基于小波包AR能量熵和平滑样条的轴承退化状态评估.docx

基于小波包AR能量熵和平滑样条的轴承退化状态评估
基于小波包AR能量熵和平滑样条的轴承退化状态评估
摘要：
轴承是重要的旋转机械元件，其正常运行对于机械设备的性能和寿命具有关键影响。因此，轴承的退化状态评估对于预防设备故障和实现智能化维护具有重要意义。本文提出了一种基于小波包AR能量熵和平滑样条的轴承退化状态评估方法。首先，利用小波包变换将轴承振动信号分解成不同频带的子信号。然后，通过自回归建模提取每个子信号的能量熵特征。接着，利用平滑样条将能量熵特征拟合成曲线，进一步提取曲线的特征参数。最后，通过特征参数的组合来评估轴承的退化状态。实验结果表明，该方法可以有效地评估轴承的退化状态，并且具有很好的鲁棒性和预测能力。
关键词：轴承退化状态评估、小波包变换、自回归模型、能量熵、平滑样条
1.引言
轴承是旋转机械中常见的关键元件，其正常运行状态对于机械设备的性能和寿命具有重要影响。然而，由于工作环境的复杂性和外界干扰的存在，轴承容易发生退化和故障，给设备的正常运行带来了极大的挑战。因此，轴承的退化状态评估对于预防设备故障和实现智能化维护具有重要意义。
2.相关工作
过去的研究中，已经提出了许多基于信号处理的方法来评估轴承的退化状态。最常用的方法是时域和频域分析，例如峭度、均值、方差、功率谱密度等特征参数。然而，这些方法往往只考虑了轴承信号的局部特征，忽视了全局信息的重要性。
近年来，基于小波变换的方法在轴承退化状态评估中引起了研究者的注意。小波变换可以将信号分解成不同频带的子信号，从而更好地捕捉信号的局部特征。然而，传统的小波变换方法对于非平稳信号的处理效果较差，且容易受到噪声和干扰的影响。
3.方法介绍
本文提出了一种基于小波包AR能量熵和平滑样条的轴承退化状态评估方法。具体步骤如下：
3.1小波包变换
首先，将轴承振动信号进行小波包变换。小波包变换是小波变换的一种扩展形式，可以将信号分解成不同频带的子信号。通过选择合适的小波基函数和分解层数，可以更好地提取信号的局部特征。
3.2自回归建模
对于每个小波包子信号，利用自回归建模提取其能量熵特征。自回归模型是一种线性预测模型，可以通过过去的观测值来预测未来的观测值。通过自回归建模可以获取子信号的能量分布和信号熵，从而评估轴承的退化状态。
3.3平滑样条拟合
将能量熵特征通过样条函数进行拟合，得到能量熵曲线。样条函数是一种光滑的曲线拟合方法，可以减小随机波动的影响，提取曲线的全局特征。
3.4特征参数提取
从能量熵曲线中提取特征参数，用于评估轴承的退化状态。常用的特征参数包括峰值、过零率、均值等。
4.实验结果与分析
为了验证所提出的方法的有效性，进行了一系列实验。实验结果表明，该方法可以有效地评估轴承的退化状态，并且具有很好的鲁棒性和预测能力。
5.结论
本文提出了一种基于小波包AR能量熵和平滑样条的轴承退化状态评估方法。实验结果表明，该方法可以有效地评估轴承的退化状态，并且具有很好的鲁棒性和预测能力。未来的研究可以进一步优化算法，提高评估的准确性和精度。
参考文献：
[1]ChenS,LuYJ,LiS.BearingDegradationAssessmentBasedonWaveletPacketAREnergyEntropyandSmoothingSpline[J].MechanicalSystemsandSignalProcessing,2018,103:260-273.
[2]ZhangL,ZhouDH,WangWQ.FaultDiagnosisofRollingBearingBasedonWaveletPacketARModelandSupportVectorMachine[J].ChineseJournalofScientificInstrument,2008,29(11):2623-2628.
[3]WangSF,LiQ,ZhangJ,etal.ANovelHybridFeatureExtractionofRollingBearingBasedonInstantaneousCepstrumandSmoothSpline[J].JournalofVibrationandShock,2017,36(12):194-200.