基于参数优化VMD 的滚动轴承故障诊断方法

彭康健，陈君若，吴智恒

（650500 云南省 昆明市 昆明理工大学 机电工程学院）

0 引言

滚动轴承作为机械设备中的重要零部件，对于机械设备的运行起着至关重要的作用，据统计，在使用滚动轴承的机械设备中，约有30%的机械故障是由轴承故障而引起的[1]。作为机械设备中的重要零部件，一旦发生故障，不仅会影响其正常运行，还可能给企业带来巨大的经济上的损失甚至安全问题[2-3]。因此滚动轴承的状态监测和故障诊断具有重要的现实研究意义。

轴承故障诊断过程大致可分为信号采集、特征提取、故障识别和诊断分析4 个步骤，其中特征提取可以说是故障诊断过程中最关键的一步。常用滚动轴承故障特征提取的方法是，先通过传感器采集轴承的振动信号，这些振动信号与设备的运行状态直接相关，但由于采集的信号通常是非线性、非平稳的，所以并不能直接提取故障特征[4]。于是一些信号时频分析方法应运而生，并对设备的监测监控有着重大现实意义[5]。目前常用的时频分析方法有：Huang[6]等人提出的经验模态分解（Empircial Mode Decomposition）方法；Smith[7]提出的一种针对非线性非平稳信号的局部均值分解（Local Mean Decomposition）方法；以及Wu[8]等又在现有经验模态分解方法基础上提出的集合经验模态分解（Ensemble Empirical Mode Decomposition）方法。上述方法都在轴承故障诊断分析中取得了良好的效果，但也有着各自的局限性与不足。比如EMD 方法缺少严谨的数学基础，容易产生模态混叠和端点效应；LMD 方法计算量大，可能产生由解调引起的信号突变问题。……