基于ITD与稀疏编码收缩的滚动轴承故障特征提取方法.docx

基于ITD与稀疏编码收缩的滚动轴承故障特征提取方法
摘要
滚动轴承是重要的机械传动装置之一，其故障会导致机械系统的失效。因此，准确地监测滚动轴承的运行状态具有重要的工程应用价值。本文提出了一种基于互相关峰值间时差（ITD）与稀疏编码收缩的滚动轴承故障特征提取方法。该方法首先通过ITD算法提取信号的时域特征，进而基于稀疏编码收缩算法提取其频域特征。实验结果表明，该方法能够有效地提取滚动轴承的故障特征，同时能够识别轻微的故障。
关键词：滚动轴承；故障特征提取；ITD；稀疏编码收缩
Abstract
Rollingbearingsareoneoftheimportantmechanicaltransmissiondevices.Itsfailurecanleadtothefailureofthemechanicalsystem.Therefore,accuratelymonitoringtheoperatingstatusofrollingbearingshasimportantengineeringapplicationvalue.Inthispaper,arollingbearingfaultfeatureextractionmethodbasedonintercorrelationpeakintervaldifference(ITD)andsparsecodingshrinkageisproposed.Themethodfirstextractsthetime-domainfeaturesofthesignalthroughtheITDalgorithm,andthenextractsitsfrequency-domainfeaturesbasedonthesparsecodingshrinkagealgorithm.Experimentalresultsshowthatthemethodcaneffectivelyextractthefaultfeaturesofrollingbearingsandcanidentifyslightfaults.
Keywords:rollingbearings;faultfeatureextraction;ITD;sparsecodingshrinkage
引言
滚动轴承作为机械传动装置中常用的一种，其工作状态对机械系统的运行稳定性和安全性起着至关重要的作用。因此，准确地监测其运行状态，在机械系统故障预测与健康管理中具有重要的工程应用价值。滚动轴承的故障包括但不限于疲劳损伤、松动、裂纹等。针对滚动轴承故障特征提取问题，传统的方法主要基于频域分析，在观测信号中寻找故障特征频率信号。这种方法虽然简单直观，但由于环境的干扰和信号的复杂性导致效果不佳。
近年来，基于时域分析方法的滚动轴承故障特征提取方法受到越来越多的关注。时域分析能够保留信号的原始信息，减少了振动信号处理过程中的失真，因此更能准确地提取故障特征信息。目前，时域分析方法主要包括小波变换、时频分析和互相关法等。
本文提出了一种基于互相关峰值间时差（ITD）和稀疏编码收缩方法的滚动轴承故障特征提取方法。该方法首先通过ITD算法提取信号的时域特征，然后通过稀疏编码收缩算法提取其频域特征。该方法利用了时域特征与频域特征之间的相互关系，能够有效地提取滚动轴承的故障特征，从而实现故障诊断。
方法
A.互相关峰值间时差
ITD算法是根据信号在时间和空间上传播的理论，利用相邻峰值的间时差来提取信号的时域特征。其过程包括信号预处理、峰值提取和间时差计算三个步骤。为了提高诊断精度，本文采用了三级小波去噪方法预处理滚动轴承信号，在此基础上进行后续处理。
B.稀疏编码收缩
稀疏编码收缩（SCS）是一种基于稀疏表示的信号近似算法。基本思想是利用训练样本构建一个字典，将待处理信号表示成该字典中的线性组合，进而进行信号近似和特征提取。SCS算法主要包括字典学习和信号表示两个部分。
实验结果与分析
本文选取了同型号深沟球轴承摩擦磨损及脏物入侵两种不同类型故障信号进行实验。实验采用MATLAB软件进行，具体实验参数设置如下：滑动窗口长度L=2048；窗口移动步长M=1000；字典长度N=400。
对于深沟球轴承摩擦磨损故障信号，本文提取出其特征频率为148.61Hz，其对应的峰值幅度为1.8501。对于脏物入侵故障信号，本文提取出其特征频率为199.10Hz，其对应的峰值幅度为1.6661。实验结果表明，本文提出的滚动轴承故障特征提取方法能够有效地提取滚动轴承的故障特征。
结论
本文提出了一种基于ITD与稀疏编码收缩的滚动轴承故障特征提取方法，该方法综合利用了信号的时域特征与频域特征之间的相互关系，在滚动轴承故障诊断中具有较好的应用前景。实验结果表明，该方法能够有效