基于形态滤波和HHT的滚动轴承故障特征提取.docx

基于形态滤波和HHT的滚动轴承故障特征提取
基于形态滤波和HHT的滚动轴承故障特征提取
摘要：滚动轴承是机械设备中常用的元件之一，在其工作过程中容易出现故障。准确、有效地提取滚动轴承故障特征对于保障设备的正常运行具有重要意义。本文提出了一种基于形态滤波和HHT（Hilbert-Huang变换）的滚动轴承故障特征提取方法。通过对滚动轴承的振动信号进行形态滤波处理，去除噪声的干扰，提高故障特征的提取效果。然后，利用HHT分析滤波后的信号，提取滚动轴承故障相关的时频特征。实验结果表明，所提方法能够较好地提取滚动轴承故障特征，为滚动轴承的故障诊断和预测提供了一种有效的手段。
关键词：形态滤波；HHT；滚动轴承；故障特征
1.引言
滚动轴承作为机械设备中重要的元件之一，在工作过程中往往承受较大的载荷和转速，容易出现疲劳破碎、弯曲变形等故障。因此，及早发现和识别滚动轴承的故障特征，对于避免故障扩大、保障设备正常运行具有重要意义。
2.相关工作
过去的研究中，有许多方法用于滚动轴承故障特征的提取，如时域分析、频域分析、小波变换等。然而，这些方法往往需要较高的计算复杂度，难以适应实时监测的需求。因此，本文提出了一种基于形态滤波和HHT的滚动轴承故障特征提取方法。
3.形态滤波
形态滤波是一种基于数学形态学的信号处理方法，可以有效地提取信号中的特征。该方法主要通过膨胀和腐蚀操作对信号进行处理，实现噪声的去除和特征的增强。在本文中，我们采用了开操作对滚动轴承振动信号进行形态滤波处理，以去除噪声的影响，提高故障特征的提取效果。
4.Hilbert-Huang变换
HHT是一种能够对非线性和非平稳信号进行分析的方法，结合了Hilbert变换和经验模态分解（EMD）。通过EMD将信号分解为一组本征模态函数（IMF），然后通过Hilbert变换得到每个IMF的瞬时频率。通过对滤波后的信号进行HHT分析，可以提取滚动轴承故障相关的时频特征。
5.实验设计与结果分析
在本文的实验中，我们采集了不同滚动轴承的振动信号，并进行了形态滤波和HHT分析。通过比较不同滚动轴承的故障特征，可以发现故障轴承在时频域上存在明显的差异。实验结果表明，所提出的方法能够较好地提取滚动轴承的故障特征，为滚动轴承的故障诊断和预测提供了一种有效的手段。
6.结论
本文提出了一种基于形态滤波和HHT的滚动轴承故障特征提取方法。通过形态滤波去除振动信号的噪声干扰，再利用HHT分析提取滚动轴承的时频特征，可以较好地提取滚动轴承的故障特征。实验结果表明，所提方法具有较好的性能，可以为滚动轴承的故障诊断和预测提供一种有效的手段。
参考文献：
[1]杨光,郭俊辉.基于小波分析的滚动轴承故障诊断研究[J].燕山大学学报,2014,38(5):413-418.
[2]赵艳彬,宋仕博.基于HHT的滚动轴承故障诊断方法研究[J].哈尔滨工程大学学报,2012,33(7):939-943.
[3]贾博强,田志刚.一种新的滚动轴承故障特征提取方法[J].中国农机化学报,2016,38(1):59-63.