张西宁,李霖,刘书语,雷建庚

(西安交通大学机械制造系统工程国家重点实验室,710049,西安)

滚动轴承作为广泛使用的基础零部件,是旋转机械的关键支撑部件[1-2]。滚动轴承易于损坏,且寿命的分散性大,机械故障中21%是由滚动轴承损坏引起的[3]。一旦轴承出现事故,将导致整台设备停机,由此带来巨大的经济损失[4]。因此,开展轴承故障诊断方法研究具有重要的理论意义和应用价值。

时频分析可以同时展示信号在时域和频域的信息,是提取非平稳信号特征的有效工具。各种时频分析方法被广泛应用于轴承故障诊断[5],如短时傅里叶变换(STFT)[6]、Wigner-Ville分布(WVD)[7]、小波变换[8]、经验模态分解(EMD)[9-10]等,但存在各自的缺陷。STFT采用固定窗口,时频分辨率有限[11];WVD存在交叉项干扰[12];小波变换需要挑选合适的小波基函数;EMD能够自适应地分离信号中的分量,但缺乏数学理论,存在模态混叠和端点效应[13]。

针对EMD的不足,Gilles提出了经验小波变换(EWT)方法,该方法结合了EMD的自适应特性和小波分析的理论框架[14]。其核心思想是对频谱进行恰当分割,通过设计合适的小波滤波器组来提取信号的不同模态。

EWT方法提出以来,在机械故障诊断领域得到了广泛应用。陈景龙等将EWT方法用于风力发电机中轴承故障诊断[15],取得了良好效果。王友仁等提出能量聚集度EWT方法,成功实现了齿轮箱早期故障诊断[14]。祝文颖针对EWT分解对噪声敏感的问题,提出了一种单分量个数的估算方法,为经验小波变换中的Fourier频谱划分提供了一种解决思路[16]。……