[发明专利]一种基于EEMD稀疏分解的轴承故障识别方法及系统

权利要求书

1.一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，包括以下步骤：

步骤100，获取轴承振动信号并转换成电信号；

步骤200，向电信号中加入一定幅值的高斯白噪声，对加入白噪声的电信号进行EMD分解得到多个IMF分量和一个余项；

步骤300，对多个IMF分量进行稀疏处理；

步骤400，对步骤200和步骤300进行预设次数的迭代，每次迭代时，加入的高斯白噪声为均方根相等的不同的高斯白噪声，然后对迭代结果中的同阶IMF分量进行总体平均计算；

步骤500，利用总体平均后的IMF分量计算轴承振动信号的能量熵，结合能量分布状况对轴承故障类型进行识别。

2.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，所述轴承振动信号为不高于1000Hz的低频振动信号。

3.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，所述的对多个IMF分量进行稀疏处理，包括：

利用三次插值过程将电信号y(t)恢复为与目标高振幅分量大小相同的低振幅样本y_l(t)；

采用S组高通滤波器对低振幅样本y_l(t)进行滤波处理；

将高通滤波后的y_l(t)分解成维数为的重叠分量块，得到相应的高振幅特征{y_k}，并计算稀疏系数：

基于OMP方法得到稀疏系数{α_k}；

采用高振幅字典{A_h}和稀疏系数{α_k}得到高振幅分量块x_k＝A_hα_k；对得到的高振幅分量块进行拼接，对重叠部分进行均值处理；

结合插值得到的低振幅分量y_l(t)，重建高振幅分量：

式中，R_k表示分量块的特征提取矩阵。

4.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，步骤400中，迭代次数为100～400次。

5.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，所述的结合能量分布状况对轴承故障类型进行识别，其识别方法包括基于SVM的分类识别方法。

6.根据权利要求1所述一种基于EEMD稀疏分解的轴承故障识别方法，其特征在于，对所述电信号进行稀疏处理时所采用的字典通过K-SVD字典学习算法得到。

7.一种基于EEMD稀疏分解的轴承故障识别系统，其特征在于，包括：

预处理模块，获取轴承振动信号并转换成电信号；

EEMD稀疏分解模块，向电信号中加入一定幅值的高斯白噪声，对加入白噪声的电信号进行EMD分解得到多个IMF分量和一个余项；对多个IMF分量进行稀疏处理；进行预设次数的迭代，每次迭代时，加入的高斯白噪声为均方根相等的不同的高斯白噪声，然后对迭代结果中的同阶IMF分量进行总体平均计算；

分类识别模块，利用总体平均后的IMF分量计算轴承振动信号的能量熵，结合能量分布状况对轴承故障类型进行识别。

8.一种电子设备，其特征在于，包括：

存储器，用于存储计算机软件程序；

处理器，用于读取并执行所述存储器中存储的计算机软件程序，以实现权利要求1-6任一项所述的一种基于EEMD稀疏分解的轴承故障识别方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有用于实现权利要求1-6任一项所述的一种基于EEMD稀疏分解的轴承故障识别方法的计算机软件程序。