基于敏感特征评估的退火窑辊道轴承故障诊断方法

周康渠，阚志群，辛 玉，吴雪明，张朝武

（1.重庆理工大学 机械工程学院，重庆400054；2.重庆万盛浮法玻璃有限公司，重庆400800）

退火窑辊道是承载、拉引玻璃产品的关键部件，一旦出现轴承故障将使辊道丧失运转平稳性，对玻璃品质造成重大影响，甚至导致整条生产线停产，给企业造成巨大的经济损失。因此，如何高效准确地诊断出辊道轴承的故障状态，对提高辊道运行平稳性和可靠性具有重要意义。

退火窑辊道轴承在恶劣环境中持续运转，有效的故障振动信号不可避免地被机械设备的强背景噪声淹没，这将加大有效特征提取难度并降低诊断精度，进而影响诊断结果。因此，滤除轴承振动信号中的噪声，提高采集数据的有效性和准确性，是精确诊断故障的基础。传统的降噪方法主要有EMD降噪、小波阈值降噪等。EMD 降噪方法是通过将信号分解后的高频IMF 分量直接滤除，对剩余分量进行重构实现降噪，可能会导致降噪后信号失真。小波阈值降噪方法由于小波基函数、分解层数及阈值的选择存在一定的困难，导致其降噪效果不理想。针对EMD降噪和小波阈值降噪方法存在的不足，通过将两种降噪方法相结合，利用连续均方误差准则[1]和相关系数[2]等算法筛选含噪较多的IMF 分量，并对其进行小波阈值降噪。

针对滚动轴承故障诊断中的特征信息提取，通常利用小波包分解[3]、经验模态分解[4]等时频分析方法对非平稳振动信号进行分解，然后从分量信号中提取能量特征[5]、样本熵特征[6-8]、多尺度熵[9-10]、近似熵[11]等特征信息。……