姜文涛，刘荣海，杨迎春，万书亭

（1. 华北电力大学机械工程系，河北 保定 071003；2. 云南电网有限责任公司电力科学研究院，云南 昆明 650217；3. 云南电网电力科学研究院研究生工作，云南 昆明 650217）

滚动轴承在旋转机械中的应用广泛，也是机械设备中容易发生故障的部件[1]。滚动轴承故障一般都是非平稳的信号，利用傅里叶变换想从振动信号中准确的提取故障特征存在一定的困难。傅里叶变换处理非平稳信号有天生的缺陷。它只能获取一般信号总体上包括那些频率成分，但是对各成分出现的时刻并无所知。而平稳信号大多是人为制造出来的，自然界中大量信号几乎都是非平稳的[2]。

文中将提取的振动信号进行时域和频域分析，利用不同的算法进行对比研究，得到其准确的故障频率。其中希尔伯特黄变换（HHT）基本思想是经验模态分解（EMD）[3-7]。利用EMD算法能够将非平稳的信号分解为若干个平稳的信号，满足了Hilbert变换的使用条件[8]。对振动信号进行HHT后，可以得到振动信号能量完整、精确的时频分布，进而可得到振动信号的Hilbert边际谱，实现滚动轴承故障的准确诊断。

1 传感器的布置以及轴承振动信号的获取

为了获取轴承故障数据，本文用涡流传感器，速度传感器及加速度传感器在故障轴承 X，Y两个方向进行布置，并且通过多通道数据A/D转换器及传输设备进行转换和数据传输，最终在电脑终端获取采集数据。另外在旋转轴附近布置光电传感器，获取轴承的转速。具体的布置情况如下两图所示：图1为轴承外壳涡流、速度、加速度传感器的布置状况。……