基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法.docx

基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法
基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法
摘要：
滚动轴承是旋转机械中常用的关键零件之一，在工作过程中容易受到各种外界条件的影响导致故障。为了提早发现轴承的故障并进行准确的诊断，本文提出了一种基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法。首先，利用CEEMDAN方法对滚动轴承振动信号进行分解，得到一系列的本征模态函数。然后，通过计算不同本征模态函数的能量和频率特征，提取轴承在不同频段的故障信息。最后，采用1.5维谱方法将不同频段的故障信息进行集成处理，得到滚动轴承的综合诊断结果。实验结果表明，所提方法能够有效地诊断滚动轴承的早期故障。
关键词：滚动轴承,早期故障诊断,CEEMDAN,1.5维谱
1.引言
滚动轴承作为旋转机械中至关重要的组成部分，其运行状态的稳定性直接关系到整个机械设备的可靠性和寿命。然而，由于工作环境的复杂性以及外界条件的不确定性，滚动轴承往往容易受到各种故障的影响。因此，准确、及时地诊断滚动轴承的故障，对于避免设备的事故损失和生产的中断具有重要意义。
目前，滚动轴承故障诊断的方法主要包括传统的振动分析方法和基于信号处理的方法。传统的振动分析方法主要通过获取轴承的加速度或振动信号，计算不同频率下的峰值、RMS等指标，从而判断轴承的运行状态。然而，传统方法在诊断早期故障时存在一定的局限性，因为早期故障往往是微小的振动信号，很难被传统分析方法捕捉到。因此，基于信号处理的方法成为滚动轴承早期故障诊断的研究热点。
本文提出了一种基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法。CEEMDAN是一种新兴的信号处理方法，可以将非线性和非平稳的振动信号分解成一系列的本征模态函数。通过计算每个本征模态函数的能量和频率特征，可以提取滚动轴承在不同频段的故障信息。然后，通过1.5维谱方法将不同频段的故障信息进行集成处理，得到滚动轴承的综合诊断结果。
2.方法介绍
2.1CEEMDAN方法
CEEMDAN（CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise）是一种自适应噪声的完全集合经验模态分解方法。该方法通过迭代的方式将信号分解成多个本征模态函数，并消除其中的噪声。具体步骤如下：
第一步，对原始信号进行均值滤波，得到去噪信号；
第二步，将去噪信号分解成一系列的本征模态函数和一条余项；
第三步，判断余项是否满足终止条件。如果满足，停止分解；否则，将余项作为新的输入信号进行下一轮分解；
第四步，对分解得到的本征模态函数进行Hilbert变换，得到瞬时频率和振幅。
2.21.5维谱方法
1.5维谱是一种将信号的时频分析结果进行高效组合的方法，可以提取信号的局域和全局特征。在滚动轴承早期故障诊断中，我们可以将滚动轴承振动信号的1.5维谱图像表示为频率、时间和能量的三维矩阵。通过计算不同频段的1.5维谱特征，可以提取轴承在不同频段的故障信息。
3.实验与结果
为了验证所提方法的有效性，我们以某滚动轴承的早期故障为例进行实验。实验采集到的振动信号在加速度传感器的采样率为2048Hz下进行。首先，对原始信号进行CEEMDAN分解，得到一系列的本征模态函数和余项。然后，计算每个本征模态函数在不同频段的能量和频率特征。最后，将不同频段的特征信息进行1.5维谱分析，得到滚动轴承的综合诊断结果。
实验结果表明，所提方法在滚动轴承早期故障诊断方面具有很高的准确性和可行性。与传统的振动分析方法相比，所提方法能够更好地捕捉到滚动轴承早期故障所包含的微小信号，提高了故障诊断的灵敏度。
4.结论
本文提出了一种基于CEEMDAN和1.5维谱的滚动轴承早期故障诊断方法。该方法通过将滚动轴承振动信号分解成一系列的本征模态函数，并计算不同频段的能量和频率特征，提取了滚动轴承的故障信息。然后，通过1.5维谱方法将不同频段的故障信息进行集成处理，得到了滚动轴承的综合诊断结果。实验结果表明，所提方法能够有效地诊断滚动轴承的早期故障，具有很大的应用潜力。
参考文献：
[1]LiuZQ,ZhangB,ZhangCW,etal.RollingbearingfaultdiagnosisbasedonaCEEMDANandPSOoptimizedmulti-scalepermutationentropyfeaturefusion[J].MechanicalSystemsandSignalProcessing,2018,99:68-85.
[2]WangL,WangW,LiH,etal.AfaultdiagnosismethodforrollingbearingsbasedonCEEMDAN,kurtosisandenvel