基于能量切片小波变换的滚动轴承故障特征提取方法

摘要

本发明公开了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，涉及轴承故障诊断方法技术领域。所述方法包括如下步骤：首先将能量切片引入小波变换，然后利用小波变换获取振动信号在全频带的时频分布，依据得到的振动信号能量分布特点选择时频目标区域，分割出含有故障特征的时频区域；最后，通过逆变换对目标区域的信号分量进行重构，分离出有效的信号时频特征。仿真数据和滚动轴承数据的故障诊断实验结果表明，该方法可有效提取滚动轴承故障特征频率信息，验证了所提方法的有效性。

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_C(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)∈L²(R)，若ψ(t)的傅立叶变换存在，其能量切片小波变换为：$W(t,\omega ,\lambda ,\sigma )=\frac{1}{2\pi }\lambda {\int }_{-\infty }^{+\infty }\hat{f}\left(u\right){\hat{\psi }}_C*\left[f\left(t\right)\right]e^{iut}du---\left(1\right)$${\psi }_C\left[f\left(t\right)\right]={\left(\frac{df\left(t\right)}{dt}\right)}^2-f\left(t\right)\frac{d^{2}f\left(t\right)}{{\mathrm{dt}}^2}={\left[\stackrel{·}{f}\left(t\right)\right]}^2-f\left(t\right)\stackrel{··}{f}\left(t\right)---\left(2\right)$其中，σ为尺度因子，σ≠0；λ为能量系数，λ≠0；σ、λ为常数或为频率ω、u和时间t的函数；在能量切片小波变换中，是ψ_C[x(t)]的能量形式，为的共轭函数，是f(t)的傅立叶变换、是f(t)的一阶导数，频率分辨比率η＝Δω/ω；采用Parseval方程，可以将式(1)转换到时域：$W(t,\omega ,\lambda ,\sigma )={\mathrm{\sigma \lambda e}}^{i\omega t}{\int }_{-\infty }^{+\infty }f\left(\tau \right)e^{i\omega t}{\hat{\psi }}_C*\left[x\left(t\right)\right]d\tau ---\left(3\right)$能量切片小波变换实现了信号的时频分解，通过逆变换重构原始信号，它的逆变换为：$f\left(t\right)=\frac{1}{2\pi \lambda }{\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }W(\tau ,\omega ,\lambda ,\sigma )e^{i\omega (t-\tau )}d\tau d\sigma ---\left(4\right).$