李霖,张西宁,刘书语,雷建庚,常鸽

(西安交通大学机械制造系统工程国家重点实验室,710049,西安)

滚动轴承是应用最为广泛的基础零部件,在工业领域发挥着重要作用[1-3]。滚动轴承工作环境恶劣,寿命分散性大,故障频发。据统计,在所有机械故障中,超过30%是由滚动轴承损坏引起的[4]。滚动轴承一旦出现故障,轻则导致设备停产和经济损失,重则造成人员伤亡[5-6]。因此,针对滚动轴承故障诊断方法的研究引起了越来越多学者的关注[7-9]。由于振动信号对机械健康状况反映快,已广泛使用在故障诊断方法中[10]。为了更好地从振动信号中征提取特征,已经逐渐采用从高维尺度提取振动信号特征[11]。近年来,信号的二维表示在各种故障诊断研究中得到了广泛的研究[12]。通过这种高阶信号描述,将时域振动信号转换为二维振动信号矩阵,并从中提取纹理特征,与一维振动信号相比,可以获得出更丰富、更紧凑的特征和信息[13]。Khan等首先提出了一种基于变转速下振动信号二维分析的轴承故障诊断方法,利用纹理分析实现不同转速下的轴承故障诊断[13]。Kaya等通过二维振动信号获得灰度共生矩阵进而提取纹理特征,取得了较好的效果[14]。然而,文献[13-14]提出的方法是简单地直接提取纹理特征,无法提取纹理的多尺度特征。如此简单的纹理分析提取特征存在缺陷,对纹理图像的像素要求严苛,像素选择不当或故障十分微弱时该方法失效。随后,针对二维纹理图像的灰度像素有限对故障特征提取不利,Sun等提出了一种利用转换后的二维振动信号矩阵进行轴承故障诊断的方法,分类结果表明该方法能够较好检测到定转速下轴承故障[15]。……