第7期
刘霞等.基于相关性小波奇异摘的滚动轴承故障特征提取基于相关性小波奇异的滚动
轴承故障特征提取刘霞”孙美岩”薛海峰’庞永贵”
(1.东北石油大学电气信息工程学院，黑龙江大庆163318;2.中国石油集团测井有股公司，西安710021；
3.大庆物探一公司，黑龙江大庆163357）
摘要针对轴承故障信号受嗪声影响严重，导致故障特征提取稳定性较差的问题，将小波变缺、相关性、奇并值分解和信息端理论相结合，提出一种基于相关性小减奇异摘的轴承故障特征提取方法。域方法首先将轴承信号透行小波分解，利用小波分解系数和噪声的相关性特点不同，引入相关计算以去除嗪声的影响；然后对相关处理后的规范化系数进行奇并值分解，轴承的不同故障信息就体现在奇异值中；再利用信息摘的统计特性对奇异值进行不确定度计算；最后，以相关性小波奇异摘作为特征向量，通过概率神经网络对滚动轴承故障透行识别。实验表明：该方法能够有效地提取轴承故障特征，具有良好的容案能力和稳定性。
关键词轴承故障
特征提取
、小波变换
奇异摘
中图分类号TH165*.3
文献标识码
A
根据传感器测得的振动信号对机械故障进行诊断，是机械故障诊断中一种常用的有效方法。其中的核心技术是通过分析、处理振动信号用以提取机械故障信号的特征。常用的敬障特征提取方法是短时傅里叶变换及Wigner-Ville分布等。短时傅里叶变换是应用最基本的时频分析方法，同时也是一种时窗大小和形状都固定不变的分析方法。Wigner-Ville分布有很多优点，如对称性及重构性等，但也存在交叉干扰项的问题，此问题构成了时频特征模糊不清的现象，同时也受噪声的影响。为了解决以上间题并更有效地提取敬障信号的特征，笔者提出了相关性小波奇异摘的算法，将小波变换、相关性、奇异值分解和信息理论有效地结合在一起。首先，由于轴承振动信号具有非线性、非平稳的性质)，面小波分析被称为信号的显微镜，适合分析非平稳信号：其次，由于信号的小波变换在各尺度间具有较强的相关性，而噪声的小波变换在各尺度却没有明显的相关性，因此引入相关计算，以去除噪声对有效信号的影响；当轴承出现不同的故障时，故障信号的奇异值也会发生相应的变化，再对相关计算后的系数进行奇异值分解；最后，利用信息摘进行计算，信息摘是对不规则复杂程度的度量。以值作为故障特
概率神经同络
文章编号1000-3932(2015)07-0765-05
征向量输入到概率神经网络单进行故障识别
765
1相关性小波奇异炳的轴承故障信号特征提取 1.1小波变换
设(t）L"（R），其傅里叶变换为（w），满足如下容许性条件(2}：
c - da
l
(1)
则称(t)为一个小波函数或母小波。将母
小波少(t)经过伸缩和平移后生成： 4 (r) = a1 -+(=5)
(a,beR,a0)(2)
称其为一个小波序列。其中，为尺度因子， 6为平移因子。
将小波变换基函数（t）=Ial-91
的4、限定在一些离散的点上取值，即可
得到离散小波变换函数： $(0) =0。“+(二-kab)
=a(- b,)(3)
a
相应的离散小波函数为：
C. =[ (r)() de = f... > 收稿日期：2015-05-21（修改稿）
(4)
基金项目：黑龙江省长江学者后备支持计划项目(2012CJHB005