唐贵基 王晓龙

摘要： 介绍了一种自适应信号分解新方法——变分模态分解（Variational mode decomposition，VMD），并且针对滚动轴承早期故障识别困难这一问题，提出了基于VMD的诊断方法。首先通过基于分数高斯噪声的数值模拟试验对VMD方法的等效滤波特性进行研究，验证了其类似于小波包分析的频域剖分特性，继而分析了惩罚因子及分量个数的设置对VMD方法滤波特性的影响。为了在轴承故障检测过程中，减少人为主观选择影响参数存在的弊端，提出了基于包络谱特征因子（Feature factor of envelope spectrum，EFF）的影响参数自动搜寻策略，最后通过仿真信号及试验信号对所述方法进行验证。分析结果表明：该方法能够有效提取轴承早期故障信号中的微弱特征信息，实现故障类型的准确判别。关键词： 故障诊断； 滚动轴承； 早期故障； 变分模态分解； 等效滤波特性

中图分类号： TH165+.3； TH133.31文献标志码： A文章编号： 10044523（2016）04063811

DOI：10.16385/j.cnki.issn.10044523.2016.04.011

引言

滚动轴承是旋转机械中广泛应用的关键零部件，其运行状态直接影响设备的整体性能、工作效率及使用寿命，如果能在轴承失效初期实现故障溯源并及时排除隐患，则无疑具有重要而深远的意义。实际工程应用中，轴承早期故障特征通常比较微弱，并且振动传输路径的衰减影响及背景噪声的干扰均会对特征信息的提取形成严重阻碍，因此，相比于中晚期故障而言，轴承早期故障识别更为困难[12]。

作为一种非线性、非平稳信号处理的强有力工具，经验模态分解（Empirical mode decomposition， EMD） [3]一经提出，就受到机械故障诊断领域相关学者的广泛关注，基于EMD的轴承早期故障诊断技术亦是层出不穷。……