基于WPD—HHT的滚动轴承故障诊断.pdfVIP

基于WPD—HHT的滚动轴承故障诊断 熊 星，孔凡让 ，张海滨 ，李昌林，朱丕亮 (中国科学技术大学精密机械与精密仪器系，安徽 合肥 230027) RollingElementBearingFaultDiagnosisBasedonWPD—HHT M ethod XIONG Xing，KONG Fan—rang，ZHANG Hai—bin，LIChang—lin，ZHU Pi—liang (DepartmentofPrecisionMachineryandPrecisionInstrumentation，UniversityofScienceandTechnologyofChina， Hefei230027，China) 摘要：在分析小波包分解 (WPD)和 Hilbert— 泛且最易损坏 的机械零件之一_2]，对轴承进行必要 Huang变换 (HHT)的基础 上，通 过 将 WPD 和 和有效的故障诊断已成为保障机械系统正常运行， HHT相结合，引进 了一种故 障诊 断方法 (WPD— 提高设备工作效率的重要手段 。 HHT)。仿真和实验表 明，此方法能有效提取周期 滚动轴承故障诊断包括 3个环节 ：一是诊断信 性脉冲成分并抑制噪声。 息的获取 ，二是特征向量 的提取 ，三是状态 的识别。 关键词 ：小波包分解 ；Hilbert—Huang变换 ；滚 特征 向量提取的过程就是信号处理的过程 。由于环 动轴承；故障诊断 境的复杂性和主轴系统所采用滚动轴承的多样性 ， 中图分类号：TH165．3；TN911．7 很难直接从原始的信号来评估机器的状态。几十年 文献标识码：A 来，学者们相继发展了许多适合于非平稳信号的处 文章编号：1001—2257(2014)01—0008—04 理方法 ，但是效果都不理想_3]。Fourier变换缺乏时 Abstract：In thisarticle，basedonthetheoreti— 间和频率定位功能，在分辨率上和对非平稳信号分 calfoundation ofWaveletPacketsDecomposition 析上有很大的局限性。小波变换也具有 自身不可避 (WPD)andHilbert—huangTransform (HHT)，it 免的缺陷：干扰项 的存在 、边缘失真 以及能量 的泄 isproposedanew methodcombinedwithW PD and 漏 。经验模态分解 (EMD)方法是 自适应的信号处 H HT．Theperformanceoftheproposed method 理方法 ，非常适用于非线性和非平稳的过程 ，具有很 wasvalidatedbydetectingsimulationand experi— 高的信噪比，但是也存在 自身的缺陷。 mentalsignals．Theresults showed thatthepro— 1 基 本理论 posed method is effective forextracting periodic impulsesand suppressing noiseofvibration sig— 1．1 Hilbert—Huang变换 nals． HuangN E等人提 出了 Hilbert—Huang变 Key words：wavelet packets decomposition； 换，用来分析非线性和非平稳信号 ]。HHT最基 Hilbert—Huangtransform；rolling elementbear— 本的功能是利用经验模态分解 自适应的筛选过程 ， ing；faultdiagnosis 将一个复杂的信号分解为若干固有模态函数 (IMF)