ISSN1000 3762 CN41 1148/TH
轴承2016年8期 Bearing 2016, No. 8
变分模态分解在轴承故障诊断中的应用
岳应娟，孙钢，蔡艳平，刘长江，张世雄
（第二炮兵工程学院，西安710025）
50 54,65
摘要：通过构造仿真信号，对比分析了VMD与EMD算法在分解过程中存在的模态混叠、伪分量、端点效应等问题，并将VMD算法与谱度相结合用于滚动轴承故障信号的分解与重构，通过包络谱分析进行故障判别，结果
号的包络谱特征，
关键词：滚动轴承；故障诊断；变分模态分解；谱靖度：模态混叠；伪分量
中图分类号：TH133.33;TN911.72
文献标志码：B
文章编号：10003762(2016)08005005
Application ofVariationalModeDecompositioninFaultDiagnosisfor
Bearings
YueYingjuan,Sun Gang,Cai Yanping,Liu Changjiang,Zhang Shixiong
( The Second Artillery Engineering Institute, Xi'an 710025 , China)
Abstract : The VMD and EMD algorithms are comparatively analyzed in mode mixing, pseudo components, end effect and other problems during decomposition process by constructing simulation signals. The VMD algorithm and spectral kurtosis is combined for decomposition and reconstruction of fault signals for rolling bearings, the fault is identified through envelope spectrum analysis. The results show that the VMD algorithm can achieve adaptive subdivision of each component in frequency domain of signals, which has a better decomposition performance than EMD algorithm. The en-velope spectrum characteristics of fault signals are well described.
Key words : rolling bearing; fault diagnosis; VMD; spectral kurtosis; mode mixing; pseudo component
轴承振动信号具有非线性、非平稳的特性，传统的信号分析方法难以处理，经验模态分解（Em-pirical Mode Decomposition,EMD）[1-5]能够较好地处理此类信号，但也存在端点效应、包络拟合及模态混叠等向题【6-9，仍需进一步优化。
变分模态分解（VariationalModeDecomposi-tion，VMD）[10]是一种新的自适应信号处理方法，其本质上是多个自适应维纳滤波组，有着良好的噪声鲁棒性。VMD可实现信号频域内各个分量的
收稿日期：2016-03-04；修回日期：2016-0323
基金项目：国家自然科学基金项目（51405498）；陕西省自然科学基金项目（2013JQ8023）
作者简介：岳应娟（1973一），女，教授，研究方向为压力容器检测和机械工程制图，E-mail：yingjuanyue@163.com；孙钢（1989一），男，硕士研究生，主要研究方向为机电设备状态检测及故障诊断，Email;282400357@q-com。
自适应剖分，有效克服EMD算法分解过程中的模态混叠及伪分量等不足，比EMD有更强的噪声鲁棒性及较小的端点效应。因此，尝试将VMD与谱峭度相结合，用于轴承故障信号的诊断。
变分模态分解算法
1
VMD通过选代搜寻变分模型的最优解来确定每个本征模态分量（Intrinsic Mode Function，IMF）的中心频率和带宽，实现信号频域和各个IMF的自适应剖分，是一种完全非递归的信号分解方法。
信号经过VMD处理被分解成一系列IMF，每个IMF都可以表示为一个调幅-调题u（t)信号，表达式为
u(t) =A,(t) cos(()),
(1)
式中：4,（)为u（t)的瞬时幅值,4,（）≥0;,（）为u（)的瞬时频率，（）=中（)且,（t）≥0。