姜 磊，朱明斯，李飞龙

（1.浙江工业职业技术学院，浙江 绍兴312000；2.北京信息科技大学，北京100101；3.中矿龙科能源科技股份有限公司，北京101300）

1 引言

轴承是异步电机将电能转化为机械能的关键部件，轴承内圈因高速运转而承受较大载荷，是电机所有常见故障类型中发生故障概率最大的部件［1］。文献［2］利用ITT变换方法抑制振动信号中低频杂波和背景噪声对故障特征信号的影响，增强故障信号的冲击特征，从而准确识别出风电机组滚动轴承的故障类型。谢国民等［3］针对电动机中常见的轴承故障，在对机械故障信号进行深入分析的基础上，提出一种基于正交小波的电机故障诊断方法来判断故障部位及类型。文献［3］运用正交小波及专家系统对滚动轴承进行故障诊断取得了一定成效，但是专家系统的建立需要大量故障工作信息，建立过程具有很大难度［4］，而且没有相关的数据分析，不能很好的论证所提方法的优越性。目前对异步电动机常用的诊断方法为定子电流谐波检测法，信号处理技术是谐波法异步电机故障诊断技术的核心。小波阈值法具有直观性、操作便利性以及去噪性能较好等特点，所以广泛应用。解析模态分解（AMD）算法［5］可以在确定信号频率成分的前提下进而确定二分频率值对信号进行AMD分解［6］，达到从信号中提取频率成分的目的。

本文针对故障谐波信号中含有不同频率谐波的情况，将小波阈值去噪算法与AMD算法相结合，用于实现谐波法电机轴承故障诊断中的特征频率检测，从而提升故障诊断的准确性和可靠性。……