[发明专利]基于频域窗经验小波共振解调的滚动轴承故障诊断方法

说明书

本发明公开了一种针对滚动轴承故障诊断的自适应频域窗经验小波变换共振解调方法，其包括如下步骤：步骤1、根据采集的参数指标，确定频域窗上、下截止频率变化波动范围；步骤2、构造经验小波函数，计算得到经验小波变换后的小波系数，重构出模态分量信号；步骤3、通过归一化处理最终确定模态分量信号的改进包络谐波信躁比；步骤4、以模态分量信号的改进包络谐波信躁比为最优适应度函数值，采用粒子群优化方法，确定最优频域窗的位置；步骤5、提取所述滚动轴承故障振动信号中的故障特征信息，完成针对滚动轴承故障诊断的共振解调分析；其能够灵活选取信号频带区间的方法，利用粒子群优化频域窗经验小波变换实现共振解调来诊断滚动轴承故障。

技术领域

本发明涉及机械故障诊断与信号处理技术领域，尤其涉及一种基于频域窗经验小波共振解调的滚动轴承故障诊断方法。

背景技术

滚动轴承是旋转机械中的关键部件之一，其工作状态决定着整个机械系统能否可靠运行。然而在实际工程中，滚动轴承故障振动信号是典型的非线性、非平稳信号，信号中故障特征很容易被各种背景噪声所掩盖，因此在强背景噪声下诊断滚动轴承故障的难度很大。

共振解调方法是滚动轴承故障诊断的基本方法之一，滚动轴承在转动过程中，损伤点与其相接触的其它元件表面反复碰撞接触产生低频振动成分，称为“故障特征频率”。共振解调技术根据故障轴承在振动信号中出现的频率调制现象，通过带通滤波器选取某一高频固有共振频带，采用包络解调提取滚动轴承故障特征频率从而诊断出轴承故障。然而，如何准确找出高频共振频带位置并进行合适的解调分析却是需要解决的关键问题。传统共振解调方法主要有两种：一是通过对时域信号进行傅里叶变换，凭借人为经验确定共振频带并直接进行包络谱分析，该方法无疑受主观因素干扰较大，具有很大的偶然性；二是通过短时傅里叶变换划分信号频带，根据谱峭度大小确定共振频带的快速Kurtogram算法，该方法虽然克服了人为选取共振频带的问题，但是无法任意划分信号频带层数，并且谱峭度指标易受信号中背景噪声的干扰，在强噪声环境下往往无法诊断滚动轴承故障。

要利用共振解调方法准确诊断出滚动轴承故障，需要解决三个问题：一是要能灵活地划分信号频带层数，不受特定分解框架约束；二是要选取更为合理的指标参数作为评价最优共振频带的依据；三是要能对频带信号进行进一步地解调分析，进而消除背景噪声的干扰，使共振解调结果更为准确。而在现有技术中，并没有能同时很好解决这三个关键问题的相关技术记载。这也成为本领域技术人员亟需解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于频域窗经验小波共振解调的滚动轴承故障诊断方法，能够灵活选取信号频带区间的方法，利用粒子群优化频域窗经验小波变换实现共振解调来诊断滚动轴承故障。

为解决上述技术问题，本发明所采取的技术方案是：一种基于频域窗经验小波共振解调的滚动轴承故障诊断方法，其包括如下步骤：

步骤1、根据滚动轴承几何参数及故障信号采样时的各项参数指标，确定频域窗上、下截止频率变化波动范围；

步骤2、根据频域窗在滚动轴承故障信号频谱中的上、下截止频率，构造经验小波函数，计算得到经验小波变换后的小波系数，重构出模态分量信号；

步骤3、分别计算滚动轴承原始故障信号和模态分量信号的包络谐波信躁比和包络谱稀疏度，通过归一化处理最终确定模态分量信号的改进包络谐波信躁比；

步骤4、以模态分量信号的改进包络谐波信躁比为最优适应度函数值，采用粒子群优化方法，通过迭代寻优过程自适应计算出最优频域窗上、下截止频率，确定最优频域窗的位置；

步骤5、基于最优频域窗经验小波变换得到最佳模态分量信号，然后进行包络谱分析，提取所述滚动轴承故障振动信号中的故障特征信息，完成针对滚动轴承故障诊断的共振解调分析。

所述步骤1中根据滚动轴承几何参数及故障信号采样时的各项参数指标确定频域窗上、下截止频率变化波动范围，具体采用如下方法：