主权项 |
一种基于能量切片小波变换的滚动轴承故障特征提取方法,其特征在于包括如下步骤:通过加速度传感器采集滚动轴承的振动信号;采用基于能量切片小波变换分解振动信号;选择合适的能量切片函数ψ<sub>C</sub>(t)后,确定针对信号特性估算频率分辨比率η及幅值期望响应比率υ,计算初步的时频分辨系数k;针对滚动轴承故障的特点,选取零到轴承故障特征频率三倍频作为频率切片区间进行能量切片小波变换细化分析,提取故障特征,输出诊断结果;所述的采用基于能量切片小波变换分解振动信号的方法如下:设信号f(t)∈L<sup>2</sup>(R),若ψ(t)的傅立叶变换<img file="FDA0001221631410000011.GIF" wi="102" he="75" />存在,其能量切片小波变换为:<maths num="0001"><math><![CDATA[<mrow><mi>W</mi><mrow><mo>(</mo><mi>t</mi><mo>,</mo><mi>ω</mi><mo>,</mo><mi>λ</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>π</mi></mrow></mfrac><mi>λ</mi><msubsup><mo>∫</mo><mrow><mo>-</mo><mi>∞</mi></mrow><mrow><mo>+</mo><mi>∞</mi></mrow></msubsup><mover><mi>f</mi><mo>^</mo></mover><mrow><mo>(</mo><mi>u</mi><mo>)</mo></mrow><msub><mover><mi>ψ</mi><mo>^</mo></mover><mi>C</mi></msub><mo>*</mo><mo>[</mo><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>]</mo><msup><mi>e</mi><mrow><mi>i</mi><mi>u</mi><mi>t</mi></mrow></msup><mi>d</mi><mi>u</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001221631410000012.GIF" wi="1734" he="119" /></maths><maths num="0002"><math><![CDATA[<mrow><msub><mi>ψ</mi><mi>C</mi></msub><mo>[</mo><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>]</mo><mo>=</mo><msup><mrow><mo>(</mo><mfrac><mrow><mi>d</mi><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow><mrow><mi>d</mi><mi>t</mi></mrow></mfrac><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mfrac><mrow><msup><mi>d</mi><mn>2</mn></msup><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow></mrow><mrow><msup><mi>dt</mi><mn>2</mn></msup></mrow></mfrac><mo>=</mo><msup><mrow><mo>[</mo><mover><mi>f</mi><mo>·</mo></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>]</mo></mrow><mn>2</mn></msup><mo>-</mo><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mover><mi>f</mi><mo>··</mo></mover><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001221631410000013.GIF" wi="1729" he="123" /></maths>其中,σ为尺度因子,σ≠0;λ为能量系数,λ≠0;σ、λ为常数或为频率ω、u和时间t的函数;在能量切片小波变换中,<img file="FDA0001221631410000014.GIF" wi="174" he="63" />是ψ<sub>C</sub>[x(t)]的能量形式,<img file="FDA0001221631410000015.GIF" wi="214" he="63" />为<img file="FDA0001221631410000016.GIF" wi="170" he="63" />的共轭函数,<img file="FDA0001221631410000017.GIF" wi="114" he="84" />是f(t)的傅立叶变换、<img file="FDA0001221631410000018.GIF" wi="94" he="70" />是f(t)的一阶导数,频率分辨比率η=Δω/ω;采用Parseval方程,可以将式(1)转换到时域:<maths num="0003"><math><![CDATA[<mrow><mi>W</mi><mrow><mo>(</mo><mi>t</mi><mo>,</mo><mi>ω</mi><mo>,</mo><mi>λ</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><mo>=</mo><msup><mi>σλe</mi><mrow><mi>i</mi><mi>ω</mi><mi>t</mi></mrow></msup><msubsup><mo>∫</mo><mrow><mo>-</mo><mi>∞</mi></mrow><mrow><mo>+</mo><mi>∞</mi></mrow></msubsup><mi>f</mi><mrow><mo>(</mo><mi>τ</mi><mo>)</mo></mrow><msup><mi>e</mi><mrow><mi>i</mi><mi>ω</mi><mi>t</mi></mrow></msup><msub><mover><mi>ψ</mi><mo>^</mo></mover><mi>C</mi></msub><mo>*</mo><mo>[</mo><mi>x</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>]</mo><mi>d</mi><mi>τ</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001221631410000019.GIF" wi="1731" he="91" /></maths>能量切片小波变换实现了信号的时频分解,通过逆变换重构原始信号,它的逆变换为:<maths num="0004"><math><![CDATA[<mrow><mi>f</mi><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mn>2</mn><mi>π</mi><mi>λ</mi></mrow></mfrac><msubsup><mo>∫</mo><mrow><mo>-</mo><mi>∞</mi></mrow><mrow><mo>+</mo><mi>∞</mi></mrow></msubsup><msubsup><mo>∫</mo><mrow><mo>-</mo><mi>∞</mi></mrow><mrow><mo>+</mo><mi>∞</mi></mrow></msubsup><mi>W</mi><mrow><mo>(</mo><mi>τ</mi><mo>,</mo><mi>ω</mi><mo>,</mo><mi>λ</mi><mo>,</mo><mi>σ</mi><mo>)</mo></mrow><msup><mi>e</mi><mrow><mi>i</mi><mi>ω</mi><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mi>τ</mi><mo>)</mo></mrow></mrow></msup><mi>d</mi><mi>τ</mi><mi>d</mi><mi>σ</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow><mo>.</mo></mrow>]]></math><img file="FDA00012216314100000110.GIF" wi="1742" he="127" /></maths> |