基于自适应多尺度AVGH变换的轴承故障信号特征提取方法与流程

技术特征：

1.一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。

2.根据权利要求1所述的基于自适应多尺度AVGH变换的轴承故障信号特征提取方法，其特征在于：所述步骤3中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，具体采用如下方法：

3-1、获取轴承故障振动信号x(n)及初始设置的最小尺度结构元素g＝[0 0]，输出信号对应的形态学膨胀运算结果腐蚀运算结果(xΘg)(n)、开运算结果(xοg)(n)及闭运算结果(x·g)(n)；

3-2、获取轴承故障振动信号x(n)及所述轴承故障振动信号x(n)经过初始结构元素形态学开运算、闭运算后的结果，输出原始轴承故障振动信号x(n)乘2后减去轴承故障振动信号x(n)经过形态学开运算、闭运算结果和的差分值，其数学表达式为：AVGH(f(n))＝2×x(n)-((xοg)(n)+(x·g)(n))，即计算得到轴承故障信号x(n)经过初始单一结构元素形态学AVG-Hat滤波的结果AVGH(f(n))；

3-3、获取初始的最小尺度结构元素和设置初始的结构元素尺度个数，输出结构元素λ个多尺度结构元素膨胀运算后的结果，其数学表达式为：即膨胀运算λ次，建立多个尺度结构元素膨胀运算后的结果的集合：即{g₁,g₂,…g_λ}；

同时计算相应的轴承故障振动信号x(n)的多尺度腐蚀运算结果(xΘg_λ)(n)、膨胀运算结果开运算结果(xοg_λ)(n)及闭运算结果(x·g_λ)(n)；

3-4、获取轴承故障振动信号x(n)及λ个多尺度结构元素下轴承故障振动信号x(n)的开运算、闭运算的结果，输出对应λ个多尺度结构元素下形态学AVG-Hat变换的结果，其数学表达式为：AVGH(f_λ(n))＝2×(n)-((xοg_λ)(n)+(x·g_λ)(n))，建立λ个多尺度结构元素形态学AVG-Hat滤波器滤波后信号的集合：即{f₁(n),f₂(n),…,f_λ(n)}。

3.根据权利要求1所述的基于自适应多尺度AVGH变换的轴承故障信号特征提取方法，其特征在于：所述步骤4中通过粒子群优化方法，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的具体方法如下：

4-1、获取轴承故障振动信号x(n)及λ个多尺度结构元素的集合{g₁,g₂,…g_λ}，输出λ个多尺度结构元素形态学AVG-Hat滤波器滤波后信号的集合：即{f₁(n),f₂(n),…,f_λ(n)}；

4-2、获取λ个多尺度结构元素形态学AVG-Hat滤波器滤波后信号的集合{f₁(n),f₂(n),…,f_λ(n)}及每个尺度所述滤波后的信号初始确定的权重系数ω＝(ω₁,ω₂,…,ω_λ),ω_i∈[0,1](0≤i≤λ)，输出初始权重系数与对应λ个多尺度结构元素形态学AVG-Hat滤波器滤波后信号的乘积和：即计算得到所述乘积和信号的排列熵值H_PE和包络谱稀疏度值S，将所述排列熵值H_PE与包络谱稀疏度值S相除得到所述滤波后信号在粒子群优化方法中的适应度函数值P，其数学表达式为：

4-3、当粒子群第I次迭代运算后信号的适应度函数值P_I小于或等于第(I-1)次迭代运算后信号的适应度函数值P_I-1时，即P_I≤P_I-1，记P_I为最优的适应度函数值；依次类推，获取粒子群优化方法迭代的整个过程，输出G次迭代运算后所有乘积和信号的最小适应度函数值P_best作为整个粒子群优化过程中最优的适应度函数值，即P_best＝min(P₁,P₂,…,P_G)；其中，G为最大迭代次数；

4-4、提取所述最小适应度函数值P_best对应的多尺度结构元素权重系数ω_best＝(ω₁,ω₂,…,ω_λ)作为多尺度结构元素对应的最优权重系数。

4.根据权利要求1所述的基于自适应多尺度AVGH变换的轴承故障信号特征提取方法，其特征在于：所述步骤5中构建最优的多尺度形态学AVG-Hat滤波器的方法如下：

计算最优权重系数ω_best＝(ω₁,ω₂,…,ω_λ)与λ个多尺度结构元素形态学AVG-Hat滤波器滤波后信号f_i(n)的乘积和，将所述乘积和信号作为粒子群优化方法自适应确定的最优的多尺度结构元素形态学AVG-Hat滤波器滤波后的信号。