基于自适应多尺度形态学AVG-Hat滤波的滚动轴承故障特征提取方法

作者:邓飞跃 ;杨绍普 ;郭文武 ;刘永强 刊名:振动工程学报 上传者:胡竞楠

【摘要】针对机械设备故障信号中故障特征微弱,容易被背景噪声淹没而不能准确提取的问题,提出了-种新的自适 应多尺度形态学AVG-Hat滤波方法,并将其用于强背景噪声下滚动轴承故障信号的特征提取中.首先,在分析传 统形态学滤波器滤波特点的基础上,提出了形态学AVG-Hat滤波器的构造方法;然后,提出采用改进包络谱稀疏 度作为选择滤波后最优信号的评价标准,通过粒子群优化算法自适应确定了多尺度滤波器中不同尺度结构元素的 权重系数,进而构建了最优的多尺度形态学AVG-Hat滤波器;最后,将该滤波器用于处理故障振动信号,经过包络 解调分析准确提取出了信号中的故障特征信息.通过对实测轴承故障信号进行分析,结果表明:该方法在信号降 噪的基础上具有较强的故障特征提取能力,能有效用于滚动轴承故障的诊断,具有较高的工程应用价值.

全文阅读

第 3 0卷 第 6 期 2017年 1 2月 振 动 工 程 学 报 Journal of Vibration Engineering Vol. 30 No. 6 Dec. 2017 基于自适应多尺度形态学AVG-H a t滤波的 滚动轴承故障特征提取方法 邓飞跃,杨绍普,郭文武,刘永强 (石家庄铁道大学机械工程学院,河 北 石 家 庄 050043) 摘要:针对机械设备故障信号中故障特征微弱,容易被背景噪声淹没而不能准确提取的问题,提出了一种新的自适 应多尺度形态学A V G -H at滤波方法,并将其用于强背景噪声下滚动轴承故障信号的特征提取中。首先,在分析传 统形态学滤波器滤波特点的基础上,提出了形态学A V G -H at滤波器的构造方法;然后,提出采用改进包络谱稀疏 度作为选择滤波后最优信号的评价标准,通过粒子群优化算法自适应确定了多尺度滤波器中不同尺度结构元素的 权重系数,进而构建了最优的多尺度形态学A V G -H at滤波器;最后,将该滤波器用于处理故障振动信号,经过包络 解调分析准确提取出了信号中的故障特征信息。通过对实测轴承故障信号进行分析,结果表明:该方法在信号降 噪的基础上具有较强的故障特征提取能力,能有效用于滚动轴承故障的诊断,具有较高的工程应用价值。 关键词:故障诊断;滚动轴承;特征提取;A V G -H at变换;改进包络谱稀疏度 中图分类号:TH165+. 3; TN911. 7 文献标志码:A 文章编号:1004-4523(2017)06-1056-10 D O I:10. 16385/j. cnki. issn. 1004-4523. 2017. 06. 020 引 言 滚动轴承故障诊断中,故障特征能否准确提取 直接关系到诊断结果的优劣,然而实际工程中,轴承 故障振动信号具有典型的非线性、非平稳特征,其中 蕴含的故障特征信息往往淹没在强烈的背景噪声 中。因此,如何有效地提取故障特征信息一直是滚 动轴承故障诊断的重点。 形态学滤波是基于数学形态学(M a th e m a tic a l M o r p h o lo g y,M M )变换的一种非线性滤波方法[1], 它能通过特定尺度和形状的结构元素对信号时域波 形局部特征进行拟合修整,在保持信号主要波形特 征的同时,能有效抑制其中背景噪声的干扰。2003 年,N ik o la o u 等[2]首次将形态学闭运算用于机械故 障信号的特征提取中,之后,形态学滤波在机械故障 信号处理中得到了快速发展。最初,形态学闭运 算[3]和开运算[4]被用来构造形态学滤波器,但开、闭 运算仅能检测信号中的正、负脉冲,存在一定的局限 性。文献[5]采用形态学开-闭运算和闭-开运算构 造了组合形态学滤波器(C M F ),并证实该滤波器具 有较强的信号降噪性能;文献[6]通过形态学腐蚀和 膨胀差分运算构造了形态学梯度滤波器(M G F );文 献[7]则使用形态学闭运算和开运算的差值构造了 形态学差值滤波器(M D I F ),这两种滤波器构造方 式简单,提取信号中故障特征的能力较强,但缺陷是 滤波过程改变了信号的组成成分,将原信号中的负 值信息全部转变为正值信息,因此滤波结果的鲁棒 性欠佳。 多尺度形态学滤波能够在多个尺度结构元素下 对信号进行分析处理,抑制信号背景噪声和提取故 障特征的能力要比单一尺度形态学滤波器更为优 异。但是,在多尺度形态学滤波器的构建中,如何自 适应确定不同尺度结构元素所对应的权重

参考文献

引证文献

问答

我要提问