[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

摘要

本发明属于信号处理技术领域，涉及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，首先采样信号，确定小波包分解层数并对采样信号进行小波包分解，得到分解后的小波包系数；然后对该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进行重构得到去噪信号，并对该去噪信号进行LMD分解，得到多个PF分量；进而计算PF分量的均方误差值、峭度、均方根值，以及去噪信号的能量占比和K‑L散度，并根据这些指标值得到综合评判指标，筛选出前指标对应的PF分量；最后，对PF分量进行包络解调，提取故障特征频率。本发明改善采样信号的去噪效果，凸显强背景噪声下的微弱故障特征，有效提高轴承故障诊断的准确性。

主权项

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QI1、峭度QI2、均方根值QI3，以及所述去噪信号s的能量占比QI4和K‑L散度QI5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。