变转速及齿轮噪源干扰下基于IDMM与EMD的滚动轴承故障诊断方法

旋转设备中变转速工作模式和齿轮噪源是影响滚动轴承故障诊断的关键性难题,现有的方法虽然取得一定进展,但是对辅助设备的依赖以及方法步骤繁琐等问题依然突出,因此提出了基于峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM)和经验模式分解(Empirical Mode Decomposition,EMD)的滚动轴承故障诊断方法。该方法首先采用峰值搜索算法从混合信号的时频图中提取齿轮啮合倍频趋势线,将该趋势线等效为轴承转频对混合信号进行等角度重采样;其次对重采样信号进行EMD分解得到本征模态函数(Intrinsic Mode Function,IMF)之和,计算各IMF分量与重采样信号的互相关系数后根据预设的互相关系数阈值选取合适的IMF分量;最后对选取的IMF分量进行包络谱分析,进而判断轴承是否发生故障。仿真和实测信号分析证明该方法在无转速测量装置的情况下能有效去除齿轮噪声对滚动轴承故障诊断的影响。

齿轮噪声干扰及变转速下的滚动轴承故障诊断

齿轮噪声以及变转速运行是干扰滚动轴承故障诊断的常见因素,针对上述两种因素同时对滚动轴承故障诊断的干扰,引入了集合经验模态分解(EEMD)方法以去除轴承信号中的齿轮噪声,将齿轮峰值啮合倍频(IDMM)等效为滚动轴承的瞬时转频,阶比跟踪以去除转速变化对滚动轴承故障诊断的影响,并将此方法命名为基于EEMD和IDMM的滚动轴承故障诊断方法.仿真和实测信号分析证明该方法能有效去除齿轮噪声和转速变化对滚动轴承故障诊断的影响,同时提高故障特征阶比的幅值,节省转速测量装置.