基于自适应多尺度AVGH变换的轴承故障信号特征提取方法

摘要

本发明公开了一种基于自适应多尺度AVGH变换的轴承故障信号特征提取方法，其步骤如下：1、根据轴承故障信号的参数指标，确定信号的初始多尺度结构元素个数及最初的结构元素值；2、构建初始多尺度结构元素组成的集合；3、计算轴承故障振动信号在初始多尺度结构元素下对应的形态学AVG‑Hat变换的结果，构建所述结果的集合；4、通过粒子群优化方法，选用滤波后的轴承故障振动信号的排列熵与包络谱稀疏度的比值作为评价指标，自适应确定滤波后初始多尺度结构元素对应的最优权重系数；5、根据权重系数构建最优的多尺度形态学AVG‑Hat滤波器；6、计算滤波器处理轴承故障振动信号的结果，通过信号的包络谱分析，提取信号中的故障特征成分，诊断轴承故障。

主权项

一种基于自适应多尺度AVGH变换的轴承故障信号特征提取方法，其特征在于：其包括如下步骤：步骤1、根据传感器采集轴承故障信号所设置的各项参数指标，确定分析信号所要使用的初始多尺度结构元素的个数及最初的结构元素值；步骤2、通过形态学膨胀运算，构建初始多尺度结构元素组成的集合；步骤3、计算轴承故障振动信号在初始多尺度结构元素下对应的形态学AVG‑Hat变换的结果，构建在初始多尺度结构元素下信号形态学AVG‑Hat变换的结果的集合；步骤4、通过粒子群优化方法，选用形态学AVG‑Hat滤波器滤波后的轴承故障振动信号的排列熵与包络谱稀疏度的比值作为评价指标，将其作为粒子群优化方法的最优适应度函数值，完成粒子群寻优迭代过程，自适应确定最优多尺度形态学AVG‑Hat滤波器滤波后初始多尺度结构元素对应的最优权重系数；步骤5、根据所述步骤4中不同尺度结构元素对应的权重系数，构建最优的多尺度形态学AVG‑Hat滤波器；步骤6、计算最优的多尺度形态学AVG‑Hat滤波器处理轴承故障振动信号的结果，通过所述轴承故障振动信号的包络谱分析，提取所述轴承故障振动信号中的故障特征成分，诊断轴承故障。