1.一种基于自适应冗余提升小波包分解树的轴承故障诊断方法,其特征在于,通过振动加速度信号对滚动轴承进行状态监测和故障诊断,包括以下步骤:
第一步、对传感器和数据采集器采集得到的轴承振动信号作自适应冗余提升小波包分解,所述自适应算法为:每次分解时,均选用四种不同小波依次对信号进行变换,并得到四组低频逼近信号和高频细节信号的分解结果,分别对每组结果求取归一化lP范数,得到四个归一化lP范数值。比较四个范数值,以最小者对应的低频逼近信号和高频细节信号作为此次分解的最优结果;对应小波作为此次分解的最优小波。其中分解结果归一化lP范数的计算公式为:
式中,xj-1,m为被分解的节点信号;aj,m,k和dj,m,k分别为xj-1,m分解后得到的低频逼近信号和高频细节信号中的第k个系数;j为当前的分解尺度;m=1,2,3,4分别对应所采用的四种小波;L为信号的样本长度;
第二步、对此次分解中由最优小波分解得到的低频逼近信号aj,optimal和高频细节信号dj,optimal依次进行频带交错和频率混叠问题分析,得到处理后的结果和其中,频带交错分析为:若此次分解的节点信号为上次分解所得的高频节点信号,则将此次分解新得到的aj,optimal和dj,optimal进行互换;频率混叠分析为:将aj,optimal和dj,optimal所对应的频带范围以外的频率成分置零;
第三步、根据轴承的共振及故障时的周期性冲击机理,对和进行基于能量分析的节点信号选取,若的能量值大于的能量值,选取作为新的待分解的节点信号;反之,选取作为新的待分解的节点信号,其中,能量分析的计算公式为:
第四步、对:xj-1,m、和求取p范数熵,根据结果进行判定:若和的范数熵之和大于xj-1,m的范数熵,则分解继续;反之,分解结束,其中,p范数熵的计算公式为:
第五步、当分解结束时,对最后一次分解后经能量分析所确定的新的节点信号依据最优小波包分解树结构进行单支重构,并进而作Hilbert解调包络谱分析,提取谱图中有关的频率成分;若能发现转频甚至其其倍频成分,则判断滚动轴承可能发生故障;若能发现外圈、或内圈、或滚动体或保持架的故障特征频率甚至其倍频,则相应判断该部件发生故障;若无法提取上述频率成分,则继续采集轴承的振动加速度信号,并按照上述四个步骤再次进行分析。
2.如权利要求1所述的基于自适应冗余提升小波包分解树的轴承故障诊断方法,其特征在于,第一步中所述lP范数的p的取值为0.1。
3.如权利要求1所述的基于自适应冗余提升小波包分解树的轴承故障诊断方法,其特征在于,第四步中p范数熵的p的取值为5。