一种强噪声背景下地铁车轮轴承故障信号的特征提取方法

来源：电子测量技术杂志2022年第10期北京时间：

作者：贾 鑫，梅劲松

单位：南京航空航天大学自动化学院 南京 211106

摘要：针对地铁车轮轴承的声学法故障诊断中背景噪音大、难以提取出有效故障特征的问题，提出了一种在强噪声背景下故障特征提取的方法。对声音信号进行短时傅里叶变换（short-time Fourier transform，STFT）得到时频图，时频图中的条纹就是故障特征；沿条纹方向将图像各个点的信号强度相加，得到时频图对应的信号强度叠加折线图来展示故障特征，并且提出一种基于峰值高度的自适应循环降噪算法对信号强度叠加折线图进行降噪，得到该折线图的评价指标为有效峰值数目；最后提出一种自适应滑动窗口检测法来截取时频图中条纹分布的区域，以此来得到最优的故障特征展现效果。实验结果表明，所提出的方法可以从采集的音频信号中提取出来明显有效的故障特征。

关键词：轴承故障诊断;特征提取;时频图;降噪算法