基于FV-FBE的滾動軸承故障診斷研究

雷文平， 宋圣霖， 郝旺身， 陳 宏， 胡 鑫

(1.鄭州大學 機械與動力工程學院，河南 鄭州 450001； 2.鄭州恩普特科技股份有限公司，河南 鄭州 450001)

0 引言

滾動軸承故障占旋轉機械故障的大約30%，主要采用頻譜分析來進行故障識別，提取故障特征的質量決定了評估方法的有效性[1-2]。包絡分析是滾動軸承檢測中的一項重要技術，能夠從強背景噪聲中有效提取故障頻率。

滾動軸承故障結構件的缺陷在載荷作用下會引起高頻共振(10 kHz以上)，包絡分析可以從其他結構件的振動中提取故障信息。文獻[3]提出了粒子群算法選取帶通濾波器，提升了包絡分析性能，診斷了滾動軸承的內圈、外圈以及滾動體故障；Klausen等[4]提出了多窄帶的滾動軸承的包絡分析方法，和多種確定窄帶的方法進行比較，有效地自動檢測出滾動軸承故障；文獻[5]提出使用經驗小波變換分解信號，改進了閾值函數對噪聲占比大的模態進行降噪，使用峭度和包絡譜進行故障識別；文獻[6]提出了使用Hilbert包絡和零階諧振器的算法，和Hilbert-Huang變換進行了比較，有效地診斷了軸承的早期故障。

譜峭度(spectrum kurtosis，SK)是由Dwyer提出的，Antoni將其應用到了故障診斷中，譜峭度可以自適應地選擇帶通濾波器，有利于提取滾動軸承的故障信息。陳東毅等[7]研究了改進經驗模態分解在軸承的應用，并結合譜峭度，有效提取了步態信號的特征頻率；田晶等[8]研究了Birge-Massart閾值降噪和集合經驗模態分解(ensemble empirical mode decomposition，EEMD)譜峭度，提高了故障的信噪比，提取了滾動軸承的內圈、外圈故障特征；……