基于改進小波閾值降噪的滾動軸承故障診斷方法

曹玲玲　李晶　 彭鎮　張銀飛　韓文冬　 符寒光

摘要： 針對滾動軸承早期故障信號存在大量噪聲使得提取故障特征困難的問題，提出了一種基于新改進小波閾值的降噪方法。該方法是通過采用互補集合經驗模態分解（CEEMD）方法將原始故障信號進行分解，得出各階本征模態函數（IMF）分量;選取關鍵的IMF分量進行重構信號，將重構信號經過新改進小波閾值算法和快速譜峭度進行濾波降噪;進行Hilbert包絡解調，得出滾動軸承的故障特征頻率。分別用仿真噪聲信號和滾動軸承的實驗信號對該方法進行驗證，并將新改進小波閾值算法與傳統的小波硬閾值和小波軟閾值算法進行比較分析，結果表明該方法可以有效提高故障信號的信噪比，降噪效果明顯，能有效獲得滾動軸承的故障特征頻率。

關鍵詞： 故障診斷;?滾動軸承;?CEEMD;?改進小波閾值降噪;?快速譜峭度

中圖分類號： TH165.3;?TH133.33 ???文獻標志碼： A ???文章編號： 1004-4523（2022）02-0454-10

DOI：10.16385/j.cnki.issn.1004-4523.2022.02.021

引 言

滾動軸承是現代工業機械的重要部件，其健康程度影響機械設備的工作狀態及質量。在滾動軸承運行過程中，多種因素會造成其損傷或失效，導致故障的發生，一旦發生故障會造成嚴重的安全隱患。而在滾動軸承發生故障的早期，信號的采集存在大量的噪聲干擾，使得故障特征提取困難，不能盡早地發現故障，因此滾動軸承早期故障信號的降噪問題是故障診斷的關鍵。

目前，對軸承信號的降噪方法研究很多。HUANG等提出了經驗模態分解（EMD）算法的降噪方法，即將振動故障信號分解成各階的IMF分量，再從中提取振動信號中的故障特征，但在含有大量噪聲的背景下，使用EMD算法提取的效果會受到嚴重影響，即存在模態混疊和末端效應等問題，導致提取的故障特征不明顯、誤差大或失真等問題。為解決EMD分解的問題，?Yeh等提出了互補集合經驗模態分解（CEEMD）降噪方法，即采用添加成對的正負白噪聲的形式，很好地消除剩余輔助噪聲、模態混疊和末端效應的問題。雖然CEEMD能解決EMD存在的問題，但想要在強噪聲的背景下提取出退化初期時振動信號的微弱特征還有很大不足。因此，還需要對CEEMD分解之后的信號進行進一步的降噪處理。

小波閾值降噪的方法是由DONOHO等提出的，其中包括硬閾值去噪法和軟閾值去噪法，該方法計算量小，應用廣泛。但該方法本身存在缺陷，小波硬閾值函數不連續，降噪后可能會產生振蕩。小波軟閾值雖然具有較好的連續性，但處理后的小波系數和真實小波系數存在偏差，重構信號時誤差增大，精度下降。因此，選擇一個合適的小波閾值函數尤為重要。周西峰等提出一種漸進半軟閾值函數方法，解決了硬閾值函數中的間斷點問題，但沒有解決軟閾值函數的缺點，經過其方法降噪后的振動信號仍存在偏差。陳濤等在對背景噪聲中的軸承信號去噪時采用SVD歸一化強度軟閾值降噪的方法，降噪效果顯著，但降噪后的故障特征不夠明顯，存在其他譜峰的干擾，對于早期微弱故障信號的提取比較困難。因此，本文提出一種新的改進小波閾值函數，具有連續性，而且靈活性較好，能保留信號中有效的信號特征，解決了硬閾值和軟閾值的缺點。

將降噪后的信號結合快速譜峭度和帶通濾波進行Hilbert的故障特征提取。在已有的研究中已驗證其有效性。田晶等采用Birge?Massart閾值與EEMD和快速譜峭度相結合的方法對滾動軸承進行降噪，較好地提取軸承故障特征頻率。李宏坤等將粒子濾波算法和快速譜峭度相結合進行故障分析，降噪效果較好，但該方法對軸承內圈的邊帶頻的提取效果不是很好。趙見龍等將共振稀疏分解與譜峭度圖分析相結合，能夠準確清晰判斷出軸承故障的狀態。

本文提出一種新的改進小波閾值函數在強噪聲背景下提取出早期微弱故障信號特征的方法。早期故障信號的特點為故障信號弱，故障特征不明顯，因此，在對早期故障信號進行降噪時，很難將微弱故障特征保留。本文將滾動軸承振動信號在退化初期時的信號定義為早期故障信號，通過進一步采用新改進的小波閾值進行降噪，再對降噪后的信號進行快速譜峭度和帶通濾波，最后進行Hilbert包絡計算，不僅降噪的效果明顯，而且在降噪時能將微弱的故障信號保留，去除了其他干擾，能清晰地提取出早期微弱信號的故障特征。結果顯示本文所提方法的降噪效果相比于傳統小波閾值函數有明顯提高，從Hilbert包絡譜中也能清楚準確地提取出滾動軸承的故障特征頻率，驗證了所提方法的有效性。