设没计与研究
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-HHTMethod
XIONG Xing, KONG Fan rang, ZHANG Hai bin, LI Chang lin, ZHU Pi liang
(Department of Precision Machinery and Precision Instrumentation, University of Science and Technology of China
Hefei 230027,China)
摘要：在分析小波包分解（WPD)和Hilbert一 Huang变换（HHT）的基础上，通过将WPD和 HHT相结合，引进了一种故障诊断方法（WPD-HHT)。仿真和实验表明，此方法能有效提取周期性脉冲成分并抑制噪声。
关键词：小波包分解；Hilbert-Huang变换；滚动轴承；故障诊断
中图分类号：TH165.3；TN911.7 文献标识码：A
文章编号：10012257(2014)01-0008-04
Abstract:In this article,based on the theoreti-cal foundation of Wavelet Packets Decomposition(WPD) and Hilbert - huang Transform(HHT),it is proposed a new method combined with WPD and HHT. The performance of the proposed method was validated by detecting simulation and experi-mental signals. The results showed that the pro posed method is effective for extracting periodic impulses and suppressing noise of vibration sig nals.
Key words: wavelet packets decomposition; Hilbert - Huang transform; rolling element bear
ing;fault diagnosis 0引言
机械设备中大部分为旋转性机械，在动力、电力、化工、冶金及机械制造等重要工程领域，都占据着重要的地位，探讨和研究旋转机械的故障诊断技术显得尤为重要。轴承是旋转机械中使用最为广收辆日期：2013-08-01
基金项目：国家自然科学基金资助项目（51075379）
.8.
泛且最易损坏的机械零件之-[]，对轴承进行必要和有效的故障诊断已成为保障机械系统正常运行，提高设备工作效率的重要手段。
滚动轴承故障诊断包括3个环节：一是诊断信息的获取，二是特征向量的提取，三是状态的识别。特征向量提取的过程就是信号处理的过程。由于环境的复杂性和主轴系统所采用滚动轴承的多样性，很难直接从原始的信号来评估机器的状态。几十年来，学者们相继发展了许多适合于非平稳信号的处理方法，但是效果都不理想。Fourier变换缺乏时间和频率定位功能，在分辨率上和对非平稳信号分析上有很大的局限性。小波变换也具有自身不可避免的缺陷：干扰项的存在、边缘失真以及能量的泄漏。经验模态分解(EMD)方法是自适应的信号处理方法，非常适用于非线性和非平稳的过程，具有很高的信噪比，但是也存在自身的缺陷，
基本理论 1
1.1Hilbert-Huang变换
HuangNE等人提出了Hilbert-Huang变换，用来分析非线性和非平稳信号[4-5]。HHT最基本的功能是利用经验模态分解自适应的筛选过程，将一个复杂的信号分解为若干固有模态函数(IMF) 和余项。固有模态函数需满足2个条件[4.]：整个数据段内，极值点的个数和过零点的个数必须相等或相差最多不能超过一个；在任意时刻，由局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值为零，即上、下包络线相对于时间轴局部对称。
虽然HHT已成为一种分析非线性非平稳信号的较为理想的工具，但和其他信号分析方法一样，也存在自身的缺陷。首先，通过EMD筛选过程得到
《机械与电子》2014(1)