[發明專利]一種聲學差動智能軸承變尺度自適應去噪方法及聲學智能軸承

在審

• 申請號: 202111130543.1
• 申請日: 2021-09-26
• 公開（公告）號: CN113887369A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 丁曉喜;劉銳;劉勝蘭;李玉蘭;譚華平;黃文彬;邵毅敏
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;H03H21/00
• 代理公司: 重慶雙馬智翔專利代理事務所(普通合伙) 50241
• 代理人: 顧曉玲

本發明提出了一種聲學差動智能軸承變尺度自適應去噪方法及聲學智能軸承。該方法為于軸承外圈端面采集期望聲音信號，于軸箱蓋上采集參考聲音信號；對期望聲音信號進行自適應變分模態分解，確定最優分解層數和帶寬懲罰系數；計算最優模態中心頻率并以此設計維納濾波器組，采用維納濾波器組對期望聲音信號和參考聲音信號進行分解得到多個分解子信號對；利用參考聲音信號的子信號濾除期望聲音信號子信號的帶內噪聲，輸出所有去噪模態為最終的模態，將所有去噪模態求和得到重構的降噪信號。該方法適應性強，能有效去除采集的軸承的聲音信號中的噪聲，特別適用于提高列車軸承軌邊聲學信號的信噪比。

技術領域

本發明涉及機械部件監測和故障診斷技術領域，具體涉及一種聲學差動智能軸承變尺度自適應去噪方法及聲學智能軸承。

背景技術

軸承是旋轉器械的關鍵部分，支撐其重量和高速旋轉。由于長期處于重載、交變應力、復雜環境的惡劣工況下，軸承結構極易產生變形和損耗，進而導致設備失效停車，甚至引發經濟損失和人員傷亡。因而，對軸承的健康狀態進行監測及診斷對維護設備正常運行有重大意義，具有極大的經濟效益和社會效益。當前設備智能化是實現工業現代化的重要途徑，引起了各個國家的高度重視，具有自感知、自決策及自調控功能的軸承單元——智能軸承逐步成為研究熱點。

現階段智能軸承多采用集成轉速、溫度及振動傳感器的方法感知軸承運行狀態，忽略了聲音這一信息源的利用。事實上，聲信號包含著豐富的軸承狀態信息，且相對于溫度和振動信號有著早期預警和靈敏度高的獨到優勢，在列車軌邊聲學檢測中得到了廣泛應用。然而，由于軌邊系統中輪軌結構復雜以及背景噪聲等因素的干擾，麥克風采集到的聲信號中噪聲往往在全頻帶內表現為多尺度特征。除此之外，聲源混疊、信號畸變、信噪比低等諸多難題，進一步限制了軌邊系統的實際應用。

面向智能軸承狀態信息智能化診斷及實時處理需求，通過對軸承狀態信號自適應處理實現軸承狀態自診斷、自學習是軸承智能化的一個重要需求。其中最小均方(LMS)算法是一種常用的自適應濾波技術，其原理通過利用期望信號同參考信號的誤差最小化，實現期望信號中關鍵數據的挖掘與自學習，實現復雜噪聲下微弱信號的增強。自適應濾波可以利用前一時刻已得的濾波器參數的結果，自動調節當前時刻的濾波參數，以適應信號和噪聲未知的或隨時間變化的統計特性，從而實現最優濾波。但是，當面臨非平穩、多尺度噪聲和低信噪比時，LMS算法并不能完全濾除。

特別地，變分模態分解(VMD)能自適應地感知和挖掘信號中的敏感模態，將寬帶噪聲分解至多個模態尺度之內，降低噪聲的非平穩性。但是，VMD嚴重依靠預定義參數，參數給定不合理將導致關鍵故障信息的丟失與冗余噪聲的引入，不利于微弱故障的精確感知與智能診斷。

發明內容

為了克服上述現有技術中存在的缺陷，本發明的目的是提供一種聲學差動智能軸承變尺度自適應去噪方法及聲學智能軸承。

為了實現本發明的上述目的，本發明提供了一種聲學差動智能軸承變尺度自適應去噪方法，于軸承外圈端面采集期望聲音信號x₁(n)，于軸箱蓋上采集參考聲音信號x₂(n)；

對期望聲音信號x₁(n)進行自適應變分模態分解，確定最優分解層數k_opt和帶寬懲罰系數α_opt；

根據得到的最優分解層數k_opt與帶寬懲罰系數α_opt計算最優模態中心頻率并以此設計維納濾波器組，采用維納濾波器組對期望聲音信號x₁(n)和參考聲音信號x₂(n)進行分解得到多個分解子信號對；

利用參考聲音信號x₂(n)的子信號濾除期望聲音信號x₁(n)子信號的帶內噪聲，輸出所有去噪模態為最終的模態，將所有去噪模態求和得到重構的降噪信號。