[发明专利]基于ITD和改进形态滤波的轴承故障诊断方法

说明书

本发明公开了一种基于ITD和改进形态滤波的轴承故障诊断方法，为基于固有时间尺度分解(Intrinsic time scale decomposition,ITD)和改进形态滤波的轴承故障诊断方法，属于机械故障诊断领域，其内容包括如下步骤：首先对轴承振动信号进行ITD分解得到一系列旋转分量(Proper rotation,PR)，再以峭度为准则筛选出含故障信息丰富的有效PR，对每个有效分量进行改进形态滤波—ACDIF提取冲击成分然后信号重构，最后利用频谱分析提取重构信号中的故障特征。本发明利用了ITD方法对信号的自适应分解能力和ACDIF的有效滤噪并保留冲击成分的优点，提高了滤波输出的准确度。ACDIF滤波器不仅结构设计简单而且可应用于振动信号的故障诊断中，通过该方法滤波之后的信号冲击特征被完整保留。

技术领域

本发明属于机械设备的故障诊断领域，涉及一种基于ITD和改进形态滤波的轴承故障诊断方法。

背景技术

滚动轴承的状态监测与故障诊断一般以采集的振动信号作为分析对象，通过信号分 析得到故障特征实现诊断。由于轴承工况的不稳定和零部件的损伤等引起的非线性振动，采 集到的信号大多表现出非线性、非平稳的特征；同时不可避免地受到各种噪声与信号调制干 扰的影响。因此，如何有效地抑制噪声等干扰，从成分复杂的振动信号中提取出故障特征成 为故障检测的关键。

时频分析法是处理非线性、非平稳信号的常用方法，如短时傅里叶变换(Shorttime Fourier transform,STFT)、Wigner-vill分布(WVD)、小波变换(Wavelet transform,WT)、经验 模态分解(Empirical mode decomposition,EMD)等能同时从时域和频域揭示信号成分，实现故 障检测，在机械故障诊断中取得了广泛应用。短时傅里叶变换方法简单高效，但受Heisenberg 不确定原理的限制，时频分辨率较低；WVD能够描述信号的能量分布情况，在分析多分量 信号时，存在比较严重的交叉项干扰；小波变换具有可变的时频窗口，但要求选择基函数， 有限的时宽也有可能导致能量泄漏；EMD基于信号本身的局部特征时间尺度，虽有很大发 展，但还存在端点效应、模态混叠和负频率等问题。

固有时间尺度分解(Intrinsic time scale decomposition,ITD)是由Frei提出的另一种 自适应时频分析方法，该方法能将复杂信号分解为若干相互独立且瞬时频率具有物理意义的 固有旋转分量(Proper rotation,PR)之和。与EMD相比，ITD采用线性插值取代了基于三次 样条曲线的基线信号构建方法，得到的PR分量保留了原始信号的极值时刻，不会出现过包 络和欠包络现象，同时端点效应被严格限制在两端。原始信号经ITD分解之后，进一步突 显了故障信号的局部特征信息，但噪声抑制作用不明显，高频PR分量仍含有大量噪声，直 接对高频分量进行故障分析，噪声干扰会严重影响诊断结果的准确性。

不同于时频分析法，形态滤波(Morphological filter,MF)是基于数学形态学变换的 一种重要的非线性滤波方法，它利用结构元素与信号的形态特征进行匹配，可以有效地提取 信号的边缘轮廓和形状特征，其原理简明、运算简单高效，且具有明确的物理意义。

发明内容

本发明的目的在于提供一种基于ITD和改进形态滤波的轴承故障诊断方法，针对现有技术中单一的ITD分解降噪方法和故障特征提取技术的不足，以及故障信号受谐波和随机噪声干扰严重的特点和形态学基本理论，改进振动信号降噪和特征提取技术，有效滤除 谐波干扰,提取强背景噪声下的冲击故障特征，实现设备的故障诊断。

为了实现上述目的，本发明提供如下技术方案：