传统方法很难对滚动轴承的早期微弱故障进行有效诊断。共振稀疏分解是一种基于多字典库的稀疏分解方法,可以同时分解出滚动轴承故障信号中的瞬态冲击成分及其持续震荡成分(工频及其谐频成分)。该方法在对滚动轴承早期微弱故障信号进行自适应滤波降噪(using ensemble empirical mode decomposition,EEMD方法)基础上,对处理后的信号进行共振稀疏分解分析,分别构建高、低品质因子小波基函数字典库,并利用形态学分析方法建立信号稀疏表示的目标函数,进而实现对滚动轴承发生故障时具有低品质因子的瞬态故障成分及其他持续振荡高品质因子噪声成分的成功分离。对分离得到的低品质因子信号成分进行包络解调分析,进而得到较好的故障提取特征结果。通过实验验证了所述方法的有效性。
共振稀疏分解
共振稀疏分解中信号品质因子的定义。信号品质因子Q的定义:
式子中,
为信号一个振荡冲击的中心频率;
为其带宽。
的大小反映了信号的共振属性;
越大,信号的频率聚集性越好,具有越高的品质因子;反之,信号就具有低的共振属性。根据品质因子的定义可知:瞬态冲击信号为带宽信号,具有低的品质因子;持续振荡周期信号为窄带信号,具有高的品质因子,如下图所示。在用小波变换对待定信号进行分解时,小波基的选取对分解结果有着重要的影响,当待分析信号具有高的品质因子时,选取的小波基函数就需要有高的品质因子;反之亦然,当待分析信号同时含有高品质因子及低品质因子信号时,就需要用时构建两种不同品质因子的小波基函数对信号进行分解。传统的小波分析方法只能选取单一品质因子的小波基,共振稀疏分解提出了解决上述问题很好的方法。