相关熵的降噪机理及其在轴承故障诊断中的应用

李辉

(天津职业技术师范大学 机械工程学院，天津 300222)

机电设备故障产生的振动信号具有明显的非高斯和非线性等特征，相关分析、功率谱估计等基于信号二阶统计量的传统方法在处理这类信号时往往不能取得满意的效果[1-3]。基于信号高阶统计量的双谱、高阶谱分析则在非线性、非高斯信号处理方面有着独特优势，但高阶统计量(Higher Order Statistics，HOS)存在计算方法复杂且计算量大的缺点[4-5]。分数低阶统计量[6-9]( Fractional Lower Order Statistics，FLOS)尽管能在一定程度上消除非高斯噪声的影响，但却过度依赖被分析信号噪声Alpha值的先验知识，噪声抑制能力受到极大地限制。相关熵[10-13]是一种分析高斯噪声和非高斯噪声的高效方法，已成功应用于通信信号检测、雷达回波信号检测、波达方向估计、信号滤波和时延估计等领域，且取得了较好的分析效果[14-19]。虽然相关熵已成功应用于雷达、通信等技术领域，但在机电设备故障诊断领域的应用才刚刚起步，因此，将相关熵与其他信号处理方法相结合，开展基于相关熵技术的机电设备故障特征提取与诊断，具有很重要的理论创新和工程应用价值[20]。

近年来，基于振动信号分析的旋转机械故障诊断方法在信号降噪、故障特征提取等方面取得了较好的效果，其中的循环平稳分析和谱峭度方法由于其高效性和稳健性引起了研究者的瞩目[21-22]。但传统基于信号二阶统计量的循环平稳信号分析在处理强高斯噪声和非高斯噪声时会造成性能衰退，甚至失效。……