《基于同步提取变换的滚动轴承微弱特征增强与提取方法.docx》由会员分享,可在线阅读,更多相关《基于同步提取变换的滚动轴承微弱特征增强与提取方法.docx(7页珍藏版)》请在第一文库网上搜索。
1、第42卷第2期 兵器装备工程学报2 0 2 1年2月【机械制造与检测技术】do: 10 J 1809 /qzbgcxb 202 1 D2 D44基于同步提取变换的滚动轴承微弱特征增强与提取方法胡志峰、李志农L2 ,朱彤I王成军2(1 .南昌航空大学无损检测技术教育部重点实验室,南昌3300632 .安徽理工大学矿山智能装备与技术安徽省重点实验室,安徽淮南23 2 0 0 1 )摘要:传统线性时频分析所处理的信号特征模糊、时频能量发散,不能较好的处理微弱信号的特征提取问题,为了能准确识别轴承故障的微弱特征,本文将同步提取变换(SjnchroeHracling Transform , SET )引
2、入到轴承振动信号的微弱特征增强与提取中,探讨了如何利用同步提取变换提取滚动轴承微弱特征信息,并与短时傅里叶提取变换、同步 挤压短时傅里叶变换进行对分析。仿真表明,该方法明显优于短时傅里叶和同步挤压短时傅里叶变换,能够改善时频聚集性并具有一定的抗干扰能力。最后,将该方法应用到滚动轴承微弱特征增强和提取中,实验结果表明,该方法能较好的识别出信号的微弱特征,有效地诊断出微弱故障信号。关键词:同步提取变换;故障诊断;滚动轴承;特征提取;弱信号本文引用格式:胡志峰,李志农,朱彤,等基于同步提取变换的滚动轴承微弱特征增强与提取方法I.兵器装备工程学报,2021,42(02) :234 - 2 3 8 .C
3、itation format: HU Zhifeng, LI Zhinong ( ZHU Tong, et a! .Method of Weik Feature Enhincemeni and Exiriction of Rol-ing Bearing Bued on Sjnchroexlracting Tnnsfoim J Journal o: Ordnance Equipmenl Engineering , 2021,42(02 ): 234- 2 3 8.中图分类号:TP165 3 JN911文献标识码”文章编号:209 6 -23 04 ( 2 02 1 ) 02 -0 2 34 -0
4、5Method of Weak Feature Enhancement and Extraction ofRolling Bearing Based on Synchroextracting Transform HUZhileng1 , LI Zhinong1,2 , ZHU Tong: , WANG Chengjun2(1 .Key Laboratory of Nondeslruc:ire Telling , Ministry o: Education ,Nmchang Hngkong Unirersily z Nanchang 3 60 06 3, China;2 .Anhu Key La
5、boratory of M:ne Inieiligenl Equipment and Technology ,Anhu: Un:rer$ily of Science & Technology ( Hurnan 23 2 0 0 1 , China)Abstract: The Iradilional linear lime frequency analysis can no: deal with ihe problem of weak signal featuie exiiaction because ol the fuzzy chaiacierislic and time frequency
6、energy divergence . Foi accurate identnication of weak leaiures of bearing faulH z ihe Synchfoex:ract:ng Trans:orm ( Synchroexlraciing TranNorm,SET) is introduced into :he weak feature enhancemeni and extraction of bearing vibration signalL how to use jynchronous exlraclion and liansformalion Io ext
7、ract the weak feature information of收稿日期:2 0 2 0 - 0 820 ;修回日期:2 0 2 0 - 0 9 - 1 6基金项目:国家自然科学基金项目(5 2 0 7 5 2 3 6,5 1 6 7 5 2 5 8 );矿山智能装备与技术安徽省重点实验室开放基金项目(201901002)作者简介:胡志峰(1997),男,硕士研究生,主要从事信号处理与模式识别研究,E fnii :1 5 27 7 5 6701qq .com.通信作者:李志农(1966),男,教授,博士生导师,主要从事机械故障诊断研究,Efluil:iminong#nghua mg .
8、皿胡志峰,等:基于同步提取变换的滚动轴承微弱特征增强.与提取方法2 3 6rolling bearings is discussed r and comparison this method w:h short Mme Fourier and synchronous squeeze hori l-ime Fourier transform has been complied . the nmulaiion resulij show ihat this me:hod is superior to the+ime Fourie? iran$:(irm and Synchrosqueeied sho
9、rl rime Fourier transform ( SST ) , can improve time -frequency aggregation and has certain anti kler:erence ability . Finally, this method is applied to the weak fealuie enhancemen: and extraction of rolling hearings . The expeiimen: results show that this method c an ef fe c t i v e1y identify t h
10、 e w e a k features of the signal and d i agnose the weak fault signal .Key words: synchroextracting transform ; fault diagnosis; rolHng bearing; feature exaction; weak signal轴承是旋转机械中应用最广泛的零部件之一,在旋转机械中,轴承发生局部故障时,其故障特征常隐含在含噪的振动信号中,因此对振动信号进行故障特征提取,特别是早期微弱故障特征的提取,对滚动轴承的故障诊断具有显著意义|“。而时频分析技术可以将信号的时域特征和频域
11、特征有效结合起来,更好的分析信号的局部特征m ,经典的线性时频分析方法如短时傅里叶变换,小波变换,S变换r川,广义s变换”一”等,由于受到Heisenberg不确定性原理的制约,所得时频谱能量发散严重,难以同时获取高精度的时间分辨率和频率分辨率双线性时频分析,如魏格纳-威尔变换(Wigner Ville dijlfibution, WVD)及其衍生方法川,该类处理方法具有高时频分辨率,但存在交叉项,且其时频谱不易解释,而结合经验模态分解的时频分析方法,如Hilbert 4iuan?变换,变分模态分解-U1 ,经验小波变换“4 ”51等,具有较高的时频分辨率,但此类方法至今未能建立坚实的数学基础
12、,不可避免的存在端点效应、模态混叠等问题,在分解复杂信号的准确性存在较大影响,甚至其分解结果存在不确定性,故上述传统的时频分析方法由于自身固有缺陷不能够较好的分析滚动轴承的微弱故障特征。近年来,为了获取更高的时频分辨率,许多研究人员将时频重排方法引入到传统的时频分析中,时频重排方法本质是在传统时频分析的基础上对能量进行二次重排,以改善时频谱的能量聚集性。Au g e r等“61基于传统时频分析方法提出了一种后处理重排算法,利用时频相位信息,通过重排算子将发散的时频能量重排到时频脊线上,从而获取高分辨的时频谱,但不能支持对信号的重构,Daubechies等提出一种同步挤压变换的方法,仅考虑频率系
13、数上的重排,牺牲一部分能量聚集性,但保证了多分量信号的拆解和重构性能。近期,于刚在同步挤压变换算法的影响下,以理想时频分析为目标,旨在摆脱海森堡不确定性原理的限制,提出了一种新颍的时频分析方法-同步提取变换(S y n c h r o e x t r a c t i n ggn$5miSET)该方法基于短时傅里叶变换,构建出同步提取算于,提取出短时傅里叶变换时频谱中时频脊线位置处的时频系数,从而显著提高时频分析精度,该方法有效克服了传统时频分析方法能量发散、特征模糊的问题,此外,该方法计算复杂度低,运算速度快,因此易于微弱信号特征提取与增强。基于同步提取变换的独特优势,本文将同步提取变换引入到
14、滚动轴承微弱故障信号的特征提取中,进行仿真研究,同时与传统的时频分析方法进行对比,最后,将该方法应用到滚动轴承微弱故障信号的特征提取和增强中,并进行实验验证。本文的研究为强背景噪声下的微弱故障特征提取提供一种新方法,具有一定的理论价值和实践应用价值。1同步提取变换原理SET是后处理技术,可分为3个步骤:步骤1 :对信号进行短时傅立叶变换(STFT),将时间信号变成时间-频率信号;步骤2 :根据相位信息计算出瞬时频率;步骤3 :提取短时傅立叶变换(STFT)在瞬时频率位置上的时频系数。设待分析信号z ( /)=能卬,待分析信号先经过短时傅立叶变换由一维的时间信号变为二维的时频信号:+ 8G(l3
15、 = zi u e w u (1)式中,g( T)通常为高斯窗函数。但在时频域内,由于短时傅里叶的窗口函数是宽宽固定,易导致形成能量模糊的频谱图,所以要对短时傅立叶变换公式进行改进,根据帕赛瓦尔定律(Parsevalz $ theorem)可对(1 )式进行改写:+8G(r,3 =,z( )-f) Z*) hi =(gju) )=(r|)*dn(2)L I I式中:()“为复共轨运算rj ,乙(rj分别为z( )和g皿力的傅里叶变换结果,可以计算为:含(4=T) e”( 3 )一 8使则有:co公E二*.产J屋中“ d/ =.OOI叽gC -产%=加 3-rj(4)将式(4 )代入到式(2 )236兵器装备工程学报hiip: /cbg .qks .cqut.edu .cn /-3力八八,n 2tt 工 Z(rj g(3 e d q (5)在式(5 )结果上增加一个频移算子e .ooGJr,3 二一3._山()葭3 (6)则有:G oo A人箱Ur.td =z( w) - e drj (7)L I I - -