基于優(yōu)化的Morlet小波旋轉(zhuǎn)機械振動故障信號微弱特征提取方法

《基于優(yōu)化的Morlet小波旋轉(zhuǎn)機械振動故障信號微弱特征提取方法》由會員分享，可在線閱讀，更多相關(guān)《基于優(yōu)化的Morlet小波旋轉(zhuǎn)機械振動故障信號微弱特征提取方法（5頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1基于優(yōu)化的 Morlet 小波旋轉(zhuǎn)機械振動故障信號微弱特征提取方法摘要：主要研究旋轉(zhuǎn)的機械振動信號微弱故障特征提取的一種新方法，建立了真模型進(jìn)行仿真研究，得到的仿真結(jié)果能夠驗證這種方法的可靠與實用性．關(guān)鍵詞：微弱，振動，故障．特征1 研究的背景與意義在故障狀態(tài)下，機械故障信號一般會被強噪聲淹沒，且故障信號具有很強的隨機性和時變非平穩(wěn)性，我們?nèi)绻胍治鋈绱藦?fù)雜的振動信號，準(zhǔn)確分析定位故障位置及成因，首先就需要采用合適的分析處理方法來替代傳統(tǒng)的信號處理技術(shù)，從而得到故障信號頻率――時間的關(guān)系和信號能量在時間――頻率軸上的分布情況，從而達(dá)到診斷的目的。2 基于 Morlet 小波的微弱特征提取2.1 帶寬參數(shù)優(yōu)化 在工程實際中，突變信號的檢測需要實現(xiàn)增強特征信號部分并且抑制其他無關(guān)信號的目標(biāo)，因此必須將選擇的帶寬參數(shù) fb 進(jìn)行調(diào)整，實現(xiàn) Morlet 小波與信號的特征分量保持高度的相似性。當(dāng)采用恰當(dāng)?shù)男〔〞r，在時間尺度相平面上的某區(qū)域內(nèi)特征成分能顯示為高幅值的能量塊，相反時間尺度相平面上的其他區(qū)域則發(fā)散和小波不相似的能量。2Shannon 熵可以用來作為衡量已選小波與特征分量的有效標(biāo)準(zhǔn)。概率分布的均勻程度通過 Shannon 熵值的大小來體現(xiàn)，當(dāng)最不確定概率分布時，熵值為最大。對故障信號實施小波變換，把變換后的系數(shù)整理為代表概率分布的序列 pi，對 pi 按一定規(guī)則進(jìn)行計算所得的熵值就代表了小波變換后系數(shù)矩陣的稀疏性程度。將所得的熵稱為 Shannon 小波熵，其表達(dá)式如下：H （p）=-pilogpi，pi=1 （1 ）上式為經(jīng)過小波系數(shù)整理構(gòu)造后得到的一個不確定的概率分布，可由下式計算：pi=|W（ai ，t ）|/|W （aj，t）| （2）通過分析可以了解到，當(dāng)已選取的小波與特征成分匹配度最高時，其實就是 Shannon 小波熵為最小時。依此分析，在求取最小小波熵的過程中，fb 代入不同數(shù)值，來確定小波熵的大小隨 fb 代入值不同的大小變化規(guī)律。當(dāng)取最小小波熵時，fb 的值就是最優(yōu)的帶寬參數(shù)。2.2 尺度參數(shù)的優(yōu)化 由于尺度參數(shù) a 決定了小波濾波時的頻帶范圍，因此在實現(xiàn)了 Morlet 小波與特征成分達(dá)到最佳匹配效果后，為了把故障特征信息更明顯、更完整地從故障信號中提取出來，必須對尺度參數(shù) a 實施優(yōu)化。通常噪聲信號由光滑信號、故障信息與噪聲信息組成。不同的信號成分的奇異值，其分布規(guī)律是不同的，因此可以采用奇異值分解方法來檢測信號中的突變信息。假設(shè)一組突變機械系統(tǒng)故障信號為 x1，x2，x3 ，…，由測試信號構(gòu)建一個維吸引子軌跡矩陣 Dm，其相空間為（3 ）若故障信號中存在一定程度的噪聲，則 Dm 可將表示為：3Dm=D+W+V，式中 D、W、V 分別代表 Dm 中對應(yīng)光滑信號、故障信息及噪聲的軌跡矩陣。對 Dm 進(jìn)行奇異值分解，Dm=UΛVT，U∈Rm×m ，V ∈Rn×n，且 UUT=I，VVT=I 。Λ 是m×N 維對角矩陣，σ 1，σ2，…，σk 為其對角線元素， Dm 的秩為 k，切 k=min（m，n ） ，通常取 m為了直觀的了解故障信號中各成分奇異值的分布規(guī)律，用與沖擊信號相似的信號來模擬故障沖擊，采用 11 個用高斯原函數(shù)構(gòu)成的信號來代替沖擊信號。信號如下式表示：x（t）=e-（t-ti ） /200?ej2π（t-ti）/10 （4）式中，ti=0，200，400，…，1800，2000。光滑信號由下式表示：0.1sin（ 20πt+0.45π）+0.1cos（20πt+0.45π） （5）把奇異值分解與 Morlet 小波變換兩種分析工具結(jié)合起來，對Morlet 小波進(jìn)行尺度參數(shù)的優(yōu)化。優(yōu)化過程：將原始信號進(jìn)行Morlet 小波變換，變換后可以得到小波系數(shù)矩陣。將其進(jìn)行相空間重構(gòu)，對相空間重構(gòu)后得到的矩陣進(jìn)行奇異值分解，我們就可以得到奇異值-變換尺度的關(guān)系曲線。過渡階段的奇異值能夠體現(xiàn)原始信號經(jīng) Morlet 小波變換后得到的系數(shù)矩陣突變信息特征，由此分析可知，與此階段奇異值相對應(yīng)的尺度范圍就是我們想要得到的小波變4換最佳尺度范圍，在這個范圍內(nèi)對每一個尺度和結(jié)果進(jìn)行對比，在對比中效果最突出的尺度就是可以實現(xiàn)最佳小波變換的尺度。在機械設(shè)備中對滾動軸承的故障信號進(jìn)行測取并處理，可得到如圖 1（a ）所示的包含強噪聲與突變信息的故障信號。首先通過求取最小 Shannon 小波熵的分析方法來得到最佳優(yōu)化的小波帶寬參數(shù)fb，得到 fb=72.1。其次對尺度參數(shù) a 設(shè)定一個步長是 0.2 的范圍a∈[1，15]。對故障信號實施 Morlet 小波變換，將小波變換后的系數(shù)矩陣做奇異值分解，即可得到如圖 2 所示的 Morlet 小波系數(shù)的奇異值隨變換尺度變化的趨勢曲線圖。通過分析圖 2 中奇異值與變換尺度的關(guān)系曲線可知，能最好的表現(xiàn)出突擊信息的尺度范圍為。為了進(jìn)一步確定最佳的變換尺度，把步長取為 0.5，再次對奇異值隨尺度參數(shù)的變化趨勢進(jìn)行分析，可得到更精確的尺度范圍。再次以 0.1 為步長來分析奇異值隨尺度的變化趨勢，最后可得到最優(yōu)的變化尺度。前面已經(jīng)對 Morlet 小波的帶寬參數(shù)和尺度參數(shù)進(jìn)行了最佳優(yōu)化，我們首先濾除故障信號的噪聲，然后對去噪后的信號做優(yōu)化后的Morlet 小波變換，就可以得到提取的特征信號圖如圖 1（b）所示。圖 1（b）與圖 1（a）比較可以看出，故障信號經(jīng)過優(yōu)化的 Morlet小波處理后，可以得到一份十分清晰的沖擊信息時域波形圖，強噪聲下的微弱故障沖擊特征被很好的提取了出來。參考文獻(xiàn)：１. 吳艷，利用子波變換提取目標(biāo)回波波形特征．[Ｊ]２０１５5２. 李永進(jìn)，小波分析故障診斷系統(tǒng)的研究[Ｊ]２０１５