第8期 2016年8月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2016)08-0115-03
D0I:10.13462/j. cnki. mmtamt.2016.08.032
基于IMF和预测滤波的轴承故障诊断方法
张丹”，崔善政”，隋文涛”，黄雪梅
（山东理工大学a.电气与电子工程学院；b.机械工程学院，山东淄博
255049）
No.8 Aug.2016
摘要：针对滚动轴承早期故障信息难以提取的问题，提出了基于固有模态函数（IMF）和线性预测滤波的诊断技术。首先，通过经验模态分解(EMD)把振动信号分解成一系列的固有模态函数。根据包络频谱相关信息提出了一种固有模态函数重构方法，将故障信息敏感的固有模态函数重构为一个新的信号。然后通过线性预测滤波加强重构后信号的冲击故障信息，最后利用信号的功率谱有效的展现了轴承的故障频率特性。通过实测滚动轴承信号对该方法进行了验证，结果表明该方法能准确的检测滚动轴承故障。
关键词：固有模态函数；预测滤波；包络分析；轴承故障检测
中图分类号：TH165*.3;TG65
文献标识码：A
Diagnosis Method forBearings Based on IMF and PredictionFiltering
ZHANG Dan',CUI Shan-zheng’,SUI Wen-tao",HUANG Xue-mei
(a. School of Electrical & Electronic Engineering;b. School of Mechanical Engineering, Shandong University of Technology，Zibo Shandong 255049,China)）
Abstract : A new technique is proposed in this work for fault detection in rolling element bearings, which is based on intrinsic mode function (IMF) and linear prediction filtering. Firstly, the vibration signal is de-composed into a group of IMFs using empirical mode decomposition (EMD). To get the IMFs sensitive to fault, a novel IMF reconstruction method is proposed based on correlation information of envelop spectra. Next, the reconstructed signal is post-processed by linear prediction filtering to enhance the impulsivity and fault information.Last,the power spectrum effectively demonstrates the bearing fault characteristic frequen-cies. The effectiveness of the proposed technique is verified by a series of experimental tests corresponding to differentbearing conditions.
Key words: intrinsic mode function;prediction filtering;envelope analysis;bearing fault detection
0引言
在旋转机械中滚动轴承是最重要的组成部分，轴承故障可能导致整部机器无法正常运行，甚至引起系列更严重的后果。因此，能够在初始阶段有效识别出轴承故障非常有意义。因为反映轴承工作状态的振动信号对故障敏感且容易采集，所以基于振动信号的分析方法经常被用来进行轴承状态监测和故障诊断【1-2]。
比较常用的分析技术包括时域指标法、常规频谱分析技术和现代信号处理方法，例如快速傅里叶变换 Wigner-Ville分布、小波变换和小波包变换等。经验模态分解（EMD)作为一种自适应信号处理方法，一经提出就受到机械故障诊断领域相关学者的广泛关注，并在滚动轴承故障特征提取上得到了成功应用[3-5]。滚
动轴承故障信号进行EMD分解，并对选取的固有模态函数IMF（intrinsicmodefunction）进行故障特征提取。
因为不是每个固有模态函数都包含丰富的故障信息，所以如何选择有效的固有模态函数一直是个困难。另外，经过EMD分解得到IMF后，还需要进一步信号处理以加强故障信息。
为了解决上述问题，本文提出了基于固有模态函数选择和线性预测滤波的轴承故障诊断方法。这个方法有以下两点创新：①基于包络频谱相关性的固有模态函数选择方法；②通过线性预测滤波增强固有模态
函数重构后信号的故障信息。 1
轴承故障检测的方法 1.1检测方法概述
本文提出的轴承故障检测方法包含以下步骤，如
收稿日期：201602-01；修回日期：201603-08
（900））国
作者简介：张丹（1977—），女，河北邯郸人，山东理工大学讲师，研究方向为信号处理，（E-mail)zhangdan_sdut@163.com。万方数据