Page 111 - 《振动工程学报》2025年第8期

第 8 期 郭俊超，等： 多尺度改进差分滤波的旋转机械故障特征提取研究 1751

加权组合而成，其通过基于 Teager 能量峭度的加权
系 数 与 不 同 SE 尺 度 下 的 ACDIF 信 号 相 乘 得 到
ACDIF 滤波信号，如图 6 所示。从图 6 中只能找到故
障频率 f o，高次谐波无法识别且干扰谐波掺杂在低频
段。根据文献［24］，MGPO 是由两个梯度算子（MG
和 COOC）的乘积形成的，其通过基于特征能量因子
（FEF）的加权系数和不同 SE 尺度下的 MGPO 信号
相乘获取 MGPO 滤波信号，如图 7 所示。在图 7 中，
虽然可以识别到故障频率 f o 及其谐波，但仍存在一些
谐波干扰频率。因此，仿真分析结果表明在特征提
取方面 MIDIF 优于 ACDIF 和 MGPO 方法。

图 6 ACDIF 的处理结果
图 4 仿真信号 Fig. 6 Processing results of simulated signal by ACDIF
Fig. 4 Simulated signal

信号相关系数的差值，以去除通用信息来突出模拟信
号的故障分量。最后，将对不同尺度的故障相关系数
进 行 归 一 化 ，计 算 出 MIDIF 和 多 尺 度 差 分 滤 波 器
（MDIF）的加权系数，其结果如图 5 所示。从图 5（a） 图 7 MGPO 的处理结果
中可以清楚地看出故障频率 f o 及其谐波。相比之下， Fig. 7 Processing results of simulated signal by MGPO
图 5（b）中前 3 个故障特征频率可以被识别出来，但在
为了进一步证明 MIDIF 在强背景噪声下提取
低频段存在丰富的干扰频率。这意味着 MIDIF 方法
故障特征的性能，本研究利用故障缺陷指数来评估
能够比 MDIF 更有效地获取故障成分。 MIDIF 在不同 SNRs 下的性能。对于给定的故障缺
陷频率 f 0，故障缺陷指数 β 可以定义如下：
ì α( ) + α( ) + α( )
ï ï
2f 0
3f 0
f 0
ï β =
ï
ï ï 3
í （22）
ï ï A( f 0 )
ï ï α( ) = ) ) )
f 0
ï ï mean( A( f 0 - 10 ，A( f 0 + 10
î
式中 ， A( f 0 ) 表 示 故 障 缺 陷 频 率 的 包 络 谱 幅 值；
mean（⋅）表示平均值。
图 8 给 出 了 MIDIF、MDIF、ACDIF 和 MGPO
在 不 同 SNRs 下 的 故 障 缺 陷 指 数 。 可 以 发 现 ，
MIDIF 在不同 SNRs 下比其他 3 种算法具有更强的
图 5 仿真信号的处理结果
Fig. 5 Processing results of the simulated signal

3. 2 对比分析

为了证明 MIDIF 的优势，采用多尺度平均组合
［23］
差值形态滤波器（ACDIF） 和多尺度形态梯度乘积
图 8 四种算法在不同 SNRs 下的故障缺陷指数
［24］
滤波器（MGPO） 处理图 4（a）中呈现的仿真信号。 Fig. 8 Fault defect index of four algorithms under different
根据文献［23］，ACDIF 由两个基本级联算子的平均 SNRs