專利名稱：基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明屬于設(shè)備故障診斷領(lǐng)域，特別地，涉及一種基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法。
背景技術(shù)：
在設(shè)備故障診斷領(lǐng)域，因為滾動軸承和齒輪是十分普遍使用和十分重要的部件， 而且這兩者均是機械裝備中最容易損壞的零件之一，所以對二者進行狀態(tài)監(jiān)測與故障診斷具有重大的工程意義。滾動軸承和齒輪存在缺陷時，損傷點與其它元件接觸時會產(chǎn)生周期性的沖擊。如何從振動加速度信號中有效提取沖擊特征，是對滾動軸承和齒輪缺陷位置和損失程度進行評判的關(guān)鍵問題。傳統(tǒng)的滾動軸承和齒輪故障診斷方法有頻譜分析，包絡(luò)解調(diào)和時頻分析等。但是頻譜分析需要使用較多的正交簡諧三角函數(shù)對沖擊信號進行逼近，除非軸承損傷嚴(yán)重，故障特征非常明顯，否則對于成分復(fù)雜的滾動軸承和齒輪振動信號，其故障沖擊特征在頻譜中常常被背景噪聲和其他信號成分所淹沒。包絡(luò)解調(diào)是一種有效的滾動軸承和齒輪故障診斷方法，但是包絡(luò)解調(diào)首先都要對振動信號進行帶通濾波或者高通濾波；如何針對不同機組、不同工況合理地選擇有關(guān)參數(shù)，是工程中的難題，現(xiàn)場工程人員往往難以掌握設(shè)置要領(lǐng)，且每一種具體設(shè)置的通用性都存在問題。另外，時頻分析，比如魏格納分部、EMD-HHT等， 也有報道用于滾動軸承和齒輪沖擊性故障的診斷，但是這些方法存在計算量大、參數(shù)選擇困難以及較難實現(xiàn)實時監(jiān)測等問題。同時，這些方法還需要工程人員具有較高深的信號處理知識，這同樣使得其應(yīng)用在工程實踐中比較困難。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提出了基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，通過對實測振動信號進行按照峭度最高優(yōu)化后的自適應(yīng)濾波器進行適當(dāng)?shù)臑V波，實現(xiàn)對振動信號中的沖擊故障特征精確的提取。其過程無需人為干預(yù)，并能夠給出更清晰地包絡(luò)譜，從而更清晰地顯示出故障征兆。具體技術(shù)方案如下一種基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于包括以下步驟(1)建立基于指數(shù)衰減正弦的沖擊性故障信號模型，然后應(yīng)用Hector Mesa公開發(fā)表的模式自適應(yīng)小波生成算法生成與該信號模型相匹配的自適應(yīng)小波濾波器；(2)利用快速FIR濾波算法執(zhí)行所述自適應(yīng)小波濾波器，即對滾動軸承或齒輪的加速度振動信號進行濾波得到濾波結(jié)果；(3)計算步驟(2)中所述濾波結(jié)果的峭度值；(4)用進化差分算法重復(fù)步驟(2)至步驟(3)，對所述沖擊性故障信號模型中的參數(shù)進行優(yōu)化；優(yōu)化目標(biāo)使用步驟(3)中的峭度；最終得到最優(yōu)化包絡(luò)譜。所述步驟(1)包括以下步驟(1. 1)建立沖擊性故障信號模型如下
權(quán)利要求
1.一種基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于包括以下步驟(1)建立基于指數(shù)衰減正弦的沖擊性故障信號模型，然后應(yīng)用HectorMesa公開發(fā)表的模式自適應(yīng)小波生成算法生成與該信號模型相匹配的自適應(yīng)小波濾波器；(2)利用快速FIR濾波算法執(zhí)行所述自適應(yīng)小波濾波器，即對滾動軸承或齒輪的加速度振動信號進行濾波得到濾波結(jié)果；(3)計算步驟(2)中所述濾波結(jié)果的峭度值；(4)用進化差分算法重復(fù)步驟(2)至步驟(3)，對所述沖擊性故障信號模型中的參數(shù)進行優(yōu)化；優(yōu)化目標(biāo)使用步驟(3)中的峭度；最終得到最優(yōu)化包絡(luò)譜。
2.根據(jù)權(quán)利要求1所述的基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于所述步驟(1)包括以下步驟(1. 1)建立沖擊性故障信號模型如下
3.根據(jù)權(quán)利要求2所述的基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于，所述步驟(2)包括以下步驟將所述WaV(n)視為一個FIR濾波器的單位沖擊響應(yīng)，并用數(shù)字信號處理中通用的快速卷積算法，對實測振動信號x(t)的采樣x(n)進行濾波，算法如下 其中，χ' (η)是濾波結(jié)果，DFT表示離散傅里葉變換，IDFT表示離散逆傅里葉變換。
4.根據(jù)權(quán)利要求3所述的基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于所述步驟(3)包括以下步驟計算所述濾波結(jié)果χ' (η)的峭度值，計算公式為
5.根據(jù)權(quán)利要求4所述的基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于所述步驟(4)包括以下步驟(4. 1)設(shè)定差分進化算法的優(yōu)化次數(shù)，步長，衰減指數(shù)α、預(yù)指定故障頻率&和高頻調(diào)制頻率fH三個參數(shù)的范圍以及變異交叉概率參數(shù)；(4. 2)重復(fù)執(zhí)行所述步驟(2)和(3)對沖擊性故障信號模型中的衰減指數(shù)α、預(yù)指定故障頻率fo和高頻調(diào)制頻率fH三個參數(shù)進行優(yōu)化；優(yōu)化目標(biāo)使用步驟(3)中的峭度值，即當(dāng)峭度值達到最大值時，停止計算，得到優(yōu)化后的α、f0> fH ；(4. 3)將步驟(4. 2)中得到的優(yōu)化后的α、f0, fH代入所述沖擊性故障信號模型中，得到最優(yōu)小波濾波器Wavopti (η)，用所述最優(yōu)小波濾波器Wavopti (η)對χ (η)濾波，得到最優(yōu)濾波結(jié)果 X' opti(n)；(4.4)對最優(yōu)濾波結(jié)果χ' opti(n)進行一般的包絡(luò)分析，最終得到最優(yōu)化包絡(luò)譜。
6.根據(jù)權(quán)利要求5所述的基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，其特征在于所述的一般的包絡(luò)分析的步驟如下 對所述最優(yōu)濾波結(jié)果χ'。pti(n)進行Hilbert包絡(luò)，得到 Envx' opti (n) = abs (Hilbert (x' opti (η))) 對Envx'。pti (η)進行頻譜分析得到最優(yōu)化包絡(luò)解調(diào)譜 EnvSpectrum (n) = DFT (Envx ‘ opti(n))。其中，Envx' opti (η)表示最優(yōu)濾波后信號的包絡(luò)譜，EnvSpectrum(η)表示最優(yōu)濾波后信號的包絡(luò)譜。
全文摘要
本發(fā)明涉及一種基于最優(yōu)自適應(yīng)小波濾波器的滾動軸承與齒輪沖擊性故障診斷方法，包括以下步驟首先建立指數(shù)衰減正弦的沖擊性故障信號模型，應(yīng)用Hector Mesa公開發(fā)表的模式自適應(yīng)小波生成算法生成與該信號模型相匹配的自適應(yīng)小波濾波器，然后利用快速FIR濾波算法執(zhí)行該小波濾波器得到濾波結(jié)果，然后計算所述濾波結(jié)果的峭度值，用進化差分算法重復(fù)上述步驟最終得到最優(yōu)化包絡(luò)譜。本發(fā)明實現(xiàn)了對振動信號中的沖擊故障特征精確的提取，并能夠給出更清晰的包絡(luò)譜，從而更清晰地顯示出故障征兆。
文檔編號G01M13/00GK102269644SQ20101019255
公開日2011年12月7日 申請日期2010年6月7日 優(yōu)先權(quán)日2010年6月7日
發(fā)明者何威, 馮坤, 江志農(nóng), 秦強, 馬波 申請人:北京化工大學(xué)