基于双树复小波包流形域降噪的滚动轴承故障诊断方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107727399A(43)申请公布日2018.02.23(21)申请号201711027176.6(22)申请日2017.10.27(71)申请人中国人民解放军海军工程大学地址430033湖北省武汉市解放大道717号(72)发明人佘博张钢田福庆梁伟阁(74)专利代理机构武汉开元知识产权代理有限公司42104代理人李满刘志菊(51)Int.Cl.G01M13/04(2006.01)G06F17/14(2006.01)权利要求书5页说明书8页附图3页(54)发明名称基于双树复小波包流形域降噪的滚动轴承故障诊断方法(57)摘要本发明涉及双树复小波包流形域降噪的滚动轴承故障诊断方法，该方法首先，利用加速度传感器采集滚动轴承的振动信号，其次，将振动信号进行双树复小波包分解，保留前两个节点的小波包系数，对余下节点的小波包系数进行阈值降噪，将各节点小波包系数进行单支重构，组成高维信号空间，然后，利用t分布随机近邻嵌入方法提取低维流形，并将低维流形逆重构获取高维空间主流形，得到降噪后的信号，最后，对降噪信号进行希尔伯特包络解调，获取振动信号的包络频谱，根据滚动轴承的内圈故障特征频率、外圈故障特征频率、滚动体故障特征频率和保持架故障特征频率，实现滚动轴承的故障诊断。CN107727399ACN107727399A权利要求书1/5页1.一种基于双树复小波包流形域降噪的滚动轴承故障诊断方法，其特征在于，它包括如下步骤：步骤1：采集滚动轴承振动信号；步骤2：将滚动轴承振动信号进行双树复小波包分解，获取各尺度小波包系数，对滚动轴承振动信号的降噪处理等效为对滚动轴承振动信号的小波包系数的降噪处理；采用小波阈值降噪的方法对上述滚动轴承振动信号的小波包系数进行降噪，即依据构建的小波阈值函数和设定的小波阈值对各尺度小波包系数进行去噪处理；双树复小波包变换由两个并行且使用不同低通和高通滤波器的离散小波包变换组成，分别作为实部树和虚部树，保留实部树最高层前两个小波包节点的小波包系数不变，对余下节点的小波包系数进行所述小波阈值的去噪处理，将实部树最高层所有节点小波包系数进行单支重构；保留虚部树最高层前两个小波包节点的小波包系数不变，对余下节点的小波包系数进行所述小波阈值的去噪处理，将虚部树最高层所有节点小波包系数进行单支重构，将实部树和虚部树单支重构后得到的信号构成矩阵，组成高维信号；步骤3：将双树复小波包变换阈值降噪处理得到的高维信号，依据极大似然估计法计算高维信号的本征维数，然后对高维信号利用t分布随机近邻嵌入方法进行非线性降维，提取高维信号中的维数为本征维数的低维流形结构分布，以表征高维信号的低维本质特征，滚动轴承振动信号中的有用成分分布于流形结构中，滚动轴承振动信号中的噪声成分分布在整个滚动轴承振动信号空间，依据有用信号成分和噪声成分分布特性的不同，将低维流形结构逆重构回高维空间，获取高维信号空间的主流形，将主流形表示的高维信号重构至一维时间序列，即获得降噪后信号，实现滚动轴承振动信号的非线性降噪；步骤4：对经步骤3输出的滚动轴承非线性降噪后振动信号进行希尔伯特包络解调分析，得到滚动轴承的包络频谱，依据已知的滚动轴承各部件的故障特征频率，找到滚动轴承包络频谱中包含的故障特征频率，完成对滚动轴承的故障诊断。2.根据权利要求1所述的基于双树复小波包流形域降噪的滚动轴承故障诊断方法，其特征在于：所述步骤1中，采集样本点数为N个的滚动轴承振动信号，将振动信号表示为x；所述步骤2中，将滚动轴承振动信号x进行M层双树复小波包分解，小波包系数可表示为：式中，h0、h1分别是实部树小波包变换低通滤波器和高通滤波器，g0、g1分别是虚部树小波包变换低通滤波器和高通滤波器，这里h0是一组离散的数据，h1也是一组离散的数据，并且这两组数据正交；这里g0是一组离散的数据，g1也是一组离散的数据，并且这两组数据正交；实部树小波包变换低通滤波器和高通滤波器h0、h1的数据的个数都是L1，虚部树小波包2CN107727399A权利要求书2/5页变换低通滤波器和高通滤波器g0、g1的数据的个数都是L2；表示在实部树第l层第u个节点的第m个小波包系数，表示在实部树第l+1层第2u个节点的第k个小波包系数，表示在实部树第l+1层第2u+1个节点的第k个小波包系数；表示在虚部树第l层第u个节点的第n个小波包系数，表示在虚部树第l+1层第2u个节点的第k个小波包系数，表示在虚部树第l+1层第2u+1个节点的第k个小波包系数；其中，l＝0,l1,…,M，0≤m-2k≤L1，0≤n-2k≤L2，m、n分别取整数，u＝0,1,…,2-1，当l＝u＝0时，小波包系数都表示原始滚动轴承振动信号，也即3.根据权利要求1所述的基于双