基于CEEMD和3点对称差分能量算子的滚动轴承故障诊断方法

慎明俊， 高宏玉， 张守京*， 杨静雯， 吴 芮

(1.西安工程大学 机电工程学院， 陕西 西安 710048；2.西安工程大学 西安市现代智能纺织装备重点实验室， 陕西 西安 710600；3.北奔重型汽车集团有限公司， 内蒙古 包头 014000)

滚动轴承是广泛应用于各类复杂机械装备的重要部件，在提高机械工作效率上发挥了重要作用，其健康状况直接影响机械装备的平稳运行。据统计，滚动轴承故障案例占旋转机械故障案例的45%～55%[1]。由于滚动轴承长时间处于重载、高速等极端恶劣的工作环境，极易发生滚动体变形、内外座圈开裂等故障[2]，造成不可挽回的损失。因此及时发现并对滚动轴承进行故障诊断能保证设备高效运行。

滚动轴承发生磨损、内外圈剥落等故障时，随着轴承的高速运转，损伤接触点不断与轴承其他构件进行摩擦，产生故障脉冲信号。由于摩擦噪声的影响，传感器采集的信号是高维、多源和非线性的，直接对采集到的信号进行故障诊断无法准确得出轴承的故障类型。经验模态分解(empirical mode decomposition，EMD)作为一种高度自主的动态处理数据方法，在滚动轴承故障信号的时频域分析和故障特征提取中极具优势[3]。但其模态混淆、边界效应和端点效应等问题比较严重。Wu等[4]为减小EMD的模态效应，在待分解信号中加入白噪声提出了集合经验模态分解(ensemble empirical mode decomposition,EEMD)来改善EMD方法的不足；但残留在EEMD分解后信号中的白噪声会导致信号的重构误差[5]。为了避免上述信号误差和模态效应，Yeh等[6]提出了互补集合经验模态分解(complementary ensemble empirical mode decomposition，CEEMD)，克服了EMD“模态重叠”问题，又解决了EEMD残余噪声的问题；……