[发明专利]基于改进小波包阈值去噪与局部均值分解的故障提取方法

权利要求书

1.基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，该故障提取方法包括如下步骤：

步骤1：获取故障轴承的振动信号作为采样信号x，并根据所述采样信号x中故障频率和正常频率中的最小频率确定小波包分解层数j；

步骤2：使用改进小波包算法对所述采样信号x进行所述步骤1中得到的j层小波包分解，得到m个小波包系数；

步骤3：对所述步骤2的所述分解后的m个小波包系数进行二次加权相关阈值去噪，对该去噪后的小波包系数用改进小波包算法进行重构得到去噪信号s；

步骤4：对所述步骤3去噪信号s进行LMD分解，得到多个PF分量；

步骤5：计算所述步骤4中得到的每个PF分量的均方误差值Q_I1、峭度Q_I2、均方根值Q_I3，以及所述去噪信号s的能量占比Q_I4和K-L散度Q_I5指标值，其中I＝1,2,3…H，H为PF分量的个数；

步骤6：根据所述步骤5中的各项指标值得到综合评判指标J_I，计算公式为：(I＝1，2，3.......n)按照从大到小的顺序排列，筛选出前指标对应的PF分量；

步骤7：将所述步骤6筛选出的PF分量进行包络解调，提取故障特征频率。

2.如权利要求1所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述步骤1中小波包分解层数j的确定方法为：根据尺度与频率的对应关系确定所述采样信号x中故障频率和正常频率中的最小频率、小波包的中心频率及所述采样信号x的采样周期，公式为其中是尺度a对应的伪频率，fc是小波包对应的中心频率，Δt是采样周期；伪频率覆盖包括故障频率和正常频率的全部频率范围，即：则故障频率和正常频率中的最小频率小波包末层分解小波包系数的个数从而可计算出小波包分解层数j，其中2^j-1≤L≤2^j。

3.如权利要求1所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述步骤2中使用改进小波包算法对采样信号x进行所述步骤1中得到的j层分解过程中，将采样信号x与高通滤波器或者低通滤波器进行卷积，并对卷积后的信号进行FFT变换，得到频域信号；对频域信号进行去除多余频率成分处理，将每层频带中多余的成分置零，利用隔点采样和隔点插零的反向折叠作用，纠正频率混叠现象后，再经过IFFT变换，返回时域以后，对时域里的信号进行正常的后续小波包处理，从而有效消除频带中的信号交错的频谱。

4.如权利要求3所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述对采样信号x进行去除多余频率成分处理，包括C处理和D处理，令x(n)表示2^j尺度上低频子带小波包系数，则所述C定义如下：

所述D的定义如下：

式中，n＝0，1，…N_j-1；k＝0，1，…N_j-1；N_j—2^j尺度的数据长度；—C、D算子的输出，X(k)为分频段对频率成分处理后的输出，k为频率分段的区间。

5.如权利要求1所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述步骤3中二次加权相关阈值去噪方法为：若所述分解后的小波包系数的自相关函数呈指数衰减，则取阈值为3σ；若所述分解后的小波包系数的自相关函数呈周期性特征，则取阈值为0；否则对阈值做加权处理，定义阈值K，其中为第m个小波包系数的二次相关系数，σ_m为该小波包系数的标准差。

6.如权利要求5所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述二次相关系数为小波包末层各分解系数自相关函数与噪声自相关函数的互相关系数。

7.如权利要求6所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述噪声是同等条件下的正常设备运行初期的信号。

8.如权利要求1所述基于改进小波包阈值去噪与局部均值分解的故障提取方法，其特征在于，所述步骤4中对去噪信号s进行LMD分解的方法如下：

(1)定义去噪信号s为原信号x(t)，首先求出该原信号x(t)的全部极值点n_i,然后利用该极值点n_i求出所有的局域均值m_i和局域包络值a_i，计算公式如下：

(2)对所述局域均值m_i和局域包络值a_i采用滑动平均函数进行处理，得到局域均值函数m₁₁(t)和局域包络函数a₁₁(t)；

(3)在所述原信号x(t)中减去局域均值函数m₁₁(t)，再除以包络函数a₁₁(t)进行解调，得到s₁₁(t)：

若s₁₁(t)为纯调频信号，则它的包络信号a₁₂(t)＝1，因此，若a₁₂(t)≠1，则s₁₁(t)不是纯调频信号，那么重复步骤(1)～(3)，直到s_1n(t)为纯调频信号，即a_1n(t)＝1；

(4)将以上迭代过程产生的a_1n(t)相乘，得到第一个PF分量的包络信号a₁(t)：

a₁(t)＝a₁₁(t)a₁₂(t)...a_1n(t)

(5)将所述包络信号a₁(t)和所述纯调频信号s_1n(t)相乘，得到第一个PF分量：

S_PF₁＝a₁(t)s_1n(t)

(6)把步骤(5)得到的S_PF1从所述原信号x(t)中分离出来，得到一个新信号u₁(t)，将该新信号u₁(t)作为原始信号重复以上步骤，分离出所有的PF分量，直至u_k(t)为一个单调函数。