岳霞麗

機械設備故障信號的調(diào)制特性使得包絡解調(diào)分析能夠有效地提高信噪比和分析效果，能比較有效地診斷機械設備的早期故障，因此，包絡分析一直是機械設備故障診斷的熱點，也是最成功的診斷方法之一。丁康等提出了一種用復解析帶通濾波器的包絡分析，將希爾伯特變換和帶通濾波合為一體，把不包含故障信息的信號濾掉，并且避免了廣義檢波濾波解調(diào)分析中的混頻現(xiàn)象。文獻為了克服包絡譜分析需要人為設定帶通濾波的中心頻率和帶寬的缺點，提出了基于經(jīng)驗模式分解的包絡譜分析，利用經(jīng)驗模式分解自適應地把機械設備振動信號從高到低分解到不同的頻帶，然后選擇包含故障信號最豐富的高頻帶作包絡分析，從而實現(xiàn)軸承不同工作狀態(tài)的識別。

基干頻域和時頻分析旳特征提取，在用傳感器釆集軸承運行過程中的振動信號時，一般會包含很多的背景噪聲，因此振動信號的頻域內(nèi)容就包含很多復雜的頻率成分，如何在這些復雜的頻率成分中識別出與軸承故障相關的頻率或其特征是基于頻域和時頻分析的特征提取的主要內(nèi)容。目前基于頻域的特征提取方法主要有：幅值譜分析、功率譜分析、倒譜分析、復倒譜分析、細化譜分析、AR模型譜分析、高階譜分析和包絡譜分析等基于時頻分析的特征提取方法主要有：短時傅里葉變換、分數(shù)階傅里葉變換、Wigner-Ville分布、小波及小波包分析、經(jīng)驗模式分解、S變換、譜峭度和稀疏分解等。在基于頻域的特征提取方法中，髙階譜由于能夠消除髙斯噪聲且彌補了功率譜包含相位信息的缺點而得到廣泛的應用。在不需要大量先驗數(shù)據(jù)的基礎上，利用雙譜域的統(tǒng)計變化檢測實現(xiàn)了軸承和齒輪故障的診斷。劉雪霞等針對機械設備振動信號的頻譜成分多樣和二次相位耦合的特點，利用雙譜技術提取軸承故障信息，驗證了髙階譜在機械設備故障特征提取中的有效性，并對比說明了比功率譜的優(yōu)越性。

小波分析從不同的尺度觀察信號，將信號分解在不同的頻帶內(nèi)，具有多分辨率的能力，在低頻部分有較高的頻率分辨率，在高頻部分有較高的時間分辨率。小波變換擁有強大的特征提取、奇異性監(jiān)測和濾波降噪的能力，在機械故障診斷中得到了非常廣泛的應用。文獻把高階統(tǒng)計量中的峭度與小波以及小波包變換相結合，計算變換后不同頻帶信號的峭度值，根據(jù)不同的故障類型和不同的故障嚴重程度在不同頻帶內(nèi)的硝度值不同，給出相應的峭度值曲線，與正常信號的峭度值曲線對比，從而實現(xiàn)軸承工作狀態(tài)的識別。利用小波變換良好的時頻局部化性質(zhì)進行軸承振動信號的解調(diào)，取得了良好的診斷效果。Kumar等_釆用離散小波變換進行圓錐滾子軸承的外圈故障尺寸的檢測，利用Sytnlet5小波能夠保留突變信號里的沖擊信息的特點成功實現(xiàn)了這一點，并把誤差控制在很小的范圍。Qiu等研究了小波變換在機械設備故障信號消噪中的應用，用最小Shannon熵優(yōu)化Morlet小波參數(shù)，再結合奇異值分解選擇合適的小波變換尺度，提高了信噪比，實現(xiàn)了軸承故障信號在強噪聲下的微弱故障信號的檢測，進而成功完成了機械設備故障的診斷。小波變換的系數(shù)是信號局部與小波基函數(shù)相似程度的反應，系數(shù)越大說明兩者越相似所以小波基函數(shù)的選擇很大程度上影響著能否有效地提取故障信號的特征。目前在機械設備的故障診斷中，最常用的小波基函數(shù)是Morlet小波，因為它與故障引起的周期性衰減振動的波形很相似。

基于此優(yōu)點，EMD—經(jīng)提出就被廣泛應用到機械設備的故障診斷中。蘇文勝等”進行了 EMD用于降噪的研究，采用互相關系數(shù)準則或者峭度準則去除與原信號互相關系數(shù)比較小或者峭度較小的偽mF分量，再利用譜峭度法選擇合適的帶通濾波器參數(shù)，最后運用包絡分析實現(xiàn)了機械設備早期故障的診斷。程軍圣利用EMD能夠把信號分解成若干個基本模式分量且每個分量都是單分量AM-FM調(diào)制信號的特點，然后對每個分量進行能量算子解調(diào)，得到其瞬時幅值和瞬時頻的信息，成功進行了機械設備不同故障模式的識別。文獻利用EMD分解機械設備振動信號，然后選取包含故障信息較多的前幾個IMF分量進行譜分析，取得了比直接譜分析更好的效果。把EMD與支持向量機等先進的模式識別技術相結合進行機械設備工作狀態(tài)的識別，取得了不錯的效果。EMD方法的理論基礎還不完善，在應用中還有很多需要改進的地方，比如模態(tài)混疊、端點效應和內(nèi)蘊模式函數(shù)的判據(jù)等。許多研究人員針對這些問題提出了相應的解決辦法，提出了一種集總經(jīng)驗模式分解（EEMD）的方法來消除模態(tài)混疊，在信號中加入輔助噪聲之后進行EMD分解，然后求一定次數(shù)之后的IMF的平均作為最后求得的IMF，收到一定的效果。研究了信號包含間斷信號時的EMD分解，利小波變換對原始信號進行預處理濾掉間斷信號之后再進行EMD分解，從而避免了模態(tài)混疊。

在故障診斷領域中應用的小波變換包括二進離散小波變換和連續(xù)小波變換，二進小波變換一個比較大的缺陷是不具有“時不變”的特征，不能有效檢測具有不確定時刻出現(xiàn)的信號。與二進離散小波變換相比，連續(xù)小波把時間尺度劃分的更細致，僅僅要求小波基滿足容許條件，且具有時不變特性，因此連續(xù)小波變換能夠充分發(fā)揮小波變換細致刻畫信號方面的能力。文獻利用連續(xù)小波變換提取機械設備的故障特征，取得了不錯的診斷效果。隨著小波理論的不斷發(fā)展，出現(xiàn)了第二代小波和多小波并被應用到機械設備的故障診斷中經(jīng)驗模式分解是 Huang 于 1998 年提出的一種新的非平穩(wěn)信號處理方法，將信號分解為內(nèi)蘊模式函數(shù)。與小波變換相比，EMD的優(yōu)越性在于其自適應性，小波變換的基函數(shù)一旦選定，則在整個分析過程中無法更改，因此對信號局部沒有自適應性，而EMD是完全基于“數(shù)據(jù)驅(qū)動”的，不需要預先選擇基函數(shù)。