基于小波变换和Hilbert-Huang变换的滚动轴承振动信号分析与故障诊断

• 作 者: 苏艳华
• 机 构: 江苏大学
• 出 处: 江苏大学
• 发表日期: 2013年期
• 关键词: 滚动轴承 故障诊断 小波变换 Hilbert-Huang变换 经验模式分解 信号分析 旋转机械

滚动轴承是旋转机械中应用广泛，同时也是易损零件之一，它的运行状态的好坏直接关系到整个机械设备的状态。通过对滚动轴承进行状态监测及故障诊断，能及时发现故障、有效保护财产及人身安全，因此，对设备状态监测与故障诊断技术的研究具有很重要的现实意义。　　
本课题以油田钻井设备中绞车及传动机组的滚动轴承故障诊断为研究背景，由于实际上大型绞车及传动机组的滚动轴承振动信号往往由于机器体积庞大、背景噪声及环境问题等各种因素不易测得的原因，而采用滚动轴承模拟实验平台进行试验，模拟滚动轴承故障产生形式产生故障信号，采集了轴承正常、内圈故障、外圈故障三种工况的振动信号。机械设备的滚动轴承振动信号具有非线性、非平稳特征，在实际分析中很难建立数学模型的特点，而传统的信号处理方法以信号的平稳性为前提，只能从时域或频域中反应信号的特征，无法同时兼顾信号在时域和频域的局部化特征和全貌;小波变换具有很好的时频局部化特征，是处理非平稳信号的有力工具;Hilbert-Huang变换是一种优秀的时频信号分析方法，尤其适合于非线性、非平稳的信号序列处理，基于上述的原因，本文提出了一种基于小波变换和Hilbert-Huang变换的滚动轴信号分析与故障诊断的方法。借助于MATLAN工具，首先，对采集的滚动轴承振动信号进行小波消噪预处理，较好地消除了背景噪声对滚动轴承振动信号的干扰，提高了信噪比。然后，采用小波频带能量故障特征提取和小波包分解故障特征提取方法，分别对滚动轴承内、外圈故障信号进行处理，正确地提取故障特征，判别出故障的类型。最后，又采用了小波包分解与Hilbert-Huang变换相结合方法对滚动轴承内圈振动信号进行处理，通过边际谱提取故障特征信号，正确判别故障所在位置。Hilbert-Huang变换的核心是EMD分解，它依据数据自身的时间尺度特征来进行信号分解，无须预先设定基函数，这一点与依赖于基函数的小波变换相比具有自适应性而被广泛应用于故障诊断中。