基于改进小波阈值降噪的滚动轴承故障诊断方法

曹玲玲　李晶　 彭镇　张银飞　韩文冬　 符寒光

摘要： 针对滚动轴承早期故障信号存在大量噪声使得提取故障特征困难的问题，提出了一种基于新改进小波阈值的降噪方法。该方法是通过采用互补集合经验模态分解（CEEMD）方法将原始故障信号进行分解，得出各阶本征模态函数（IMF）分量;选取关键的IMF分量进行重构信号，将重构信号经过新改进小波阈值算法和快速谱峭度进行滤波降噪;进行Hilbert包络解调，得出滚动轴承的故障特征频率。分别用仿真噪声信号和滚动轴承的实验信号对该方法进行验证，并将新改进小波阈值算法与传统的小波硬阈值和小波软阈值算法进行比较分析，结果表明该方法可以有效提高故障信号的信噪比，降噪效果明显，能有效获得滚动轴承的故障特征频率。

关键词： 故障诊断; 滚动轴承; CEEMD; 改进小波阈值降噪; 快速谱峭度

中图分类号： TH165.3; TH133.33    文献标志码： A    文章编号： 1004-4523（2022）02-0454-10

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

引 言

滚动轴承是现代工业机械的重要部件，其健康程度影响机械设备的工作状态及质量。在滚动轴承运行过程中，多种因素会造成其损伤或失效，导致故障的发生，一旦发生故障会造成严重的安全隐患。而在滚动轴承发生故障的早期，信号的采集存在大量的噪声干扰，使得故障特征提取困难，不能尽早地发现故障，因此滚动轴承早期故障信号的降噪问题是故障诊断的关键。

目前，对轴承信号的降噪方法研究很多。HUANG等提出了经验模态分解（EMD）算法的降噪方法，即将振动故障信号分解成各阶的IMF分量，再从中提取振动信号中的故障特征，但在含有大量噪声的背景下，使用EMD算法提取的效果会受到严重影响，即存在模态混叠和末端效应等问题，导致提取的故障特征不明显、误差大或失真等问题。为解决EMD分解的问题， Yeh等提出了互补集合经验模态分解（CEEMD）降噪方法，即采用添加成对的正负白噪声的形式，很好地消除剩余辅助噪声、模态混叠和末端效应的问题。虽然CEEMD能解决EMD存在的问题，但想要在强噪声的背景下提取出退化初期时振动信号的微弱特征还有很大不足。因此，还需要对CEEMD分解之后的信号进行进一步的降噪处理。

小波阈值降噪的方法是由DONOHO等提出的，其中包括硬阈值去噪法和软阈值去噪法，该方法计算量小，应用广泛。但该方法本身存在缺陷，小波硬阈值函数不连续，降噪后可能会产生振荡。小波软阈值虽然具有较好的连续性，但处理后的小波系数和真实小波系数存在偏差，重构信号时误差增大，精度下降。因此，选择一个合适的小波阈值函数尤为重要。周西峰等提出一种渐进半软阈值函数方法，解决了硬阈值函数中的间断点问题，但没有解决软阈值函数的缺点，经过其方法降噪后的振动信号仍存在偏差。陈涛等在對背景噪声中的轴承信号去噪时采用SVD归一化强度软阈值降噪的方法，降噪效果显著，但降噪后的故障特征不够明显，存在其他谱峰的干扰，对于早期微弱故障信号的提取比较困难。因此，本文提出一种新的改进小波阈值函数，具有连续性，而且灵活性较好，能保留信号中有效的信号特征，解决了硬阈值和软阈值的缺点。

将降噪后的信号结合快速谱峭度和带通滤波进行Hilbert的故障特征提取。在已有的研究中已验证其有效性。田晶等采用Birge‑Massart阈值与EEMD和快速谱峭度相结合的方法对滚动轴承进行降噪，较好地提取轴承故障特征频率。李宏坤等将粒子滤波算法和快速谱峭度相结合进行故障分析，降噪效果较好，但该方法对轴承内圈的边带频的提取效果不是很好。赵见龙等将共振稀疏分解与谱峭度图分析相结合，能够准确清晰判断出轴承故障的状态。

本文提出一种新的改进小波阈值函数在强噪声背景下提取出早期微弱故障信号特征的方法。早期故障信号的特点为故障信号弱，故障特征不明显，因此，在对早期故障信号进行降噪时，很难将微弱故障特征保留。本文将滚动轴承振动信号在退化初期时的信号定义为早期故障信号，通过进一步采用新改进的小波阈值进行降噪，再对降噪后的信号进行快速谱峭度和带通滤波，最后进行Hilbert包络计算，不仅降噪的效果明显，而且在降噪时能将微弱的故障信号保留，去除了其他干扰，能清晰地提取出早期微弱信号的故障特征。结果显示本文所提方法的降噪效果相比于传统小波阈值函数有明显提高，从Hilbert包络谱中也能清楚准确地提取出滚动轴承的故障特征频率，验证了所提方法的有效性。