基于非抽样提升小波包及奇异值分解的液阀故障诊断

针对液阀故障微弱信号特征识别问题,提出一种结合非抽样提升小波包（Undecimated lifting scheme packet,ULSP）及奇异值分解（Singular value decomposition,SVD）的降噪方法。确定信号的分解层次及各层初始算子的长度后,通过拉格朗日插值公式算出初始算子,用非抽样算法对原始信号进行分解。对最后一层各频带信号进行奇异值分解降噪处理,根据奇异熵增量曲线确定降噪阶次。用非抽样提升小波包的重构算法对信号进行重构,最终获得降噪后的信号。对降噪后的信号再进行非抽样提升小波包分解,以提取故障特征。对仿真信号的降噪表明,所提方法降噪获得较高的信噪比及较低的均方差,且能保留信号中应有的高频成分。提出的方法成功提取某往复式注水泵排水阀弹簧失效的微弱故障特征。