基于频谱包络分割EWT的轴承故障特征提取方法

为了提高轴承在强干扰背景下的故障诊断精度,提出了一种基于频谱包络分割EWT算法的轴承故障特征提取方法。首先,针对传统EWT算法频段冗余分割导致的模态相似、信号失真等问题,基于三次B样条包络线极点进行了频段分割,有效提取了信号在不同频段的模态分量;然后,使用裕度因子分析了模态分量的敏感度,并分离出了高敏感模态分量,计算了高敏感模态分量的排列熵,组成了特征向量;最后,使用聚类法对频谱包络EWT特征、传统EWT特征、小波信息熵特征进行了分析,其中频谱包络EWT特征不存在类间交叉现象,且类内聚集度较高;将上述3种故障特征输入到支持向量机中进行了模式识别实验。研究结果表明:小波信息熵特征的诊断准确率为93.75%,经典EWT特征的诊断准确率为87.50%,频谱包络EWT特征的诊断准确率为98.75%;这表明频谱包络EWT特征的质量最好,能够在强干扰背景下有效提高轴承的诊断准确率。