波，因此，在一定范围内变化β，选择使得信号小波熵最小的β作为最优值；

b2.阈值函数的确定，利用一种改进的阈值函数，表达式如下：

式中，sgn(□)为符号函数，w_j，k为小波变换系数，β_j为折中系数，δ_j为阈值，N_j为小波尺度j的小波系数长，σ_j为小波尺度j层噪声的标准方差；

b3.分解层数N₀的确定，在对信号进行降噪处理时，分解层数N₀的确定比较重要，过大的N₀势必导致计算量的增大，影响进一步的分析；当N₀比较小时，虽然会减小计算量，易于实现，但最终的消噪效果并不会很理想，因此，分解层数N₀的确定是计算效率与消噪效果的折中考虑；

b4.利用b1中的基函数对信号S₀进行N₀层小波包分解；

b5.对每一个小波包分解系数，选择由步骤b2确定的阈值对系数进行阈值量化处理；

b6.重构第N₀层的小波包分解系数和经过量化处理的系数，获得降噪后的信号S₁。