基于HVD与1.5维Teager能量谱的滚动轴承

　　基于HVD与1.5维Teager能量谱的滚动轴承故障诊断方法研究孙熠，李志农，朱明（南昌航空大学无损检测技术教育部重点。从图中可以看出，冲击特征受噪声的干扰比较严重。
　　内圈故障振动信号的时域图内圈故障信号的EMD和HVD结果如所示。从图中可以看出，EMD前2个分量的波形特征与原信号非常相似，由于EMD在强噪声条件下存在严重的模态混叠现象，原信号没有得到很好的分解；而HVD则将原故障信号有效地分解为若干个调幅调频信号，且局部的冲击特征比较明显。
　　内圈故障振动信号的处理将上述分解信号进行重构，结果如所示。
　　从图中可以看出，EMD重构信号的冲击特征明显不如HVD重构信号，噪声干扰大。
　　重构信号的1.5维Teager能量谱如所示。从图中可以看出，EMD在内圈故障特征频率158.2Hz处存在明显的峰值，不能有效地体现转轴频率的调制频率；HVD在内圈故障特征频率158.2Hz、轴承基频的二倍频（58.6Hz）、频率f-2义（99.6Hz）处均存在明显的峰值，其他频率的峰值则显得非常小。
　　采样点数（b）HVD内圈故障信号的重构内圈故障重构信号的1.5维Teager能量谱4结束语针对强背景噪声下滚动轴承微弱故障信号特征难以提取的特点，首先通过HVD将故障振动信号分解成一系列调幅调频分量；然后采用相关系数法重构原始信号，增强轴承故障信号的冲击特征；最后分析重构信号的1.5维Teager能量谱，提取故障特征频率。试验结果表明：与EMD相比，HVD在增强冲击特征上有明显的优势，且不存在模态混叠现象，能有效地提取故障特征频率，分析出转轴转频的调制频率，且噪声非常小，效果非常明显。然而，该方法也存在HVD滤波参数的选择，如何更好地重构原始信号等问题，这些将是进步研究的方向。
　　3）通过多重分形谱分析滚动轴承振动信号的均匀性。振动状态与其多重分形谱之间存在对应关系，即振动的剧烈度由多重分形谱宽Aa刻画，振动大、小峰值的增长速度及所占比例由最大、最小概率子集分维差Af刻画。正常状态的Aa和Af最小，故障状态越大，Aa和Af越大。
　　另外，有关系统状态对滚动轴承振动多重分形特性内在机理的影响还需要更多的实证研究分析，上述研究结果为下步利用轴承振动信号分形方法进行故障特征提取、诊断及检测奠定了基础。