基于Hermitian的小波包络谱的滚动轴承故障的识别诊断及分析中国机械工程第23卷第1期2012年1月上半月 2.1轴承内圈的故障诊断 4000 图2所示为轴承内圈存在局部故障的时域振 3000 邇2000 动信号。图3所示为采用传统方法计算得到的振 1000 动信号的包络谱,由于受背景噪声的影响和带通 滤波、带宽选择的限制,滚动轴承的内圈故障特征 频率f在图3中没用得到明显体现 10时 2004006008001000 频率f/Hz 图5轴承内圈故障的多尺度包络谱 20 4000 -10 3

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。

针对滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包和经验模态分解(Empirical Mode Decomposition,简称EMD)的滚动轴承故障诊断方法。该方法用小波包对振动信号进行预处理,用Hilbert变换求重构信号的包络,采用EMD方法将包络信号分解为若干个IMF分量,让故障信息得到凸显,然后根据某个分量的频谱,判断滚动轴承的故障类型。实验结果表明,比传统的时频分析方法,该方法能够更有效地提取轴承故障特征,诊断轴承故障。

针对提取的滚动轴承故障振动信号中包含大量噪声,采用频域分离的方法,从故障轴承振动信号中分离出纯故障信号,通过对纯故障信号进行小波包分解和重构,对重构后的小波包系数进行Hilbert包络解调并求取解调后信号的功率谱,从而从功率谱中识别出滚动轴承的故障特征频率,达到滚动轴承故障诊断的目的,并结合实验数据对该方法进行验证,结果证明了该方法的有效性。

基于小波的振动信号包络提取方法