邵岩+卢迪+杨广学

摘 要：在对滚动轴承微弱故障诊断时，故障信号容易受到噪声的干扰，为了获取滚动轴承数据的有效故障信息，研究用分数阶傅里叶变换（fractional Fourier transform，FRFT）的方法对滚动轴承工作中产生的微弱故障进行诊断。该方法可以将滚动轴承数据变换到分数阶域的空间中进行分析，在此空间中变换分数阶的阶次从而搜索提取出微弱故障的最大峰值，分析结果表明用分数阶傅里叶算法可以有效的降低其他分量和噪声的互相干扰，准确的提取目标分量，实验结果证实了该方法的有效性和可行性。

关键词：滚动轴承；分数阶傅里叶变换（FRFT）；故障诊断；

DOI：10.15938/j.jhust.2017.03.012

中图分类号： TN911.2

文献标志码： A

文章编号： 1007-2683（2017）03-0068-05

Abstract：In fault diagnosis of rolling bearings， the fault signal is easy to be interfered by the ambient noise， Therefore， an approach based on Fractional Fourier Transform（FRFT） is studied in this research to collect valid data of rolling bearing fault. With utilizing this approach， data can be analyzed by being converted into fractional domain， as well as 3D simulation. Consequently， the fractional can be changed to extract the weak fault to search for the maximum peak of weak fault. According to the analysis， the Fractional Fourier Transform algorithm is able to effectively reduce the mutual interference of other components and noise，and accurately extract the target component. Hence， the research findings are able to prove the validity and feasibility of the approach studied in this paper.

Keywords：FRFT； rotating machinery； fault diagnosis

5 結 论

分数阶傅里叶变换算法的应用对于实际旋转机械故障振动信号的分析起到了重要的作用，解决了这类信号在分析上具有非平稳，非线性的难题。在复杂的干扰环境中，能有效的对信号进行分离，克服了信号交叉项的干扰，尤其在微弱信号的分析中，对在背景噪生干扰很强的环境下，对微弱故障信号有很好的聚集性。本文轴承的振动干扰信号微弱，通过对目标的多重扫描，提高了对信号的时频分辨率，分离出微弱故障信号的最高峰值和振幅，本文所提出的算法能够在分数阶域上对噪声信号进行分离，为进一步提取信号的时域和频域特性提供了良好的条件。

参 考 文 献：

[1] 李兴林，张仰平，曹茂来.滚动轴承故障监测诊断技术应用进展[J].工程与……