基于wpt-ceemd的旋轉(zhuǎn)機械特征提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于機械設(shè)備故障診斷領(lǐng)域，特別涉及了基于WPT-CEEMD的旋轉(zhuǎn)機械特征 提取方法。
【背景技術(shù)】
[0002] 隨著現(xiàn)代工業(yè)和科學(xué)技術(shù)的飛速發(fā)展，工業(yè)已成為衡量一個國家科學(xué)技術(shù)發(fā)展的 標(biāo)準(zhǔn)。機械設(shè)備是工業(yè)發(fā)展的載體，為工業(yè)發(fā)展提供關(guān)鍵技術(shù)，在國民經(jīng)濟中發(fā)揮著越來越 重要的作用。同時旋轉(zhuǎn)機械也越來越朝著大型化、復(fù)雜化、精密化的方向發(fā)展，機械設(shè)備的 功能越來越多，性能指標(biāo)越來越高，其組成與結(jié)構(gòu)越來越復(fù)雜，這樣勢必會使得故障出現(xiàn)的 概率大大增加。
[0003] 滾動軸承是旋轉(zhuǎn)機械中應(yīng)用最廣且也是最易損壞的機械零件之一，許多機械故障 都與滾動軸承有關(guān)，它工作好壞對機械的工作狀態(tài)有很大的影響，故對工作中的滾動軸承 進行故障診斷尤為重要。由于機械設(shè)備振動信號多為非線性非平穩(wěn)信號，傳統(tǒng)的傅里葉分 析不免有一定的局限性。時頻分析方法如小波變換(Wavelet transform，WT)、小波包變換 (Wavelet Package Transform，WPT)、希爾伯特黃變換（Hilbert-Huang transform，HHT)、 Gabor變換等，由于能夠同時提供信號時域和頻域的局部信息，而在機械故障診斷中得到廣 泛的應(yīng)用。
[0004] 傳統(tǒng)的WT和WPT在實際信號處理過程中由于自身Mallat算法的缺陷，會在頻段分 割處出現(xiàn)嚴(yán)重的頻率混疊現(xiàn)象且不具有自適應(yīng)性，直接用于故障信號提取效果不佳。希爾 伯特黃變換中的EMD能將信號自適應(yīng)分解為有限個固有模態(tài)函數(shù)（Intrinsic Mode Funct ion，MF)，所分解出的各頂F分量包含原信號不同時間尺度的局部特征信號，但也存 在著嚴(yán)重的模態(tài)混疊缺點。針對此缺點，在EMD的基礎(chǔ)中又提出了總體平均經(jīng)驗?zāi)B(tài)分解 (Ensemble Empirical Mode Decomposition，EEMD)以及EEMD的改進方法--互補總體平 均經(jīng)驗?zāi)B(tài)分解（Complementary Ensemble Empirical Mode Decomposition，CEEMD)。兩 種方法在自適應(yīng)分解后，雖有效的抑制EMD的頻率混疊缺陷但在低頻部分依然存在少量的 模態(tài)混疊現(xiàn)象。

【發(fā)明內(nèi)容】

[0005] 為了解決上述【背景技術(shù)】提出的技術(shù)問題，本發(fā)明旨在提供基于WPT-CEEMD的旋轉(zhuǎn) 機械特征提取方法，將WPT和CEEMD相結(jié)合，有效抑制了分解后的模態(tài)混頻。
[0006] 為了實現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案為：
[0007]基于WPT-CEEMD的旋轉(zhuǎn)機械特征提取方法，包括以下步驟：
[0008] (1)采集旋轉(zhuǎn)機械振動信號；
[0009] (2)對采集的振動信號進行FFT變換，再使用WPT變換對信號進行消噪處理；
[0010] (3)對消噪處理后的信號進行CEEMD自適應(yīng)分解；
[0011] (4)提取分解出的IMF分量的頻率信號，做出每個IMF分量的頻譜圖；
[0012] (5)根據(jù)頻率與幅值的對應(yīng)關(guān)系檢查是否存在嚴(yán)重的模態(tài)混疊，即多個不同頻率 的細(xì)節(jié)信號是否被分解到同一IMF分量內(nèi)，如果存在嚴(yán)重的模態(tài)混疊，則返回步驟(3)，否則 轉(zhuǎn)入步驟(6);
[0013] (6)若同一頻率的信號被自適應(yīng)分解到相鄰的IMF分量內(nèi)，則對出現(xiàn)模態(tài)混疊的部 分利用WPT變換進行修正，提取出特征信號。
[0014] 進一步地，步驟(2)中使用WPT變換對信號進行消噪處理的具體過程：
[0015] (a)選擇一個小波基并確定分解的層次后，對信號進行小波包分解；
[00?6] (b)對于給定的熵標(biāo)準(zhǔn)，確定最優(yōu)小波包基；
[0017] (c)對最優(yōu)小波包基的系數(shù)進行閾值量化；
[0018] (d)對閾值量化后的小波包系數(shù)進行重構(gòu)，得到重構(gòu)信號。
[0019] 進一步地，步驟(3)的具體過程：
[0020] (i)分別向消噪處理后的信號x(t)中加入一組等長度的、給定標(biāo)準(zhǔn)差的、符號正負(fù) 相反的正態(tài)分布白噪聲，從而形成兩個新信號；
[0021] ( ? )對加入白噪聲后的兩個信號分別進行EMD分解，得到其各自的IMF分量；
[0022] (iii)根據(jù)設(shè)定的分解次數(shù)n，重復(fù)步驟（i)、（ ii )n次，且要求每次加入新的正態(tài)分 布白噪聲；
[0023] (iv )分解得到的頂F分量共計2n組，將這2n組頂F分量相加后除以2n，求其平均，得 到1組頂F分量。
[0024]進一步地，所述正態(tài)分布白噪聲的幅值為信號x(t)的標(biāo)準(zhǔn)差乘以系數(shù)f，其中0〈f〈 1〇
[0025] 進一步地，當(dāng)分解次數(shù)η取100，系數(shù)f的取值范圍是0.01〈f〈0.5。
[0026] 進一步地，在步驟(5)中，如果存在嚴(yán)重的模態(tài)混疊，在返回步驟(3)時，需要重新 確定分解次數(shù)η。
[0027] 采用上述技術(shù)方案帶來的有益效果：
[0028]本發(fā)明應(yīng)用CEEMD對信號進行分解，有效抑制了傳統(tǒng)EMD分解的模態(tài)混疊問題，并 運用WPT良好的局部分析能力對分解后的存在模態(tài)混疊的部分再進行修正，從而達(dá)到對細(xì) 節(jié)信號的精確提取。
【附圖說明】
[0029] 圖1是本發(fā)明的流程圖；
[0030] 圖2包括(a)、(b)、（c)3幅圖，分別為信號yl、y2以及仿真信號s(t)波形圖；
[0031]圖3包括(a)、（b) 2幅圖，分別為s (t)經(jīng)EMD分解的頂F1、頂F2波形圖；
[0032]圖4包括（a)、（b)、（ c)、（ d)4幅圖，分別為s (t)經(jīng)CEEMD分解的 MF1、IMF2、MF3、 MF4波形圖；
[0033] 圖5是實際采集得到的振動信號時域圖；
[0034] 圖6是實際采集得到的振動信號頻譜圖；
[0035]圖7是對實際采集得到的振動信號進行WPT預(yù)處理后的頻譜圖；
[0036]圖8包括（a)、（b)、（c)3幅圖，分別為實際采集得到的振動信號經(jīng)CEEMD分解的 頂F6、頂F7、頂F8的時域圖；
[0037]圖9包括（a)、（b)、（c)3幅圖，分別為實際采集得到的振動信號經(jīng)CEEMD分解的 頂F6、頂F7、頂F8的頻譜圖；
[0038]圖10包括(a )、（ b) 2幅圖，WPT修正后提取的工作頻率分量的時域圖和頻譜圖。
【具體實施方式】
[0039]以下將結(jié)合附圖，對本發(fā)明的技術(shù)方案進行詳細(xì)說明。
[0040]如圖1所示本發(fā)明的流程圖，基于WPT-CEEMD的旋轉(zhuǎn)機械特征提取方法，包括以下 步驟：
[0041 ] (1)采集旋轉(zhuǎn)機械振動信號；
[0042] (2)對采集的振動信號進行FFT變換，再使用WPT變換對信號進行消噪處理，抑制信 號中的無用部分，增強信號中有用部分，其具體過程如下：
[0043] (a)選擇一個小波基并確定分解的層次后，對信號進行小波包分解，小波包第一層 分解將信號以采樣頻率的1/2為中點將信號分為高低兩個頻段，第二層分解將第一層分解 兩個頻段分別以1/4和3/4的采樣頻率為中點再進行分解得到四個頻段，以此類推，可以根 據(jù)實際信號提取的需要選擇分解層數(shù)；
[0044] (b)對于給定的熵標(biāo)準(zhǔn)，確定最優(yōu)小波包基；
[0045] (c)對最優(yōu)小波包基的系數(shù)進行閾值量化；
[0046] (d)對閾值量化后的小波包系數(shù)進行重構(gòu)，得到重構(gòu)信號。
[0047] (3)對消噪處理后的信號進行CEEMD自適應(yīng)分解，其具體過程如下：
[0048] (i)分別向消噪處理后的信號x(t)中加入一組等長度的、給定標(biāo)準(zhǔn)差的、符號正負(fù) 相反的正態(tài)分布白噪聲，從而形成兩個新信號；
[0049] ( ? )對加入白噪聲后的兩個信號分別進行EMD分解，得到其各自的IMF分量；
[0050] (iii)根據(jù)