基于自适应TQWT与小波包奇异谱熵的滚动轴承早期故障诊断

摘要：

滚动轴承早期故障诊断可有效地保证机械设备的运行安全,针对滚动轴承早期故障特征微弱,故障特征提取不佳的问题,提出可调品质因子小波变换(Tunable Q-factor wavelet transform,TQWT)与小波包奇异谱熵相结合提取特征的滚动轴承早期故障诊断方法.针对滚动轴承早期故障信号的冲击性与周期性特征,提出峭谱积(峭度和包络谱峰值因子的乘积,KEc)的新指标.以KEc为优化指标,采用网格搜索法确定TQWT最佳的品质因子Q,同时以中心频率比为优化指标,确定最佳的分解层数J.通过最佳参数Q和J对原始信号进行TQWT分解并单支重构,选择KEc最大的重构分量作为最佳分量.提取最佳分量的小波包奇异谱熵值作为故障特征向量,最后运用支持向量机(SVM)进行模式识别并进行早期故障诊断.为验证所提方法的有效性,以XJTU-SY滚动轴承加速寿命试验平台研究对象,运用加速度传感器获取的试验数据集进行验证,识别结果准确率为94.5％.同时,与优化指标为峭度等的SVM识别结果进行比较,所提方法识别率提高了约1％～7％.对比结果表明,运用所提方法对滚动轴承早期故障进行识别,可以准确有效地诊断出轴承的故障类型,具有一定的实用价值.

关键词：故障诊断、可调品质因子小波变换、小波包奇异谱熵、支持向量机、早期故障

所属期刊栏目：20

分类号：TH133.33;TH165+.3

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：714-722