[发明专利]基于双树复小波包流形域降噪的滚动轴承故障诊断方法

说明书

本发明涉及双树复小波包流形域降噪的滚动轴承故障诊断方法，该方法首先，利用加速度传感器采集滚动轴承的振动信号，其次，将振动信号进行双树复小波包分解，保留前两个节点的小波包系数，对余下节点的小波包系数进行阈值降噪，将各节点小波包系数进行单支重构，组成高维信号空间，然后，利用t分布随机近邻嵌入方法提取低维流形，并将低维流形逆重构获取高维空间主流形，得到降噪后的信号，最后，对降噪信号进行希尔伯特包络解调，获取振动信号的包络频谱，根据滚动轴承的内圈故障特征频率、外圈故障特征频率、滚动体故障特征频率和保持架故障特征频率，实现滚动轴承的故障诊断。

技术领域

本发明涉及机械故障诊断技术领域，具体涉及一种基于双树复小波包流形域降噪的滚动轴承故障诊断方法。

背景技术

旋转机械在工业及军事领域应用广泛，滚动轴承作为旋转机械的核心部件，其性能的好坏直接影响机械装备的可靠性。由于长时间的运转，滚动轴承易出现裂纹、滚动体磨损、保持架断裂等损伤，导致机械装备存在安全隐患。因此，及时准确的对滚动轴承进行故障诊断，对提高机械装备的稳定运行能力具有重大的意义。

滚动轴承的故障诊断通常采用基于振动信号的方法，通过提取滚动轴承的故障特征频率判断轴承的故障类型。实际测得的滚动轴承振动信号往往包含大量的噪声，导致振动信号中存在的微弱故障特征容易被噪声所淹没，直接对原始振动信号进行包络解调，难以获取滚动轴承的故障特征频率。因此，对滚动轴承振动信号进行降噪处理是准确提取故障特征及进行故障诊断的基础。

小波变换由于具有多分辨性而被广泛应用于滚动轴承的振动信号处理中。基于小波及小波包收缩阈值的降噪方法是一种广泛应用的信号去噪手段，但传统小波和小波包方法都存在以下缺陷：小波及小波包分解的频率混叠、不具备平移不变性及小波基选择困难。

发明内容

本发明的目的在于提供一种基于双树复小波包流形域降噪的滚动轴承故障诊断方法，该方法充分利用双树复小波包变换完全重构性、低频率混叠、近似平移不变性以及t分布随机近邻嵌入(这里t表示自由度为1的t分布函数)的非线性降维能力，对振动信号进行非线性降噪，提取隐藏在噪声信号中有用的振动信号信息，对降噪后信号采用希尔伯特包络解调，获取振动信号的频谱，根据滚动轴承各部件的故障特征频率，判断轴承故障类型。

为解决上述技术问题，本发明公开的一种基于双树复小波包流形域降噪的滚动轴承故障诊断方法，其特征在于，它包括如下步骤：

步骤1：采集滚动轴承振动信号；

步骤2：将滚动轴承振动信号进行双树复小波包分解，获取各尺度小波包系数，对滚动轴承振动信号的降噪处理等效为对滚动轴承振动信号的小波包系数的降噪处理；

采用小波阈值降噪的方法对上述滚动轴承振动信号的小波包系数进行降噪，即依据构建的小波阈值函数和设定的小波阈值对各尺度小波包系数进行去噪处理；

双树复小波包变换由两个并行且使用不同低通和高通滤波器的离散小波包变换组成，分别作为实部树和虚部树，保留实部树最高层前两个小波包节点的小波包系数不变，对余下节点的小波包系数进行所述小波阈值的去噪处理，将实部树最高层所有节点小波包系数进行单支重构；保留虚部树最高层前两个小波包节点的小波包系数不变，对余下节点的小波包系数进行所述小波阈值的去噪处理，将虚部树最高层所有节点小波包系数进行单支重构，将实部树和虚部树单支重构后得到的信号构成矩阵，组成高维信号；