基于形态滤波和稀疏分量分析的滚动轴承故障盲分离.pdfVIP

振　动　与　冲　击 第３０卷第１２期 ＪＯＵＲＮＡＬＯＦＶＩＢＲＡＴＩＯＮＡＮＤＳＨＯＣＫ Ｖｏｌ．３０Ｎｏ．１２２０１１　  基于形态滤波和稀疏分量分析的滚动轴承故障盲分离 李豫川，伍　星，迟毅林，刘　畅 （昆明理工大学 机电工程学院，昆明　６５００９３） 　　摘　要：为有效分离滚动轴承复合故障特征，提高故障诊断正确率，针对旋转机械调制故障信号非线性、强噪声干 扰以及故障源信号未知的问题，提出一种基于形态滤波（ＭｏｒｐｈｏｌｏｇｉｃａｌＦｉｌｔｅｒｉｎｇ，ＭＦ）和稀疏分量分析（ＳｐａｒｓｅＣｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＳＣＡ）相结合的故障诊断方法。该方法首先对观测信号进行形态滤波提取信号中重要调制特征并使信号满足稀 疏性要求，应用ＳＣＡ分离滤波后的观测信号。在完备及欠定条件下对故障轴承加速度信号进行实验验证，分析结果表明 该方法能够有效分离提取滚动轴承故障特征。 关键词：形态滤波；稀疏分量分析；故障诊断；滚动轴承 中图分类号：ＴＰ２０６．３　　　文献标识码：Ａ Ｂｌｉｎｄｓｅｐａｒａｔｉｏｎｆｏｒｒｏｌｌｉｎｇｂｅａｒｉｎｇｆａｕｌｔｓｂａｓｅｄｏｎｍｏｒｐｈｏｌｏｇｉｃａｌ ｆｉｌｔｅｒｉｎｇａｎｄｓｐａｒｓｅｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ ＬＩＹｕｃｈｕａｎ，ＷＵＸｉｎｇ，ＣＨＩＹｉｌｉｎ，ＬＩＵＣｈａｎｇ （ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌ＆ＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５００９３，Ｃｈｉｎａ） 　　Ａｂｓｔｒａｃｔ：　Ｉｎｏｒｄｅｒｔｏｓｅｐａｒａｔｅｃｏｍｐｏｕｎｄｆａｕｌｔｓｆｒｏｍｒｏｌｌｉｎｇｂｅａｒｉｎｇ，ａｎｄｉｍｐｒｏｖｅｄｉａｇｎｏｓｉｓａｃｃｕｒａｃｙ，ａｍｅｔｈｏｄ ｂａｓｅｄｏｎｍｏｒｐｈｏｌｏｇｉｃａｌｆｉｌｔｅｒｉｎｇ（ＭＦ）ａｎｄｓｐａｒｓｅｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＳＣＡ）ｗａｓｐｒｏｐｏｓｅｄｔｏｄｅａｌｗｉｔｈｔｈｅｂｌｉｎｄｓｏｕｒｃｅ ｓｅｐａｒａｔｉｏｎ（ＢＳＳ）ｐｒｏｂｌｅｍｏｆｒｏｔａｔｉｏｎｍａｃｈｉｎｅｓｉｎｃａｓｅｓｏｆｎｏｎｌｉｎｅａｒｓｉｇｎａｌｓ，ｎｏｉｓｙｓｏｕｒｃｅｍｉｘｉｎｇａｎｄｕｎｋｎｏｗｎｆａｉｌｕｒｅ ｓｏｕｒｃｅｓ．Ｔｈｅｍｏｒｐｈｏｌｏｇｉｃａｌｆｉｌｔｅｒｉｎｇｗａｓｕｓｅｄｔｏｅｘｔｒａｃｔｍｏｄｕｌａｔｉｏｎｆｅａｔｕｒｅｓｅｍｂｅｄｄｅｄｉｎｔｈｅｏｂｓｅｒｖｅｄｓｉｇｎａｌｓａｎｄｔｏ ｅｎｓｕｒｅｔｈｅｓｉｇｎａｌｓｔｏｍｅｅｔｔｈｅｒｅｑｕｉｒｅｍｅｎｔｏｆｓｐａｒｓｅｎｅｓｓ．Ｔｈｅｎ，ＳＣＡｗａｓｕｓｅｄｔｏｓｅｐａｒａｔｅｕｎｋｎｏｗｎｓｏｕｒｃｅｓｆｒｏｍｔｈｅ ｍｉｘｅｄｓｉｇｎａｌｓ．Ｉｎｏｖｅｒｃｏｍｐｌｅｔｅｄａｎｄｕｎｄｅｒｄｅｔｅｒｍｉｎｅｄｃｏｎｄｉｔｉｏｎｓ，ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｗａｓａｐｐｌｉｅｄｔｏａｎａｌｙｚｅｆａｕｌｔｙ ｒｏｌｌｉｎｇｂｅａｒｉｎｇａｃｃｅｌｅｒａｔｉｏｎｓｉｇｎａｌｓ．Ａｎａｌｙｓｉｓｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｉｓｍｅｔｈｏｄｃａｎｓｅｐａｒａｔｅａｎｄｅｘｔｒａｃｔｔｈｅｒｏｌｌｉｎｇｂｅａｒｉｎｇｓ ｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｓｅｆｆｉｃｉｅｎｔｌｙ． Ｋｅｙｗｏｒｄｓ：ｍｏｒｐｈｏｌｏｇｉｃａｌｆｉｌｔｅｒｉｎｇ（ＭＦ）；ｓｐａｒｓｅｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＳＣＡ）；ｆａｕｌｔｄｉａｇｎｏｓｉｓ；ｒｏｌｌｉｎｇｂｅａｒｉｎｇ 　　据统计，大约有３０％的机械故障都是由滚动轴承 分类。浙江大学的孙晖和朱善安以及郑州大学的吕亚 ［１］ ［６］ 引起的 ，滚动轴承的工作状态直接影响着整个设备 平和李志农等 采用基于ＥＭ