基于同步提取变换的滚动轴承微弱特征增强与提取方法

胡志峰，李志农，，朱 彤，王成军

(1.南昌航空大学 无损检测技术教育部重点实验室， 南昌 330063 2.安徽理工大学 矿山智能装备与技术安徽省重点实验室， 安徽 淮南 232001)

轴承是旋转机械中应用最广泛的零部件之一，在旋转机械中，轴承发生局部故障时，其故障特征常隐含在含噪的振动信号中，因此对振动信号进行故障特征提取，特别是早期微弱故障特征的提取，对滚动轴承的故障诊断具有显著意义[1]。而时频分析技术可以将信号的时域特征和频域特征有效结合起来，更好的分析信号的局部特征[2]，经典的线性时频分析方法如短时傅里叶变换，小波变换，S变换[3-4]，广义S变换[5-6]等，由于受到Heisenberg 不确定性原理的制约，所得时频谱能量发散严重，难以同时获取高精度的时间分辨率和频率分辨率[7]。双线性时频分析，如魏格纳-威尔变换(Wigner-Ville distribution，WVD)及其衍生方法[8-9]，该类处理方法具有高时频分辨率，但存在交叉项，且其时频谱不易解释。而结合经验模态分解[10]的时频分析方法，如 Hilbert-Huang变换[11]，变分模态分解[12-13]，经验小波变换[14-15]等，具有较高的时频分辨率，但此类方法至今未能建立坚实的数学基础，不可避免的存在端点效应、模态混叠等问题，在分解复杂信号的准确性存在较大影响，甚至其分解结果存在不确定性，故上述传统的时频分析方法由于自身固有缺陷不能够较好的分析滚动轴承的微弱故障特征。近年来，为了获取更高的时频分辨率，许多研究人员将时频重排方法引入到传统的时频分析中，时频重排方法本质是在传统时频分析的基础上对能量进行二次重排，以改善时频谱的能量聚集性。……