本发明涉及现代信号处理,尤其涉及一种基于相关熵和短时傅里叶变换的轴承故障诊断方法。
背景技术:
1、短时傅里叶变换-short time fourier transform,stft,是一种常用的时频信号处理方法,在旋转机械轴承、齿轮等零部件的故障诊断中得到了广泛的应用但当信号的信噪比较低或含有非高斯噪声时,传统stft信号处理方法的性能会衰退,甚至失效在实际工业场景中,从机电设备采集的振动信号常含有大量的高斯和非高斯噪声,传统短时傅里叶变换方法难以取得满意的诊断效果,所以现在亟需一种可以能有效抑制信号中的高斯噪声和非高斯噪声,具有自适应降噪性能,能突显轴承故障特征的故障诊断方法。
技术实现思路
1、根据以上技术问题,本发明提供一种基于相关熵和短时傅里叶变换的轴承故障诊断方法,本发明诊断方法如下:
2、步骤1,采集振动信号x(i),采样长度为n,信号x(i)是n×1的列向量,计算信号的核矩阵mx,mx(i,j)=κ[x(i),x(j)],κ(·)是核函数,e(·)是自然指数函数,σ是核长,i,j=1,2,3,…,n,mx是n×n的方阵。
3、步骤2,计算信号x(i)的相关熵vx(n),vx(n)是n×1的列向量。
4、步骤3,计算相关熵vx(n)的短时傅里叶变换sx(t,f),sx(t,f)=stft[vx(n)],stft(·)是短时傅里叶变换算子,t是时间,f是频率。
5、步骤4,画出短时傅里叶变换sx(t,f)图,由频谱尖峰可识别轴承故障特征。
6、本发明的有益效果为:
7、本发明提出的基于相关熵和短时傅里叶变换的轴承故障诊断方法,综合利用了相关熵和短时傅里叶变换的优点,由于传统短时傅里叶变换易受干扰噪声的影响,且轴承外圈故障特征频率与系统固有振动频率相互耦合,所以在噪声干扰下难以有效提取轴承外圈故障特征信息,本发明与传统传统短时傅里叶变换方法相比能有效抑制信号中的高斯噪声和非高斯噪声,具有自适应降噪性能,能突显轴承故障特征。
1.一种基于相关熵和短时傅里叶变换的轴承故障诊断方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于相关熵和短时傅里叶变换的轴承故障诊断方法,其特征在于所述步骤2中,vx(n)是n×1的列向量。