本发明涉及轴承故障诊断，尤其是涉及一种基于改进经验小波变换和包络谱能量比的故障诊断方法。
背景技术：
1、现代工业的发展导致机械设备的复杂性增加，任何部件的故障都可能导致严重事故，产生巨大经济损失甚至造成人员伤害。尤其是滚动轴承在机械设备中应用广泛，包括风力发电机、铁路轴、涡轮机械等。它们的健康状况对旋转机械的正常运转有着重大的影响。在恶劣的运行条件，如连续长时间的工作和来自旋转部件的重载荷，往往会使轴承发生故障。因此对轴承进行故障诊断具有重要意义。由于旋转机械在运行过程中可以方便地采集振动信号，实时反映其运行状况，因此基于振动的故障诊断方法已经成为旋转机械故障诊断领域的主流。故障旋转机械的共振信号通常包含多种成分，如故障信号、高斯噪声、附加谐波、非高斯噪声等。因此，如何从复杂信号中准确提取到故障信号成为了基于振动故障检测方法的一个重点也是难点。
2、经验小波变换理论是gilles于2013年提出的非平稳信号处理方法，它融合了emd方法的自适应分解理念和小波变换理论的紧支撑框架，为信号处理提供了一种全新的自适应时频分析思路。ewt是一种自适应的信号分析方法，通过对信号的fourier频谱划分，构建一组正交滤波器组，将信号分解成具有紧支撑频谱的调幅-调频单分量成分。但该方法需要已知频带数，因此不是一种全盲划分方法，且频带划分过于集中，可能造成模态混叠。
技术实现思路
1、本发明的目的是提供一种基于改进经验小波变换和包络谱能量比的故障诊断方法，解决了经验小波变换在频带划分时易过分解和欠分解的问题；以及通过定义鲁棒性更强的包络谱能量比指标选择敏感分量解决了非高斯噪声干扰下故障特征提取困难的问题；从而提高了滚动轴承故障的诊断精度。
2、为实现上述目的，本发明提供了一种基于改进经验小波变换和包络谱能量比的故障诊断方法，包括以下步骤：
3、s1、采集故障振动信号，对故障振动信号进行傅里叶变换后得到频谱；
4、s2、将频谱与高斯核函数卷积得到尺度谱，通过局部极小值点确定频带的初始划分边界；
5、s3、针对过分解、欠分解以及频带划分粗糙问题，利用尺度谱峭度对初始划分边界进行调整得到最终的频谱划分边界；
6、s4、根据最终的频谱划分边界构建小波滤波器组，将故障振动信号分解成模态分量；
7、s5、计算模态分量的eser，选最大的eser所对应的模态分量作为敏感分量；
8、s6、将得到的敏感分量利用稀疏编码收缩算法降噪处理，增强故障特征，选取最大的mesk对应的阈值作为自适应稀疏编码收缩算法的最佳阈值；
9、s7、对降噪后的敏感信号进行包络分析，从包络谱中提取故障特征频率并判别其故障类型。
10、优选的，步骤s2中，将频谱与高斯核函数卷积得到尺度谱，通过局部极小值点确定频带的初始划分边界，具体操作为：
11、计算离散信号的频谱，将频谱和高斯核函数进行卷积运算，得到频谱的尺度谱，尺度谱表示：
12、；
13、其中，； f为频率；为高斯核函数；为卷积运算时的求和变量；为卷积运算时换元后的高斯核函数；为卷积运算时换元后的频谱；，为尺度参数；尺度参数；为故障特征频率；
14、搜寻尺度谱中的局部极大值点，在所有的局部极大值中再挑选局部极小值点作为频谱的初始划分边界。
15、优选的，步骤s3中，针对过分解、欠分解以及频带划分粗糙问题，利用尺度谱峭度对初始划分边界进行调整得到最终的频谱划分边界，具体操作为：
16、（1）去除无用的频带分界点，对尺度谱峭度小于阈值t的频带进行分析；当被分析频带的左侧和右侧频带峭度均大于阈值t时，无需操作；当被分析频带的左侧和右侧频带峭度均小于阈值t时，则将左右两侧分界点全部去除；当被分析频带的左侧频带峭度小于阈值t，右侧频带峭度大于阈值t时，将左侧分界点去除；当被分析频带的左侧频带峭度大于阈值t，右侧频带峭度小于阈值t时，将右侧分界点去除；阈值t的取值范围为1.5~3；
17、（2）对去除无用频带分界点后的频谱插入新的频带分界点，此时对尺度谱峭度大于阈值t1的频带进行分析；当被分析频带的左侧和右侧频带峭度均小于阈值t1时，无需操作；当被分析频带的左侧和右侧频带峭度均大于阈值t1时，在左侧和右侧分界点后均插值；当被分析频带的左侧频带峭度大于阈值t1，右侧频带峭度小于阈值t1时，在左侧分界点后插值；当被分析频带的左侧频带峭度小于阈值t1，右侧峭度大于阈值t1时，在右侧分界点后插值；阈值t1的取值范围为2~3；
18、（3）对插值后的频谱进行边界调整，对尺度谱峭度大于阈值t1的频带进行分析；首先确定被分析频带对应尺度谱幅值最大点的频率值，利用被分析频带的左侧边界点、右侧边界点以及尺度谱幅值最大点对应的频率值完成边界调整，记左侧边界点、右侧边界点以及尺度谱幅值最大点的频率依次为：、、；记左侧差值为，右侧差值为；当时，选择左侧差值作为基准值，将右侧分界点更新为；当时，选择右侧差值作为基准值，此时将左侧分界点更新为；
19、（4）调整频带分界点后，去除带宽小于100hz的频带。
20、优选的，步骤s5中，计算模态分量的eser，选最大的eser所对应的模态分量作为敏感分量，eser的计算公式如下：
21、；
22、其中，表示滤波子信号的包络谱曲线；表示包络谱中故障特征频率的倍频数；，分别表示在以故障特征频率的倍频为中心频率频带的下限与上限截止频率；表示被分析信号的样本长度；表示包络谱的第个窄频带； n为整数序列，取 n=1,2,3,…, n/2。
23、优选的，步骤s6中，选取最大的mesk对应的阈值作为自适应稀疏编码收缩算法的最佳阈值，mesk计算公式如下：
24、
25、其中，表示求包络谱峭度；表示经分解，筛选后得到的敏感分量；表示敏感分量经稀疏编码收缩后的信号。
26、因此，本发明采用上述基于改进经验小波变换和包络谱能量比的故障诊断方法，其技术效果如下：
27、（1）利用改进经验小波变换对频带进行自适应分解，使其对振动信号的不同模态分量划分更加精确，解决了经验小波变换在频带划分时易过分解和欠分解的问题。
28、（2）提出包络谱能量比作为指标筛选最优解调频带，在故障信号中同时存在强脉冲干扰和循环平稳干扰时，仍能保持较高的诊断精度。
29、（3）为进一步凸显敏感分量中的故障信息，使用自适应稀疏编码收缩算法对敏感分量进行降噪处理，最后可从包络谱中提取到清晰的故障特征频率从而判断故障类型。
30、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种基于改进经验小波变换和包络谱能量比的故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进经验小波变换和包络谱能量比的故障诊断方法，其特征在于，步骤s2中，将频谱与高斯核函数卷积得到尺度谱，通过局部极小值点确定频带的初始划分边界，具体操作为：
3.根据权利要求2所述的一种基于改进经验小波变换和包络谱能量比的故障诊断方法，其特征在于，步骤s3中，针对过分解、欠分解以及频带划分粗糙问题，利用尺度谱峭度对初始划分边界进行调整得到最终的频谱划分边界，具体操作为：
4.根据权利要求3所述的一种基于改进经验小波变换和包络谱能量比的故障诊断方法，其特征在于，步骤s5中，计算模态分量的eser，选最大的eser所对应的模态分量作为敏感分量，eser的计算公式如下：
5.根据权利要求4所述的一种基于改进经验小波变换和包络谱能量比的故障诊断方法，其特征在于，步骤s6中，选取最大的mesk对应的阈值作为自适应稀疏编码收缩算法的最佳阈值，mesk计算公式如下：
