结合频谱聚类与经验小波的轴承故障诊断方法

唐泽娴，林建辉，张 兵，杨基宏

（1.西南交通大学牵引动力国家重点实验室，四川 成都 610031；2.中车青岛四方机车车辆股份有限公司，山东 青岛 266111）

1 引言

高速列车在交通与工业领域起到越来越重要的作用。作为传动装置中的核心部件之一，列车轴承工作环境复杂，发生故障的概率高，极大地威胁了列车的运行安全。为了保障乘客的生命安全并减少经济损失，对轴承的健康状况跟踪和故障识别是十分必要的。

振动分析具有经济、实用的优点，是故障诊断领域中最为广泛运用的方法之一。当轴承表面出现局部损伤后，轴承运行时损伤点会和与之接触的元件表面撞击，产生一系列的高频振动，即共振，并受轴承故障频率的幅值调制。为了挖掘故障信息，包络解调技术常被运用于高频共振信号的分析，而合理的共振带选取直接影响解调效果。迄今为止，许多研究学者在这方面取得丰硕的研究成果[1-3]，其中，基于频带划分的滤波方法被广泛研究和使用：小波包分解基于小波滤波器组对频带进行树状二分[4]，快速谱峭度算法通过短时傅里叶进行频带细分和局部谱峭度的计算筛选出目标频带[5]。但是，小波包分解和快速谱峭度算法的频带分解宽度是固定的，对共振带的选取缺乏自适应性。

由Gilles 提出了经验小波变换（Empirical Wavelet Transform，EWT）[6]，该算法同时具备了小波变换的快速运算特性和经验模态分解（Empirical Mode Decomposition，EMD）的自适应性。该算法利用小波滤波器组滤波的框架实现特定频带滤波。……