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

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.

关键词：故障诊断、滚动轴承、特征提取、AVG-Hat变换、改进包络谱稀疏度

所属期刊栏目：30

分类号：TH165+.3;TN911.7

资助基金：国家自然科学基金资助项目11472179;河北省高等学校技术研究项目QN2017137

在线出版日期：2018-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1056-1065