一种自适应 Morlet 小波滤波方法及其在滚动轴承早期故障特征提取中的应用

摘要：

针对滚动轴承早期故障信号微弱，故障特征难以提取的问题，提出了一种基于混洗蛙跳算法（shuffled frog leaping algorithm，SFLA）的自适应 Morlet 小波滤波方法。首先利用自相关分析去除宽频随机噪声，然后通过 SFLA 优化 Morlet 小波的滤波参数，获得在最小信息熵下的中心频率和滤波带宽。由自适应 Morlet 小波滤波器获得的滤波信号，其中的冲击成分可以很好地被表征。最后对滤波后的信号做包络谱分析即可提取滚动轴承的故障频率。实验表明，自适应 Morlet小波滤波方法可以成功地从低信噪比信号中提取出周期冲击特征，对于滚动轴承早期故障振动信号，能够有效地提取冲击特征频率实现滚动轴承早期故障诊断。

关键词：滚动轴承、特征提取、早期故障、Morlet 小波、混洗蛙跳算法

所属期刊栏目：46

分类号：TH165.3;TH17

资助基金：国家自然科学基金资助项目51075070;高等学校博士学科点专项科研基金资助项目20130092110003．

在线出版日期：2016-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：457-463