基于K-L散度和TEO的滚动轴承故障频率识别方法

李一平,叶海天,曹 立,赵 琦,徐新胜

(中国计量大学 质量与安全工程学院,浙江 杭州 310018)

滚动轴承是各类旋转机械的关键部件之一,广泛应用于航空航天、交通工具及机械设备等领域。由于复杂的工作环境和高强度的运行,滚动轴承内圈、外圈及滚动体等部件容易损坏失效,影响机械系统的正常运行[1]。滚动轴承发生故障时通常会产生冲击、噪声等表象,由此产生的振动信号是一种有效的故障分析依据,被广泛应用于机械故障诊断中。通常,滚动轴承产生的振动信号中包含了大量的运行状态信息,但振动信号在传递过程中易受到环境噪声和其他部件的干扰,因此,也会造成一些微弱的故障信号被淹没,结果往往收集到的振动信号具有非平稳、非线性、非高斯性和低信噪比的特点[2]。于是,消除振动信号的噪声并有效提取故障特征,对后续滚动轴承的故障诊断及预测性维修工作具有重要的意义。

近年来,专家学者对信号降噪问题,提出了如小波降噪[3]、自适应滤波[3]、经验模态分解[4]、频域特征提取[5]等方法,并在信号特征提取、故障诊断、寿命预测等领域得到了广泛应用。但自适应滤波和小波降噪技术的降噪效果过分依赖滤波器性能的优劣[3],经验模态分解虽然能将信号分解为一系列固有模态函数(IMF),但存在边际效应和模态混叠现象[4];同样,频域特征提取技术也存在计算复杂且降噪效果取决于信号的幅频信息等问题[5]。因此,这些方法在工程实际应用中存在一定的局限性。……