軸承早期故障特征提取方法研究

張猛， 苗長云， 孟德軍

(天津工業大學 電子與信息工程學院，天津 300380)

0 引言

滾動軸承是旋轉機械的關鍵部件，也是最易發生故障的部件，一旦發生故障將對旋轉機械造成損壞，甚至影響旋轉機械的正常運行。滾動軸承的早期故障信號常以微弱信號形式存在，其特征提取是軸承故障診斷的難點[1-4]。傳統包絡解調算法的關鍵是從頻率混雜的原始信號中將高頻調制的故障信號解調出來，算法實現簡便且準確率較高。袁杰[5]將包絡解調算法應用到柴油機故障檢測中，但無法有效解決濾波器參數選擇問題。劉文朋等[6]將經驗模態分解(Empirical Mode Decomposition，EMD)和譜峭度法相結合進行故障診斷，提高了信噪比，優化了帶通濾波器參數，但是EMD自身產生的模態混疊現象會影響故障診斷結果。上述故障診斷方法自適應強、簡單易用，但當原始信號摻雜非平穩噪聲時，產生的虛假分量會使特征頻率淹沒在背景噪聲中[7-8]。為此，本文使用快速譜峭度法設置濾波參數，將小波包分解和互補集合經驗模態分解(Complementary Ensemble Empirical Mode Decomposition，CEEMD)相結合進行滾動軸承早期故障特征提取。快速譜峭度法能夠篩選出含有滾動軸承故障特征的有用信息，并清晰地指出瞬態分量所在的頻段，為帶通濾波器的參數設計提供理論根據。小波包分解可在全頻段對信號進行多層次的頻帶分解。CEEMD一方面能夠解決模態混疊問題，另一方面也能有效減小白噪聲殘留帶來的重構誤差影響。

1 軸承早期故障診斷基本原理

1.1 譜峭度分析

譜峭度是一種用來檢測信號中是否有非高斯成分的頻域統計指標。……