基于双树复小波包变换的滚动轴承故障诊断

作者:胥永刚;孟志鹏;陆明 刊名:农业工程学报 上传者:曹建民

【摘要】针对滚动轴承故障的振动信号具有非平稳特性,存在强烈噪声干扰,难以提取故障特征频率的情况,提出了基于双树复小波包变换阈值降噪的故障诊断方法。首先将非平稳的故障振动信号进行双树复小波包分解,得到不同频带的分量;然后对每个分量求其峭度值和相关系数并进行比较;最后选取峭度值和相关系数较大的分量进行软阈值降噪和双树复小波包重构,即可有效地消除振动信号中噪声的干扰,同时保留信号中的有效信息即实现了故障特征信息的提取。本文对轴承外圈故障试验和实际工程数据进行了相关分析,并对比传统离散小波包降噪的效果,本文方法处理后的信号冲击周期性更好,较理想地去除了噪声的影响,验证了该方法可以有效地去除噪声并提取滚动轴承故障的特征信息。

全文阅读

0引言滚动轴承在机械设备中是最常用和最重要的零件之一,它的运行状态直接影响到整台机器的性能,机械设备发生故障很多都是由滚动轴承故障所引起的,所以滚动轴承的故障诊断具有很重要的实际意义[1-2]。滚动轴承的工作环境一般包含很多其它机械设备,因此背景噪声很多,同时滚动轴承的故障信号一般都是非平稳信号,这些都给滚动轴承的故障诊断带来了困难[3-4]。双树复小波变换(daul-treecomplexwavelettransform,DTCWT)[5-6]是近几年来发展起来的一种具有诸多优良特性的新型小波变换方法,双树复小波变换具有近似平移不变性、良好的方向选择性、完全重构性、有限的数据冗余性和高效的计算效率等优良性质。但是双树复小波变换同传统小波变换一样,对高频部分没有继续进行细分[7-10]。故提出双树复小波包变换[11],对双树复小波变换中没有细分的高频部分作进一步的分解,从而提高信号整个频段的频率分辨率和减少信息的丢失。目前双树复小波包变换在图像处理[12-15]、地震信号处理[16]、语音处理[17]和故障诊断[18-20]等领域已有相关应用,但是都存在一定的噪声干扰。本文提出了双树复小波包的轴承故障诊断方法,利用峭度和相关系数对最佳频带做了选取并进行了阈值降噪,并将其成功应用于机械故障诊断。试验结果和工程应用表明,该方法可以有效提取滚动轴承故障的特征信息。1双树复小波包变换双树复小波变换首先由Kingsbury等提出,后经学者Selesnick进一步提出了双树复小波变换的分解与重构算法。在利用双树复小波变换进行信号的分解与重构的过程中,始终保持虚部树的采样位置位于实部树的中间,从而实现实部树和虚部树的信息互补[5-6]。传统的离散小波包变换(discretewaveletpackettransform,DWPT)在分解时,由于每次分解时都采用下抽样操作,这样使每次分解后信号的采样频率降低一半,时间分辨率也降低一半。所以一旦分解层数确定,频带的频率分辨率也就确定,分解的层数越多,频率分辨率越高,但是时间分辨率越低。同时,下抽样的操作不具有平移不变性,还会引起较大的频率混叠问题,此外对信号的奇异点敏感,难以有效地提取信号的特征频率[19]。针对传统小波包变换的缺陷和双树复小波变换的优良特性和不足之处,提出双树复小波包变换(dual-treecomplexwaveletpackettransform,DT-CWPT)[11]。双树复小波包变换的分解和重构实现非常简单,它由2个平行且使用不同的低通和高通滤波器的离散小波包变换构成,其2层分解和重构过程如图1所示。2个并行离散小波包变换,一个离散小波包变换可以看做实树,另一个小波包变换看做虚树,在信号的分解过程中可以形成互补,也能获得近似平移不变性,对双树复小波分解没有细分的高频部分也进行了分解,减少了信息的丢失。其中第1层分解,经过first_1滤波器组的为实树小波包分解,first_1滤波器有2行,第1行f1-1为高通滤波器,第2行f1-0为低通滤波器;经过first_2滤波器组的是虚部小波包分解。对于第2层以上的分解,为了保证两树在该层和所有前层上产生的延迟差的总和相对于原信号输入为一个采样周期,即两树对应滤波器的相频响应之间应有半个采样周期的群延迟,且2个滤波器的幅频响应相等,实树小波包分解交替使用Q_shift滤波器组h,同样虚部树分解交替使用Q_shift滤波器组g。在各层分解过程中采用了系数二分去除了多余的计算,提高了信号处理效率,双树复小波包变换的重构过程为分解的逆过程[11,18-19]

参考文献

引证文献

问答

我要提问