[发明专利]轴承故障振动信号Schatten改进小波包与重构降噪方法

说明书

本发明涉及一种轴承故障振动信号Schatten改进小波包与重构降噪方法及装置，该方法首先获取关于轴承故障振动信号的原始数据，并根据所述原始数据特性选择适当的小波函数；对原始数据进行小波包分解滤波，按照频段由低到高依次分解得到多个频段的小波包系数；对所述多个频段的小波包系数实施量化操作；根据量化后小波包系数与最优小波包基分解系数来进行快速小波包重构操作；将经过处理得到振动信号的主频振幅、相位、波形覆盖范围与原始信号的属性值进行一一比对，若误差在允许范围内则存储处理后的数据。本发明针对常规小波包与单节点重构的信号去噪方法做出了优化与改进，增加了Schatten矩阵算子来促进降噪性能的提升。

技术领域

本发明涉及信号与信息处理领域，具体地，涉及一种轴承故障振动信号Schatten改进小波包与重构的降噪方法。

背景技术

恶劣工况环境下长时间运行的大型轴承经常处于高负荷、强高温、强高压与高湿、强电磁干扰以及强耦合状况下，运行过程中的材料老化、高温高压、突加载荷作用、设计缺陷尤其是异常振动因素会对轴承产生无法逆转的损伤积累。与此同时，由于整台轴承的正常运行受到故障的严重影响，而绝大多数情况下是由于某些关键部位运转不正常所致，这对轴承造成了永久性破坏的同时也会带来巨大的经济损失。如何保障轴承的稳定、可靠、安全运行成为了轴承运行维护时需要关注的热点问题。因此在大型轴承行业，基于振动信号分析的状态感知技术、智能化故障检测技术一直是该行业的前沿热点研究领域。

当前，针对轴承故障异常振动信号的检测与分析方式、手段已经广泛地应用于轴承的故障排查与预警中，而通过长期、海量的监测与样本分析得知轴承故障异常振动信号的随机变换呈现出一定的复杂性、高维性、强非线性、强耦合与非稳态性。其故障振动信号是一种十分典型的非线性、非稳态的随机信号，其发生、发展呈现出很大的不确定性；后期信号处理成本较高，处理的精确度与稳定性无法很好的满足实际需求；同时由于采集到的有效振动信号较弱，并且受到环境噪声的干扰较大，致使信号的信噪比较差。需要对其实施前期去噪操作，而沿用多年经典的前期降噪处理方法-快速傅里叶变换法随着技术的发展正逐步由小波变换分析法和小波包去噪法所取代。其中，小波变换运用平移、伸缩等诸多运算方式在信号的多尺度细化分析、特征提取等方面较传统傅里叶方法有其不可比拟的优势，但运用小波变换分析法的同时也会出现信号边缘模糊、重构失真等一些缺陷；而进阶的小波包去噪方法在多分辨率、高精细化的优势显著。由于它是作用在整个频段范围内来进行信号的多层次划分，从而弥补了小波变换分析中无法对高频部分实现细分的空白，通过分析振动信号的频率特征，重构特定频段范围内的小波包系数以达到去除特征频段外噪声的目的。但在小波包快速重构算法流程中，因频率混杂作为缺陷存在于小波滤波器中，而采用常规分解与重构方式在处理非稳态信号尤其是混合含噪信号时的效果无法满足要求：特别是对于某些频率分量无法实施准确的捕捉与重构；即使采用传统的单节点重构方法也无法避免频率混淆所造成的影响。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于Schatten改进小波包与重构的轴承故障振动信号降噪方法，在分解或者重构算法中增加了新的变换因子-Schatten矩阵算子，选取Schatten矩阵算子的变换与逆变换方法分别作用于信号的高、低频子带部分，而捕获各自节点中额外的频率部分从而实现了信号的精细分解或重构去噪。

本发明解决上述技术问题的技术方案如下：

一方面，本发明提供一种轴承故障振动信号Schatten改进小波包与重构降噪方法，包括以下步骤：

步骤1，获取关于轴承故障振动信号的原始数据，并根据所述原始数据特性选择适当的小波函数，并确定目标分解层数；

步骤2，对原始数据进行小波包分解滤波，按照频段由低到高依次分解得到多个频段的小波包系数；

步骤3，对所述多个频段的小波包系数实施量化操作，存续于频谱中的额外频率部分的谱值被执行置零操作；