买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种强噪声干扰下的滚动轴承故障特征自适应提取方法，主要步骤为：输入采集的滚动轴承振动信号；利用基于1.5维平方包络谱峭度改进的自适应噪声完备集合经验模态分解将原信号分解为若干模态分量；计算各分量与原信号的相关系数；将相关性较高的模态分量进行重构；以双域基尼指数优化特征模态分解的输入参数，并对重构信号进行二次分解；根据平方包络谱峰值因子最大准则提取敏感模态分量；运用平方包络谐噪比引导的参数自适应稀疏最大谐波噪声比解卷积对敏感模态分量进行故障特征增强，进而进行Hilbert包络解调；从包络谱中提取滚动轴承故障特征信息，本发明克服了滚动轴承故障特征在强噪声干扰下难以准确自适应提取的问题。

主权项：1.一种强噪声干扰下的滚动轴承故障特征自适应提取方法，其特征在于，包括：S10、输入实时采集的滚动轴承振动信号；S20、利用基于1.5维平方包络谱峭度BSESK改进的自适应噪声完备集合经验模态分解将采集的实时振动信号分解为一组最佳本征模态分量；S30、计算这一组最佳本征模态分量中每一个本征模态分量与采集的振动信号的相关系数；S40、将相关系数大于相关阈值cv的本征模态分量进行信号重构，得到重构信号；S50、以双域基尼指数DDGI优化特征模态分解的输入参数，利用具有最优输入参数的特征模态分解对重构信号进行分解，分解为一组最佳特征模态分量；S60、根据平方包络谱峰值因子最大准则，从这一组最佳特征模态分量中提取出包含轴承故障特征最多的特征模态分量，作为敏感模态分量；S70、运用平方包络谐波噪声比SEHNR引导的参数自适应稀疏最大谐波噪声比解卷积对敏感模态分量进行故障特征增强，得到最佳特征增强分量；S80、对最佳特征增强分量进行Hilbert包络解调并得到包络谱；S90、从最佳特征增强分量的包络谱中提取滚动轴承故障特征信息；步骤S20中，利用基于1.5维平方包络谱峭度BSESK改进的自适应噪声完备集合经验模态分解CEEMDAN将采集的实时振动信号分解为一组最佳本征模态分量最佳IMFs的具体步骤如下：步骤S201、获取影响自适应噪声完备集合经验模态分解CEEMDAN分解性能的2个输入参数的全部参数组合，2个输入参数分别是白噪声幅值权重NS和噪声添加次数NR，参数组合表示为[NSu、NRv]，它们的取值分别如下： 其中，N*为正整数集；步骤S202、将一组参数组合[NSu、NRv]输入CEEMDAN，并将采集的实时振动信号分解为一组本征模态分量IMFs，表示为：[IMFs]＝CEEMDANx,NSu,NRv,MaxIterc其中，CEEDMAN·为MATLAB中的自适应噪声完备集合经验模态分解函数运算，x表示采集的实时振动信号，NSu为当前参数组合中的白噪声幅值权重，NRv为当前参数组合中的噪声添加次数，MaxIterc为CEEMDAN的迭代次数，MaxIterc设置成无穷大，IMFs为运用当前参数组合后经过CEEMDAN分解的一组本征模态分量；步骤S203、计算当前这一组IMFs中的每一个本征模态分量IMF的1.5维平方包络谱峭度BSESK值，将当前组中最大的BSESK值记为局部最大BSESK；步骤S204、重复步骤S202和S203，直到计算出2个输入参数的全部参数组合对应的所有局部最大BSESK值，比较这些BSESK值，选取最大的BSESK值为全局最大BSESK值，对应的参数组合为CEEMDAN的全局最优参数组合，CEEMDAN的全局最优参数组合表示为[NSubest、NRvbest]；步骤S205、利用具有[NSubest、NRvbest]的CEEMDAN将采集的实时振动信号分解为一组最佳本征模态分量，即最佳IMFs。

全文数据：

权利要求：

百度查询： 南京林业大学 苏州长城精工科技股份有限公司 一种强噪声干扰下的滚动轴承故障特征自适应提取方法