第5期
刘继承等.基于形态滤波和HHT的滚动轴承故障特征提取
刘继承聂品磊杨宏宇宋剑白杨文涛（东北石油大学电气信息工程学院，黑龙江大庆163318）
摘要应用形态滤波和HHT提取滚动轴承振动信号故障特征。通过形态组合滤波对信号进行预处理，对预处理后的信号进行EMD分解，把信号分解为若千个IMF的和，之后计算IMF的希尔伯特能量谱，提取振动信号的故障特征频率。本算法能够较准确地提取出滚动轴承振动信号的故障特征频率，为滚动轴承振动检测与故障诊断研究提供参考。
关键词故障诊断形态滤波EMDIMF滚动轴承希尔伯特能量谱
中图分类号TH165*.3
文献标识码
A
旋转机械广泛应用于许多重要工程领域，如电力、化工、冶金及机械制造等。而在此类领域中旋转机械设备往往是关键设备，其运行状态的好坏直接或间接地影响着国民经济生产。滚动轴承是旋转机械中极为重要的部件，如果能够对其工作时产生的振动信号加以处理，并从中提取出其敬障参数、发现其潜在敌障，必将降低此类机械的检修率、提高其运行效率、保证其工作稳定性，进而为国民经济生产做出贡献。而能否准确地从复杂的振动信号中提取出故障参数就成广至关重要的问题。实际上，当滚动轴承有故障发生时，其振动信号各频带的能量将发生变化，因为丰富的故障信息必将蕴含在各频带信号的能量中1。
目前，提取振动信号故障特征的主要技术方
法有：小波变换（WT）、现代谱分析、主元分析（PCA）种立分量分析（CA），高阶统计量分析和被弓入旋转机械故障诊断领域的混沌与分形动力系统理论[2]。1998年,HuangNE等提出了HHT 方法，在该方法中，首先对信号进行经验模态分解（EMD），之后对内模函数（IMF）做Hilbert变换，以获得信号的瞬时频率等信号特征。对于非平稳、非线性信号，使用HHT方法提取其故障特征具有很大的优势，但如果信号中混有大量噪声，在 EMD分解时会产生模态裂解现象，使信号频谱中出现较多虚假频率。对此笔者使用形态滤波对障信号进行降噪处理，以减小EMD的模态裂解现
文堂编号1000-3932（2014)05-0529-05
529
象，提高故障特征提取的准确度。首先阐述了用于信号预处理的形态滤波算法、HHT算法的基本原理和滚动轴承故障频率的计算方法：之后采用美国凯斯西储大学（CaseWestermReserveUniver-sity，CWRU)滚动轴承数据中心提供的振动信号进行实验以验证本算法，并与故障信号的FFT谱进行对比。
1算法简介① 1.1形态滤波
用EMD方法分解混有噪声的信号时之所以产生模态裂解现象，其中一个很重要的原因是噪声严重于扰了极值点，以至于极值点在整个采样时间内分布不均匀。如果能够采用合理的降噪方法对信号进行降噪，必将有效地减小EMD分解时的模态裂解现象，提高故障特征提取的准确度。使用数学形态学方法对信号波形进行的研究完全在时域中进行，在处理过程中只有信号的局部特证起作用，波形在处理后不存在相移及幅值表减等问题：而且数学形态学只包含加、减法和取极值运算，不涉及乘、除法。与传统的降噪处理方法相比，数学形态学具有诸如计算简单、实用性好及时延较小等优点。在振动信号降噪处理方面，它是
收稿日期：2013-11-05（修改稿）
基金项目：黑龙江省长江学者后备支持计划资助项目（2012CJHB005）；黑龙江省教育厅科学技术研究项目(12531063)