一种滚动轴承故障特征提取方法研究

《一种滚动轴承故障特征提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种滚动轴承故障特征提取方法研究摘要：针对滚动轴承共振解调中如何快速获取最优滤波器的难题，提出了一种新的故障特征提取方法。利用morlet小波函数构造基于组合小波函数的滤波器，并结合量子行为粒子群优化算法对轴承故障信号进行优化滤波，以相关峭度作为评定指标选取最优滤波信号。本方法增强了滤波的带通特性，提高了优化滤波的速度和优化效果，能够较快的收敛于最优解。仿真研究结果表明，与一般的经典算法相比，该方法得出的最优滤波信号的故障特征更明显,同等滤波效果所用的优化时间更少。为滤波器参数的选取提供了保障。关键词：小波；量子行为粒子群；滚动轴承；特征提取共

2、振解调技术可有效用于轴承故障特征提取，带通滤波器的滤波效果则直接影响所含故障信息量的大小。因此，如何获取最优滤波器是故障特征提取的关键。针对该问题，PeterW.Tse等人提出了一种自动选取最优小波滤波器方法［1］,利用遗传算法找到滤波器的最优中心频率。文献［2］通过遗传算法对滤波器的截止频率、波纹、带宽等参数进行优化，利用谱峭度作为选取指标得到最优滤波器。文献［3］利用遗传算法和小波包分解覆盖全部的共振频带进行优化滤波，并得到了最优滤波器。ZhiwenLiu提出了一种基于粒子群算法和支持向量机的方法进行故障特征提取［4］。AdamDoccka

3、l提出了一种基于小生境遗传算法的最优频带自适应选择法［5］，通过建立滤波器组并在其中选取最优滤波器。以上方法运用智能优化算法对滤波器进行优化，能够在整个分析频域上进行优化并得到最优滤波器，但运算量较大，优化过程中容易造成局部收敛。量子粒子群优化(QPSO)算法是一种新的群体智能优化算法。本文提出了一种基于组合小波和量子行为粒子群优化算法的故障特征提取方法。1故障特征提取原理1.1量子行为粒子群优化算法原理文献［6］［7］提出了基于量子行为粒子群??化算法，设在d维搜寻空间中有M个粒子f(x)作为粒子适应度函数，第i个粒子的当前位置向量表示为Xi

4、=(xil,xi2,…，xid),当前速度向量表示为Vi=(vil，vi2,…，vid),所经历的最佳位置向量表示为Pi=(pil，pi2，…，pid)，群体屮全部粒子所经历的最佳位置向量pBest表示为Pg=(gl，g2，…，gd)。则基于量子行为的粒子群优化算法公式：其屮：t表示送代次数。randlj(),rand2j()是0到1之间的随机数,mBest是粒子群pBest的中间位置，PPij为Pij和Pgj之间的随机点。o为收敛系数，第t次迭代时可取，(根裾情况而定)，是最大的迭代次数。算法中，由概率密度函数描述的束纯状态的粒子可以一定概率

5、出现在整个可行搜索空间的任何区间，使算法达到全局收敛。1.2基于Morlet小波的组合小波函数文献［8］提出了一种基于Morlet小波的组合小波。morlet小波的母小波，以a为尺度参数，以b为位置参数构建小波：根据文献［7］，式(2)变换得到:式(6)可以看作一个带通滤波器的滤波函数，和相当于带通滤波器的带宽的上下限频率。通过设置和就可以得到不同的带宽B和中心频率fO。此滤波器的带通衰减与a相关，带通内的纹波振荡与a和相关。增大a可以加快带通的衰减速度，减小可以减少带通内的纹波振荡。通过选取适合a和可以提高滤波器的带通效果。此滤波器具有较好的

6、快速收敛性、恒定的带通增益和较少的相位损失等优点，比一般的滤波器具有更好的带通特性。通过设置尺度参数，可以保证足够的带通衰减速度，带通增益振荡可以确保在内。1.3相关峭度文献［9］提出了相关峭度(CorrelatedKurtosis,CK)，它是反映振动信号中周期脉冲信号强度的参数，其计算公式为：公式巾，yi为滤波后的信号；T是故障脉冲信号的周期；M为偏移的周期个数。相关峭度既考虑了信号的冲击性，又考虑了冲击信号的周期性。相关峭度作为一个局部指标克服了峭度无法反映特定信号分量特征的缺点，在给定偏移周期T的情况下，能够准确反映信号屮周期脉冲信号的

7、强度，适用于轴承表面损伤类故障。CK值越大，说明信号中周期脉冲信号所占的比重越多，比峭度更适合作为目标函数应用小波变换对共振解调参数进行优化。1.4故障特征提取方法基于Morlet组合小波和量子行为粒子群优化算法的故障特征提取，基原理是将滤波器的中心频率作为QPSO算法的粒子并设置初始值，以滤波后信号的相关峭度作为QPSO算法的适应度值。相关峭度值较人时说明滤波得到的信号效果好。根据较大适应度值对应的粒子更新个体和种群的最优粒子，最后迭代至算法收敛，此时对应的种群最优粒子即为最优滤波的中心频率。实现的步骤如下：（1）根掘2.1节的步骤构建基于M

8、orlet小波的组合小波。（2）设置基于分析小波的滤波器的中心频率fO和品质因子Q。对QPSO算法的粒子群进行初始化：设置粒子数量、粒子位置向量以及初