柏 林， 陆 超， 赵 鑫

(1.重庆大学机械传动国家重点实验室 重庆，400044) (2.武汉锐科光纤激光器有限责任公司 武汉，430000)



基于相空间重构和ICA-R的轴承故障特征增强方法*

柏 林1， 陆 超1， 赵 鑫2

(1.重庆大学机械传动国家重点实验室 重庆，400044) (2.武汉锐科光纤激光器有限责任公司 武汉，430000)

针对实测滚动轴承早期故障信号中故障特征频率成分微弱、难以识别及提取的问题，设计了一种结合相空间重构(phase-space reconstruction，简称PSR)和参考独立分量分析(independent component analysis with reference，简称ICA-R)的故障特征增强方法。利用相空间重构将一维时域信号拓展到高维，再进行参考独立分量分析，将所感兴趣的轴承故障特征频率成分进行增强。该方法相比传统频率提取方法具有效果好、对干扰频率抑制明显的特点。仿真结果和工程实测信号表明，该方法对滚动轴承早期故障特征提取有效可行，具有一定工程应用价值。

特征增强； 滚动轴承； 早期诊断； 相空间重构； 参考独立分量分析

引 言

滚动轴承早期故障常因故障特征频率过于微弱，被大量噪声和干扰频率所淹没，导致诊断不及时或误诊。传统的频率提取方法如经验模态分解(empirical mode decomposition,简称EMD)-包络分析[1]、小波-包络分析[2]、固有时间尺度分解(intrinsic time-scale decomposition,简称ITD)-包络分析[3]等方法均对分解所得高频成分进行分析。此类方法能够滤去低频成分的干扰，对包含在高频固有频率成分中的故障特征有一定的提取能力，然而当信号中故障特征微弱且存在大量干扰边频带时提取效果不理想。另外，以上方法在选择分解层数和判断包含故障成分的分量时需要较多的先验知识支持。……