张 冰,姜培刚,林天然

(青岛理工大学 机械与汽车工程学院,山东 青岛 266520)

0 引 言

随着计算机和互联网技术的迅速发展,旋转机械状态检测信息已经迎来“大数据”时代[1]。

滚动轴承在旋转机械设备中起着至关重要的作用,其一旦发生故障将会影响到机器的整体性能,严重情况下甚至会导致机器停止运行[2]。在实际工业应用中,由于生产需要或现场工作环境变化,机械设备的转速或负载条件经常发生变化,滚动轴承监测信号经常表现为非平稳性信号,如何有效进行非平稳信号故障特征提取及诊断已成为当下众多学者的研究热点。

时频分析技术如短时傅里叶变换(STFT)[3]、小波变换(WT)[4]和同步压缩变换(SST)[5]等广泛用于非平稳信号处理和故障特征提取。过去几十年间,这些方法在机械故障诊断领域的应用已逐渐成熟,并取得了很大的成功。但受限于海森堡测不准原理,这些方法仅适用于分析准平稳信号,或具有缓慢时变特征的信号[6],在处理因变工况引起的非线性、非稳态状态监测信号方面仍存在较大的局限性。为了解决该问题,于刚等人[7]最近提出了一种多次同步压缩变换(MSST)技术,该方法通过一种迭代重分配技术对信号的时频分量能量分布进行多次同步压缩变换(SST),以提高非稳态信号时频分布中特征信号分量的能量集中度,分析结果表明,该方法可以有效处理强时变信号并准确计算出变速轴承故障的时频图谱。本研究将采用该方法对变转速工况下滚动轴承振动信号进行分析和实验。……