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)



基于IMF和预测滤波的轴承故障诊断方法*

张丹a，崔善政b，隋文涛b，黄雪梅b

(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)

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。

固有模态函数；预测滤波；包络分析；轴承故障检测

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，甚至引起一系列更严重的后果。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]。……