专利名称：基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法
技术领域：
本发明属于设备故障诊断领域，特别地，涉及一种基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法。
背景技术：
在设备故障诊断领域，因为滚动轴承和齿轮是十分普遍使用和十分重要的部件， 而且这两者均是机械装备中最容易损坏的零件之一，所以对二者进行状态监测与故障诊断具有重大的工程意义。滚动轴承和齿轮存在缺陷时，损伤点与其它元件接触时会产生周期性的冲击。如何从振动加速度信号中有效提取冲击特征，是对滚动轴承和齿轮缺陷位置和损失程度进行评判的关键问题。传统的滚动轴承和齿轮故障诊断方法有频谱分析，包络解调和时频分析等。但是频谱分析需要使用较多的正交简谐三角函数对冲击信号进行逼近，除非轴承损伤严重，故障特征非常明显，否则对于成分复杂的滚动轴承和齿轮振动信号，其故障冲击特征在频谱中常常被背景噪声和其他信号成分所淹没。包络解调是一种有效的滚动轴承和齿轮故障诊断方法，但是包络解调首先都要对振动信号进行带通滤波或者高通滤波；如何针对不同机组、不同工况合理地选择有关参数，是工程中的难题，现场工程人员往往难以掌握设置要领，且每一种具体设置的通用性都存在问题。另外，时频分析，比如魏格纳分部、EMD-HHT等， 也有报道用于滚动轴承和齿轮冲击性故障的诊断，但是这些方法存在计算量大、参数选择困难以及较难实现实时监测等问题。同时，这些方法还需要工程人员具有较高深的信号处理知识，这同样使得其应用在工程实践中比较困难。
发明内容
本发明的目的在于，提出了基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，通过对实测振动信号进行按照峭度最高优化后的自适应滤波器进行适当的滤波，实现对振动信号中的冲击故障特征精确的提取。其过程无需人为干预，并能够给出更清晰地包络谱，从而更清晰地显示出故障征兆。具体技术方案如下一种基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于包括以下步骤(1)建立基于指数衰减正弦的冲击性故障信号模型，然后应用Hector Mesa公开发表的模式自适应小波生成算法生成与该信号模型相匹配的自适应小波滤波器；(2)利用快速FIR滤波算法执行所述自适应小波滤波器，即对滚动轴承或齿轮的加速度振动信号进行滤波得到滤波结果；(3)计算步骤(2)中所述滤波结果的峭度值；(4)用进化差分算法重复步骤(2)至步骤(3)，对所述冲击性故障信号模型中的参数进行优化；优化目标使用步骤(3)中的峭度；最终得到最优化包络谱。所述步骤(1)包括以下步骤(1. 1)建立冲击性故障信号模型如下
权利要求
1.一种基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于包括以下步骤(1)建立基于指数衰减正弦的冲击性故障信号模型，然后应用HectorMesa公开发表的模式自适应小波生成算法生成与该信号模型相匹配的自适应小波滤波器；(2)利用快速FIR滤波算法执行所述自适应小波滤波器，即对滚动轴承或齿轮的加速度振动信号进行滤波得到滤波结果；(3)计算步骤(2)中所述滤波结果的峭度值；(4)用进化差分算法重复步骤(2)至步骤(3)，对所述冲击性故障信号模型中的参数进行优化；优化目标使用步骤(3)中的峭度；最终得到最优化包络谱。
2.根据权利要求1所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于所述步骤(1)包括以下步骤(1. 1)建立冲击性故障信号模型如下
3.根据权利要求2所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于，所述步骤(2)包括以下步骤将所述WaV(n)视为一个FIR滤波器的单位冲击响应，并用数字信号处理中通用的快速卷积算法，对实测振动信号x(t)的采样x(n)进行滤波，算法如下 其中，χ' (η)是滤波结果，DFT表示离散傅里叶变换，IDFT表示离散逆傅里叶变换。
4.根据权利要求3所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于所述步骤(3)包括以下步骤计算所述滤波结果χ' (η)的峭度值，计算公式为
5.根据权利要求4所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于所述步骤(4)包括以下步骤(4. 1)设定差分进化算法的优化次数，步长，衰减指数α、预指定故障频率&和高频调制频率fH三个参数的范围以及变异交叉概率参数；(4. 2)重复执行所述步骤(2)和(3)对冲击性故障信号模型中的衰减指数α、预指定故障频率fo和高频调制频率fH三个参数进行优化；优化目标使用步骤(3)中的峭度值，即当峭度值达到最大值时，停止计算，得到优化后的α、f0> fH ；(4. 3)将步骤(4. 2)中得到的优化后的α、f0, fH代入所述冲击性故障信号模型中，得到最优小波滤波器Wavopti (η)，用所述最优小波滤波器Wavopti (η)对χ (η)滤波，得到最优滤波结果 X' opti(n)；(4.4)对最优滤波结果χ' opti(n)进行一般的包络分析，最终得到最优化包络谱。
6.根据权利要求5所述的基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，其特征在于所述的一般的包络分析的步骤如下 对所述最优滤波结果χ'。pti(n)进行Hilbert包络，得到 Envx' opti (n) = abs (Hilbert (x' opti (η))) 对Envx'。pti (η)进行频谱分析得到最优化包络解调谱 EnvSpectrum (n) = DFT (Envx ‘ opti(n))。其中，Envx' opti (η)表示最优滤波后信号的包络谱，EnvSpectrum(η)表示最优滤波后信号的包络谱。
全文摘要
本发明涉及一种基于最优自适应小波滤波器的滚动轴承与齿轮冲击性故障诊断方法，包括以下步骤首先建立指数衰减正弦的冲击性故障信号模型，应用Hector Mesa公开发表的模式自适应小波生成算法生成与该信号模型相匹配的自适应小波滤波器，然后利用快速FIR滤波算法执行该小波滤波器得到滤波结果，然后计算所述滤波结果的峭度值，用进化差分算法重复上述步骤最终得到最优化包络谱。本发明实现了对振动信号中的冲击故障特征精确的提取，并能够给出更清晰的包络谱，从而更清晰地显示出故障征兆。
文档编号G01M13/00GK102269644SQ20101019255
公开日2011年12月7日 申请日期2010年6月7日 优先权日2010年6月7日
发明者何威, 冯坤, 江志农, 秦强, 马波 申请人:北京化工大学