基于品质可调小波去噪的低速滚动轴承故障诊断

来源：计算机测量与控制杂志2023年第4期北京时间：

作者：何陈程,王文波,喻敏

单位：武汉科技大学 理学院

摘要：针对低速运行滚动轴承故障特征易被噪声湮没的问题，提出了一种基于可调品质因子小波分解(TQWT，Tunable Q-factor Wavelet Transform)的分层自适应阈值去噪方法，并将该方法与包络谱分析相结合，对低速轴承进行故障分析与诊断；首先，将采集到的轴承振动信号进行TQWT分解，得到分解后的各层小波系数； 然后，利用Sigmoid函数构造分层自适应阈值函数，并利用该阈值函数对TQWT的高频系数进行阈值去噪处理；最后，结合去噪后的高频小波系数和低频小波系数对信号进行重构，得到去噪后的轴承振动信号。通过仿真故障信号，模拟故障实验信号和实测故障信号分别进行了去噪实验分析。实验结果表明，经典的软阈值函数和硬阈值函数相比，本文方法能获得更好的去噪效果，在降低噪声干扰的同时有效保留了轴承的故障特征信息，去噪后信号的包络谱可以清晰的呈现故障的频谱特征，可观察到故障特征的多倍频峰值，且峰值附近干扰很少，有效提高了轴承早期故障的诊断精度。在仿真信号实验中，与软阈值、硬阈值函数相比，本文方法去噪后具有更高的信噪比(SNR， Signal-to-noise Ratio )和更低的均方根误差(RMSE, Root Mean Square Error)，与硬阈值函数相比，本文方法的SNR平均增加了4.1491，RMSE平均下降了0.1329； 与软阈值函数相比，本文方法的SNR平均增加了5.1118，RMSE平均下降了0.1505。

关键词：品质可调小波;小波阈值去噪;自适应阈值函数;低速滚动轴承;包络谱分析

基金资助：国家自然科学基金资助项目（51877161）