刘湘楠　赵学智　上官文斌

摘要： 针对机械早期故障引起的冲击特征微弱，易受强背景信号和噪声的干扰而难以提取的问题，提出一种奇异值分解（Singular Value Decomposition， SVD）差分谱与S变换相结合的微弱冲击特征提取方法。将原始信号构造成Hankel矩阵，采用SVD对重构矩阵进行分解;利用奇异值差分谱确定降噪阶次进行降噪;采用S变换对降噪后的信号进行时频分析，提取信号中的微弱冲击特征信息。通过数值仿真和实际轴承故障数据的对比，表明该方法可有效辨别轴承振动信号中故障引起的早期微弱冲击特征，为轴承故障诊断提供先验信息。

关键词： 故障诊断; 滚动轴承; 冲击特征; 奇异值分解; S变换

中图分类号： TH165⁺.3; TH133.33; TN911.7    文献标志码： A    文章编号： 1004-4523（2021）01-0202-09

DOI：10.16385/j.cnki.issn.1004-4523.2021.01.023

引 言

滚动轴承是旋转机械设备中广泛使用的零部件之一，也是旋转机械最主要的故障来源之一^[1]。在实际运行过程中由于工况复杂、过载、安装精度差及润滑不良等原因，滚动轴承外圈、滚动体及内圈等部件容易发生故障，进而影响机械系统整体运行的安全性和可靠性^[2]。滚动轴承产生故障时，工作过程中会产生突变的冲击力，该冲击信号的频率即为损伤点撞击轴承元件的频率^[3]。滚动轴承振动信号蕴含了大量的运行状态信息，表现为非线性和非平稳性的调制信号，对振动信号进行分析，可有效获取振动信号中所包含的轴承故障引起的冲击特征信息。但由于旋转机械设备结构复杂以及工作条件的多样性，各种激励源产生的信号相互耦合，导致滚动轴承故障引起的冲击特征常常淹没在强背景信号和噪声中，比较难以识别，特别是早期故障信号，在强噪声背景下轴承振动信号故障冲击特征信息微弱，更加难以提取^[4?5]。……