2019年基于FSWT与谱峭度的滚动轴承故障诊断系统.docVIP

基于FSWT与谱峭度的滚动轴承故障诊断系统 一、 软件研究背景 滚动轴承是机械设备中最常用的通用零部件，在机械设备中起着承受并传递负荷的作用，也是机械设备中最易受损的零部件之一。轴承的任何部位出现微小故障，都会影响整个设备的运行甚至导致设备停止运转。因此对滚动轴承故障的快速、有效诊断和预知维修将大大提高设备的运行可靠性。矚慫润厲钐瘗睞枥庑赖賃軔朧碍鳝绢懣硯涛镕頃赎巯驂雞虯从躜鞯烧。 滚动轴承故障检测的方法有很多，有基于短时傅里叶变换的谱峭度算法、快速谱峭度算法等。谱峭度方法为合理选择滚动轴承振动信号包络解调的频率中心和带宽提供了可能。然而，当面对瞬时突变的非平稳信号时，包络信号的峭度值很大程度上依赖于频率分辨率。若采用短时傅里叶变换计算谱峭度，需提前设置窗函数的带宽及中心频率，窗函数过大或过小都会影响峭度值的计算和频率分辨率。快速谱峭度算法，由于其信噪比低，信号包含成分较多，只能提供一个较大的带宽，而得不到精确的中心频率。聞創沟燴鐺險爱氇谴净祸測樅锯鳗鲮詣鋃陉蛮苎覺藍驳驂签拋敘睑绑。 鉴于此，本文提出一种基于频率切片小波变换和谱峭度的综合算法。首先对轴承端的振动信号时频分析，采用FFT、包络谱、频率切片小波变换对其频域性能进行分析，再求其峭度谱与对应包络谱，结合其时域、频域性能，综合分析轴承故障。具体实现过程如下：残骛楼諍锩瀨濟溆塹籟婭骒東戇鳖納们怿碩洒強缦骟飴顢歡窃緞駔蚂。 （1）用数学描述对机器的振动信号进行模拟，所构造的模拟信号要能够反映设备运行时的振动信号。 （2）对模拟的时域信号进行傅里叶变换，实现信号从时域到频域的转换。利MATLAB 求出其fft频谱图，观察信号时域和频域的波形。 （3）选取频率切片小波函数，根据已选取的切片函数，算出相应的幅值期望响应比率和时频分辨系数，对信号进行FSWT变换，并用软件对其算法仿真，得到信号的时频分布图。酽锕极額閉镇桧猪訣锥顧荭钯詢鳕驄粪讳鱸况閫硯浈颡閿审詔頃緯贾。 （4）采用FSWT逆变换对信号进行重构，得到的重构信号与原信号几乎完全吻合，保证了FSWT这一算法的严谨性。彈贸摄尔霁毙攬砖卤庑诒尔肤亿鳔简闷鼋缔鋃耧泞蹤頓鍥義锥柽鳗铟。 （5）选择带宽BW=3倍的特征频率，对信号的时频分布进行分段，对每段的时频信号求峭度，再将这些峭度值在图中表示出来。謀荞抟箧飆鐸怼类蒋薔點鉍杂篓鳐驱數硯侖葒屜懣勻雏鉚預齒贡缢颔。 （6）根据峭度图确定最大峭度值所对应的频率段，取出这一频率段对应信号的时频分布，求出包络谱进行细化分析，即可实现对故障信号的分离和提取。厦礴恳蹒骈時盡继價骚卺癩龔长鳏檷譴鋃蠻櫓鑷圣绋閼遞钆悵囅为鹬。 二、 频率切片小波变换 频率切片小波变换(FSWT: Frequency Slice Wavelet Transform)是一种新的时频分析方法,它充分吸收短时傅立叶变换(STFT)和小波变换(WT)的优点,引入频率切片函数(FSF: Frequency Slice Function),使传统的傅立叶变换(FT)具备了时频分析的能力。克服了短时傅立叶变换频率分辨率固定的缺陷,克服了小波变换依赖小波函数的选择的困难,克服了维格纳-威尔分布分析多分量信号存在交叉项干扰的缺陷。因此FSWT适合应用于瞬时冲击、暂态、频率时变的非平稳信号的时频特征提取。茕桢广鳓鯡选块网羈泪镀齐鈞摟鳎饗则怿唤倀缀倉長闱踐識着純榮詠。 2.1 频率切片小波变换（FSWT）的数学分析 设信号,若的傅里叶变换存在，其频率切片小波变换为： （1）鹅娅尽損鹌惨歷茏鴛賴縈诘聾諦鳍皑绲讳谧铖處騮戔鏡謾维覦門剛慘。 式中，为尺度因子（）， 为能量系数( ) ，二者可为常数或为 和 t 的函数。 是的傅里叶变换 是频率切片函数 是的共轭函数 通过引入频率平移因子实现频率切片函数对应的频率窗在频率轴上平移,类似在时间域的短时傅里叶变换,通过引入尺度因子实现频率切片函数对应的频率窗的伸縮,类似在时间域的小波变换。通过频率切片函数使传统傅里叶变换具有信号的时频特性分析的功能。籟丛妈羥为贍偾蛏练淨槠挞曉养鳌顿顾鼋徹脸鋪闳讧锷詔濾铩择觎測。 采用帕斯瓦尔（parseval)方程，把上述频率切片小波变换转换到时域形式，为： （2） 2.2 频率切片小波变换尺度因子的选择 不失一般性，令能量系数，根据 Morlet小波变换原理,。所以，令，则等式（2）等效为： （3） 把引入到频率切片函数中（k与u、w无关），用于调节变换对时间的灵敏度或对频率的灵敏度,并称之为时频分辨系数。则（2）式可变为：預頌圣鉉