路飞宇,胡鑫磊,刘素艳,2,马增强,2

(1.石家庄铁道大学 电气与电子工程学院，河北 石家庄 050043；(2.石家庄铁道大学 省部共建交通工程结构力学行为与系统安全国家重点实验室，河北 石家庄 050043)

变转速工况下滚动轴承故障诊断一直是难点，而诊断成功的关键在于获取精确的瞬时转频[1]，可以说，瞬时转频是滚动轴承故障诊断成功的基础参数，是实现无转速计故障诊断的重要前提。因此，对滚动轴承瞬时转频估计具有重要意义。

当前对于瞬时转频估计的方法主要是基于时频谱分析来实现的，如郭瑜等[2]将短时傅里叶变换(STFT)和峰值搜索相结合，实现了电机的转频估计。程卫东等[3]利用线调频小波路径跟踪提取轴承瞬时转频。Wang et al[4]对变转速振动信号做经验模态分解(EMD)变换，估计出瞬时频率，但EMD本身的模态混叠问题使得最终估计精度不高。自适应chirp模式分解(ACMD)是一种基于变分模态分解(VMD)框架的非平稳信号处理方法[5]，解决了VMD处理频率重叠的多分量信号效果不佳的问题，并且无需提前设定信号模态数，提高了时频分辨率[6]。近几年，ACMD在变工况旋转机械故障诊断领域得到了一定的应用[7-8]，可以有效地提取多分量信号成分，准确地呈现信号内部频率与时间的关系，在瞬时频率估计上有很好的应用价值[9]，然而，由于轴承运行环境中时常存在强噪声，单独的ACMD算法处理滚动轴承振动信号具有明显抗噪性不足的现象。为此，本文结合小波阈值对振动信号降噪的优势[10-12]，提出一种基于小波阈值和ACMD的滚动轴承瞬时转频估计方法，通过轴承仿真信号和实测信号分析，结果表明了所提方法具有很强的抗噪性，精准地估计出滚动轴承瞬时转频。……