基于MED与自相关谱峭度图的滚动轴承故障诊断方法_王兴龙.pdf

振 动 与 冲 击 第 39 卷第 18 期J O U R N A LO FV I B R A T I O NA N DSH O C KV o l . 39 N o . 18 2020 基金项目 国家重点研发计划（2017Y F C 0805100）；国家自然科学基金 （51505002）；安徽省高校自然科学研究重点项目（K J 2019A 080） 收稿日期 2019 - 05 - 13 修改稿收到日期 2019 - 06 - 28 第一作者 王兴龙 男，硕士，1995 年生 通信作者 郑近德 男，博士，副教授，1986 年生 基于 M E D与自相关谱峭度图的滚动轴承故障诊断方法 王兴龙1， 郑近德1， 潘海洋1， 童靳于1， 刘庆运1， 丁克勤2 （1.安徽工业大学 机械工程学院，安徽 马鞍山 243032； 2.中国特种设备检测研究院，北京 100029） 摘 要滚动轴承振动信号往往信噪比较低，且具有较强的非高斯噪声，如何选择合适的解调频带一直是故障诊 断的难点。自相关谱峭度图（A ut o g r a m ）是新提出的一种最优频带选择方法，通过计算解调信号的平方包络的无偏自相关 的峭度，能够有效地检测到解调频带及其故障频率；但此方法易受到噪声干扰，故障特征识别不明显；基于此，提出了一种 基于最小熵解卷积（M E D ）与A ut o g r a m的滚动轴承故障诊断方法；该方法通过M E D去除噪声，在得到最佳频带的同时，能 够有效地突显故障特征。通过分析仿真信号及实验数据，将所提方法与快速谱峭度及现有方法进行了对比，结果表明，所 提故障诊断方法能够准确地检测到解调频带及故障频率，突出故障特征和提高故障检测效果。 关键词最小熵解卷积（M E D ）；自相关谱峭度图；快速谱峭度；解调频带；滚动轴承 中图分类号 T H 165. 3 文献标志码 AD O I 10. 13465/ j . c nki . j v s . 2020. 18. 015 F au l t d i agn os i s me t h odf orr ol l i n g b e ar i n gs b as e donmi n i mu me n t r op y d e c on vol u t i onan dau t ogr ams W A N GX i ngl o ng1， Z H E N GJ i nde 1， P A NH ai y ang1， T O N GJ i ny u1， LI UQ i ngy un1， D I N GK e q i n2 （1.Sc ho o l o f M e c ha ni c a l E ng i ne e r i ng ， A nhui U ni v e r s i t yo f T e c hno l o g y ， M a a ns ha n 243032， C hi na ； 2.C hi naSpe c i a l E qui pm e nt I ns pe c t i o n a nd R e s e a r c h I ns t i t ut e ，B e i j i ng 100029， C hi na ） A b s t r ac t T hev i br a t i o n s i g na l o f r o l l i ngbe a r i ng s g e ne r a l l yha s l o ws i g na l - t o - no i s er a t i oa nd i s o f t e n c o nt a m i na t e d bys t r o ngno n- G a us s i a n no i s e .H o wt oa c c ur a t e l ys e l e c t t hede m o dul a t i o n f r e que nc yba nd i s a l w a y s adi f f i c ul t pr o bl e mi n t hef a ul t di a g no s i s o f r o l l i ng be a r i ng s . T he a ut o g r a mi s a ne wo pt i m a l ba nd s e l e c t i o n m e t ho d. B y c a l c ul a t i ng t he kur t o s i s o f unbi a s e d a ut o c o r r e l a t i o n o f t hes qua r e d e nv e l o peo f a de m o dul a t e d s i g na l ， t he de m o dul a t i o n ba nd a nd f a ul t f r e que nc y c a n bee f f e c t i v e l y de t e c t e d.B ut ， t he a ut o g r a mi s s us c e pt i bl e t o no i s e a nd t he i nc l ude d f a ul t f e a t ur e i s no t o bv i o us .I n v i e wo f t ha t ， ane wf a ul t di a g no s i s m e t ho d f o r r o l l i ngbe a r i ng s ba s e d o n m i ni m ume nt r o pyde c o nv o l ut i o n （M E D ） a nd a ut o g r a m s w a s pr o po s e d.T hem e t ho d c a n e f f e c t i v e l yhi g hl i g ht t hef a ul t c ha r a c t e r i s t i c sa nd o bt a i n t hebe s t ba nd f o r de m o dul a t i o n. T hepr o po s e d m e t ho d w a s c o m pa r e d w i t h t hef a s t s pe c t r a l kur t o s i s a ppr o a c h a nd o t he r e x i s t i ngm e t ho ds bya na l y s i ngt he s i m ul a t i o n a nd e x pe r i m e nt a l da t ao f r o l l i ngbe a r i ng s .T her e s ul t s s ho wt ha t t hepr o po s e d f a ul t di a g no s i s m e t ho d f o r r o l l i ng be a r i ng s c a n a c c ur a t e l yde t e c t t hede m o dul a t i o n f r e que nc yba nd， hi g hl i g ht t hef a ul t f r e que nc ya nd i m pr o v et hee f f e c t o f f a ul t de t e c t i o n. K e y w or d s m i ni m um e nt r o pyde c o nv o l ut i o n （M E D ）； a ut o g r a m ； f a s ts pe c t r a lkur t o g r a m ； de m o dul a t i o n ba nd； r o l l i ngbe a r i ng 滚动轴承是旋转机械的重要部件，其运行状态是 否正常将直接影响到机器的性能和健康运行［1］。因 此，开展滚动轴承早期故障的监测与诊断的研究具有 重要的意义。 滚动轴承在运转过程中，存在局部缺陷的位置容 易产生冲击，该冲击容易产生非线性、非平稳、非高斯 的振动信号［2］。该振动信号包含冲击的所有谐波，从 振动信号中提取出这些谐波能够实现轴承的故障诊 断。包络解调分析是滚动轴承故障诊断中最常用的方 法［3 - 6］。但是，包络解调分析的难点在于如何找到合 适或最优的解调频带。针对此问题，D w y e r ［7］提出了谱 峭度方法，此方法通过寻找最大峭度值对应的频带，从 ChaoXing 而在该频带内检测信号中的瞬态成分；A nt o ni ［8］提出了 两种计算谱峭度的方法一种是基于短时傅里叶变换 进行计算，其在找到中心频率与带宽后，最大化峭度 值；另一种是基于滤波器组结构，提出了快速谱峭度算 法，提高了计算速率［9］。 L e i等［10］提出了改进的谱峭 度方法，即利用小波包变换从噪声信号中检测瞬态； B a r s z c z等［11］提出了P r o t r ug r a m方法，该方法求得包络 谱的峭度，而非滤波时间信号的峭度，但是当信号中包 含较强非高斯噪声时，K ur t o g r a m检测到的最大峭度值 将会减小，导致所检测的频带不准确；而且该方法是基 于固定解调带宽，需要轴承先验知识。 Wa ng等［12］提出 了增强K ur t o g r a m ，其滤波信号包络谱的峭度可用来显 示是否存在故障频率。 但是，目前这些方法在处理低信噪比或含有非高 斯噪声的振动信号时会受到限制，影响识别解调频带 的准确性。对此，最近，M o s hr e f z a de h等［13］提出了自相 关谱峭度图（A ut o g r a m ）方法，该方法通过限制原始信 号中的非周期脉冲及噪声来检测周期性脉冲，能够有 效地抑制非周期分量对实际故障频率的影响，提高检 测频带的准确率和检测到瞬态信号，自动识别出转频 及其故障频率。但是，此方法故障特征不明显，为了得 到更清晰的故障特征，消除噪声干扰，在自相关谱峭度 图的基础上，本文提出了一种基于最小熵解卷积（M i ni - m umE nt r o py D e c o nv o l ut i o n， M E D ）和自相关谱峭度图的 滚动轴承故障诊断方法。该方法利用M E D ［14］突出故障 特征频率的优势，有效弥补了A ut o g r a m的易受噪声干扰 的缺陷。仿真和实验分析结果都表明，所提方法能够准 确检测到最佳解调频带和突出故障特征。 1 理论基础 1. 1 自相关谱峭度图 A ut o g r a m是一种基于无偏自相关检测最佳解调频 带的新方法［15］，其能够有效地检测到淹没在随机噪声 干扰中的解调频带及故障特征。具体步骤如下 步骤1 划分频带。根据二叉树结构，采用最大重叠离 散小波包变换（M a x i m a l O v e r l a p D i s c r e t eWa v e l e t P a c ke t T r a ns f o r m ， M O D WP T ）划分频带［16］。 M O D WP T以最大重叠离散小波变换为基础，不仅 包含了其所有的优点，还可以进一步对高频段信号进 行分解，提高了信号的频率分辨率。基于M O D WP T的 频带划分具体可分为以下几步 （1）设定母小波函数，将信号分解为j层，共有2j 个不同频带的信号，提取各频带分解系数为 Wj ，n，t∑ L- 1 l 0 r n，lWj - 1，［n/ 2］，（t - 2j - 1l ）m o d N， （t0，1，，N-1）（1） 式中 m o d为两数的取余； L为滤波器的长度； N为维 数； n为随分解层数变化的索引。若nm o n 4 0或3， 则r n，l ｛ g ～ l｝；若nm o d 4 1或2，则rn，l｛ h ～ l｝。 而 ｛ g ～ l｝与｛ h ～ l｝分别表示最大重叠离散小波变换的尺度 滤波器及小波滤波器。 （2）采用各分解系数进行重构，得到重构信号 ｛Sj 0，Sj1，Sj2，，Sj i｝。 将M O D WP T作为滤波器应用于整个时间过程，在 每个分解等级上分离出具有不同频带与中心频率的信 号。此方法消除了离散小波包变换的降采样缺点，所 有分解层数保持相同的时间分辨率［17 - 18］。 步骤2 计算无偏自相关。轴承振动信号的二阶循环 平稳性可以利用周期性自协方差函数来表征［19］，如下 R x x（ti，τ ） E ｛x （ti-τ / 2）x （tiτ / 2）｝ （2） R x x（ti，τ ） Rx x（tiT ，τ ） （3） 式中 E ｛｝为期望值运算符； τ为延迟因子； x为在 步骤1中由最大重叠离散小波包变换过滤的信号。 无偏自相关是在信号平方包络基础上计算的，即 R ˆ x x（τ ） 1 N-q ∑ N - q i 1 X （t i）X （tiτ ） （4） τq / f s（5） 式中 X为滤波信号的平方包络；q 0，1，，N- 1。 由式（4）、式（5）可知，随着τ的增加，用于计算无 偏自相关的数据样本将减小，导致结果的估计方差不 足，因此只选择无偏自相关的前半部分进行分析。 无偏自相关可以去除信号中不相关的分量，如噪 声与随机脉冲。此外，信号的周期性部分得到增强。 它还将提高每个解调频带内信号的信噪比。本步骤得 到的是自相关，脉冲噪声在很大程度上被消除，使输出 结果更加精确。 步骤3 检测最佳解调频带。准确地检测到解调频带 对于诊断轴承故障至关重要。在寻找解调频带方面， 快速谱峭度计算滤波后的时间信号的峭度，而P r o t r u- g r a m则计算包络谱谱线的峭度［20］。不同于这两者，本 文是计算由步骤2产生的信号对应的每个节点的峭 度，其中节点代表分解级别与频带。 峭度是一种统计指标，可用于检测相关信号的故 障脉冲，定义为 k ur t o s i s ∑ N i 1 （x （t i） -μx） 4 ［∑ N i 1 （x （t i） -μx） 2］2 （6） 为了量化无偏自相关对每个节点的脉冲，对式（6） 进行修改，得到新的峭度方程 k ur t o s i s （X ） ∑ N 2 i 1 ［R ˆ x x（i ） -m i n（R ˆ x x（τ ））］ 4 ［∑ N 2 i 1 ［R ˆ x x（i ） -m i n（R ˆ x x（τ ））］ 2］2 （7） 911第18期 王兴龙等基于M E D与自相关谱峭度图的滚动轴承故障诊断方法 ChaoXing 通过引入阈值等级对式（6）进行修改。计算阈 值为 X T（i ） 1 k∑ i k - 1 j i R ˆ x x（i ） （8） 式中 X T为自相关的移动平均值，将其定义为阈值等 级； k为信号总长度N的一部分，表示平均加窗信号的 长度。 然后，根据式（6），结合阈值等级得到两个新方程 k ur t o s i s u（X ） ∑ N 2 i 1 R ˆ x x（i ） -X T（i ） 4 ［∑ N 2 i 1 R ˆ x x（i ） -X T（i ） 2 ］ 2 （9） k ur t o s i s l（X ） ∑ N 2 i 1 R ˆ x x（i ） -X T（i ） 4 - ［∑ N 2 i 1 R ˆ x x（i ） -X T（i ） 2 -］ 2 （10） 式中 N为原始信号长度；运算符号 和 -为 只取正值或负值； 由式（7）计算可得自相关谱峭度图（A ut o g r a m ），式 （9）计算得上自相关谱峭度图（U ppe r A ut o g r a m ），它可 以在信噪比较低的信号中，克服由于故障冲击被噪声 掩埋而导致无法检测到适当解调频带的缺点，式（10） 计算得下自相关谱峭度图（L o w e r A ut o g r a m ），它可以克 服由于非周期脉冲导致峭度值增大，从而使结果不准 确的缺点，减小调制的影响。这两种方法都是对A ut o - g r a m的补充。 选取最大峭度对应节点的信号进行下一步研究。 步骤4 故障诊断。将傅里叶变换应用到步骤3中的 信号，生成平方包络谱，识别故障频率，从而实现轴承 故障诊断。 A ut o g r a m虽然能够准确检测到解调频带及其故障 特征，但是在受到强噪声干扰时，其故障特征不易识 别。尤其是在A ut o g r a m的两项补充图中，由于阈值的 影响，导致故障特征不够明显。 1. 2 最小熵解卷积 M E D通过寻找一个最优逆滤波器，以峭度值达到 最大时为终止条件，尽可能的减小原始信号的混乱程 度，使其熵值达到最小，以实现突出少数大的脉冲、消 除背景噪声与环境干扰的目的。 将实际采集轴承数据的过程设为表达式 y （n） x （n）*c （n） a（n）（11） 式中 y （n）为原始信号，即输出的信号； x （n）为传递 函数，相当于一个系统； c （n）为输入信号； a（n）为噪 声； “*”为卷积运算。 输入信号在经过传递函数后，本身会变得复杂，导 致熵值增大。 M E D相当于解卷积的过程，将输出信号 y （n）还原到输入信号c （n）。输入信号具有一定的确 定性，脉冲信息较多，熵值较小。对式（11）进行解卷 积，此时不考虑噪声，得到新的输入信号为 d（n） φ （n）*y （n） ∑ L l 1 φ （n）y （n -l ） （12） 式中 φ （n）为逆滤波器； L为其长度。 目标函数法（O bj e c t i v eF unc t i o n M e t ho d，O F M），在 M E D中应用最广［21］。在实际应用中，一般选取4阶累 积量作为目标函数用来求解最优逆滤波器，即 O 4 2（φ （n）） ∑ N i 1 c 4（i ） ［∑ N i 1 c 2（i ）］2 （13） 原始信号经过该滤波器处理后，噪声成分减小，冲 击脉冲成分被突出，故M E D能有效的应用于强背景噪 声环境下的滚动轴承故障诊断。 1. 3 基于ME D与A u t ogr am轴承故障诊断方法 在噪声较大情况下，A ut o g r a m能够有效检测到最 佳解调频带，通过进一步分析得到故障频率，但由于噪 声影响，其故障特征不明显。尤其是上自相关谱峭度 结果图与下自相关谱峭度结果图，其故障特征受到更 大影响。因此，本文提出了基于M E D与A ut o g r a m轴承 故障诊断方法。利用M E D的特性，有效的突显出故障 特征。本文所提方法不仅能够准确地检测到最佳解调 频带，同时故障特征更加明显。所提方法具体步骤如 图1所示。 图1 所提滚动轴承故障诊断方法流程图 F i g . 1 F l o wc ha r t o f t hepr o po s e d f a ul t di a g no s t i cm e t ho d 2 仿真信号分析 为了证明本文方法的有效性，采用式（14）所示的 仿真信号进行验证，并将其与快速谱峭度以及自相关 谱峭度图进行对比。 x0. 8（0. 1 c o s （2π f rt ））（1 10s i n（2π f t ）） c o s （2π f nt ） （14） 采样频率为10 240 H z ，转频f r 22 H z ，共振频率 f n 4 000 H z ，故障频率f 120 H z ，信号中加入噪声，信 噪比为- 8 dB 。仿真信号长度为20 s ，为清楚观察信号 特征，仿真信号前2 s时域波形如图2所示。 021振 动 与 冲 击 2020年第39卷 ChaoXing 图2 仿真信号时域波形 F i g . 2 T i m edo m a i n w a v e f o r mo f s i m ul a t e d s i g na l 首先，采用常用的快速谱峭度方法对仿真信号分 析，其峭度图如图3所示。由图3可知，中心频率为 3 840 H z ，与共振频率4 000 H z差距较大，检测解调频 带不够准确。图4为经过滤波后信号的平方包络谱， 在识别故障特征时，二倍频处的故障特征明显高于一 倍频，与实际不符。 图3 仿真信号快速谱峭度图 F i g . 3 F a s t kur t o g r a mo f s i m ul a t e d s i g na l 图4 仿真信号滤波后平方包络谱 F i g . 4 Squa r e e nv e l o pe s pe c t r umo f s i m ul a t e d s i g na l a f t e r f i l t e r i ng 接下来采用A ut o g r a m对仿真信号分析，A ut o g r a m 峭度图如图5所示。检测到中心频率为4 000 H z ，与设 置的共振频率完全符合。经A ut o g r a m处理后得到的平 方包络谱如图6所示。其中图6（a ） ～图6（c ）分别为 自相关谱峭度结果图、下自相关谱峭度结果图及上自 相关谱峭度结果图。从图6可知，点划线识别转频，线 虚线识别故障频率，两边点虚线识别频带。上、下自相 关谱峭度结果图，是对自相关谱峭度结果图的补充，下 自相关谱峭度结果图相对于自相关谱峭度结果图减小 了调制影响，故障频率更加明显。与自相关谱峭度结 果图相比，上自相关谱峭度结果图降低了噪声影响， 增大了故障特征，准确地检测到了解调频带。但是， 结果与快速谱峭度类似，故障特征频率一倍频不够 明显。 图5 仿真信号A ut o g r a m图 F i g . 5 A ut o g r a mo f s i m ul a t e d s i g na l 图6 仿真信号经A ut o g r a m滤波后平方包络谱 F i g . 6 Squa r e d e nv e l o pes pe c t r umo f s i m ul a t e d s i g na l f i l t e r e d byA ut o g r a m 最后，采用论文所提方法对仿真信号进行分析。 首先，利用M E D对原始信号进行预处理，得到去噪信 号如图7所示。将得到的去噪信号利用A ut o g r a m处 理，得到峭度图如图8所示。从图8可知，检测到中心 频率为4 000 H z ，与设置的共振频率相同。其平方包络 谱如图9所示。由图9可知，故障频率清晰可见，准确 地检测到解调频带，同时故障频率一倍频高于二倍频。 其诊断效果明显优于快速谱峭度和A ut o g r a m ，这说明 了本文所提方法的有效性。 121第18期 王兴龙等基于M E D与自相关谱峭度图的滚动轴承故障诊断方法 ChaoXing 图7 仿真信号M E D去噪后时域波形 F i g . 7 T i m edo m a i n w a v e f o r mo f s i m ul a t e d s i g na l a f t e r M E Dde no i s i ng 图8 仿真信号M E D去噪后的A ut o g r a m图 F i g . 8 A ut o g r a mo f s i m ul a t e d s i g na l a f t e r M E D 图9 论文方法的平方包络谱 F i g . 9 Squa r ee nv e l o pes pe c t r umo f t hepr o po s e d m e t ho d 3 实验分析 为了验证论文所提故障诊断方法的可行性和实用 性，本节将其应用于滚动轴承故障实验数据分析。实 验数据来自安徽工业大学自制滚动轴承模拟故障实验 台，如图10所示。实验轴承型号为6206- 2R S1 SK F ，滚 子个数为9，内径30 m m ，外径62 m m 。使用线切割技 术分别对轴承内圈、外圈、滚动体进行切割。选取滚动 轴承外圈深度0. 3 m m的故障进行试验，如图11所示。 实验过程所受载荷为5 kN ，实际转速为1 500 r / m i n，采 样频率为8 192 H z ，采样时间为20 s 。经计算，轴转频 f r 25 H z ，外圈故障频率fo 89. 25 H z 。 图10 滚动轴承模拟故障实验台 F i g . 10 T hes i m ul a t i o n f a ul t t e s t be nc h o f r o l l i ngbe a r i ng 图11 滚动轴承外圈故障 F i g . 11 F a ul t o f r o l l i ngbe a r i ngi nne r r i ng 为了对比，利用快速谱峭度对图12所示的实测信 号进行分析。峭度图结果如图13所示。检测到最大 峭度值为0. 4，中心频率为3 648 H z 。图14为经滤波 后信号的平方包络谱，由图可知，由于受到随机脉冲信 号以及强噪声的影响，快速谱峭度未能准确找到解调 频带，导致平方包络谱中的故障特征不明显。 图12 实测信号时域波形图 F i g . 12 T i m edo m a i n w a v e f o r mo f m e a s ur e d s i g na l 为了找到最佳解调频带，采用A ut o g r a m对实测信 号进行分析，得到峭度图如图15所示。检测到最大峭 度值为2. 6，中心频率为992 H z 。进一步计算得到其平 方包络谱如图16所示。与图14相比，故障频率及其 解调频带较为明显。下自相关谱峭度结果图作为自相 221振 动 与 冲 击 2020年第39卷 ChaoXing 关谱峭度结果图的补充，降低了无关冲击的影响。上 自相关谱峭度结果图中，相比于自相关谱峭度结果图， 减小了噪声影响。但是此方法仍存在故障频率不够突 出，特征不明显。 图13 实测信号快速谱峭度图 F i g . 13 F a s t kur t o g r a mo f m e a s ur e d s i g na l 图14 实测信号滤波后平方包络谱图 F i g . 14 Squa r ee nv e l o pes pe c t r umo f m e a s ur e d s i g na l a f t e r f i l t e r i ng 图15 实测信号A ut o g r a m图 F i g . 15 A ut o g r a mo f m e a s ur e d s i g na l 最后，采用本文方法对实测滚动轴承实验数据进 行分析。首先通过M E D对原始信号进行预处理，图17 为滤波后信号峭度值随M E D算法迭代次数的变化。 随着迭代次数的增加，其峭度值也在增加，逐渐趋于稳 定。说明经过M E D处理后，信号中的冲击成分得到 增强。 对预处理后信号（见图18）进一步采用本文所提 方法分析，得到峭度图如图19所示。检测到最大峭度 值为2. 6，中心频率为2 048 H z 。由此得到了其平方包 络谱如图20所示。由图20可知，故障冲击非常明显， 其他干扰和噪声成分被有效抑制。下自相关谱峭度结 果图中，故障特征占主导位置，减小了调制影响。上自 相关谱峭度结果图中，信噪比增强，故障频率更加明 显。因此，与上述快速谱峭度及A ut o g r a m等方法相比， 所提方法的诊断效果更明显。 图16 实测信号经A ut o g r a m滤波后平方包络谱 F i g . 16 Squa r e d e nv e l o pes pe c t r umo f m e a s ur e d s i g na l f i l t e r e d byA ut o g r a m 图17 滤波信号总峭度值随M E D迭代次数的变化 F i g . 17 C ha ng eo f t het o t a l kur t o s i s o f t hef i l t e r e d s i g na l w i t h t henum be r o f M E Di t e r a t i o ns 图18 实测信号经M E D处理后时域波形图 F i g . 18 T i m edo m a i n w a v e f o r mo f m e a s ur e d s i g na l a f t e r M E Dpr o c e s s i ng 321第18期 王兴龙等基于M E D与自相关谱峭度图的滚动轴承故障诊断方法 ChaoXing 图19 实测信号M E D去噪后的A ut o g r a m图 F i g . 19 A ut o g r a mo f m e a s ur e d s i g na l a f t e r M E D 图20 论文方法的平方包络谱 F i g . 20 Squa r ee nv e l o pes pe c t r umo f t hepr o po s e d m e t ho d 4 结 论 提出了一种基于M E D与A ut o g r a m的滚动轴承故 障诊断方法，将所提方法应用于仿真信号及实测数据 分析，并与现有的快速谱峭度及A ut o g r a m进行对比，得 到如下结论 （1）与快速谱峭度相比，所提方法能够限制信号 中的非周期脉冲和噪声的影响，准确检测到解调频带， 识别出轴承的故障频率。 （2）与A ut o g r a m相比，本文方法不仅准确的检测 到解调频带，同时故障特征明显，故障检测效果明显 提高。 综上所述，本文所提方法在信噪比较低和非高斯 噪声干扰情况下仍能够准确检测到合适的解调频带， 同时得到的故障特征更加明显。但是本文方法仍存在 不足之处，在划分频带时相比于快速谱峭度耗时较多， 仍需要进一步研究。 参 考 文 献 ［ 1 ］梅宏斌.滚动轴承振动检测与诊断［M］.北京机械工业 出版社，1995. ［ 2 ］荆双喜，杨鑫，冷军发，等.基于改进E M D与谱峭度的滚 动轴承故障特征提取［ J ］.机 械 传 动，2016，40 （4） 125 - 128. J I N G Shua ng x i ， Y A N G X i n， L E N G J unf a ， e ta l .F a ul t f e a t ur ee x t r a c t i o n o f r o l l i ngbe a r i ngba s e d o n i m pr o v e d E M D a nds pe c t r um kur t o s i s ［ J ］. J o ur na l o f M e c ha ni c a l T r a ns m i s s i o n， 2016，40（4） 125 - 128. ［ 3 ］刘永强，杨绍普，廖英英，等.一种自适应共振解调方法及 其在滚动轴承早期故障诊断中的应用［J ］.振动工程学 报，2016， 9（2） 366 - 370. L I UY o ng qi a ng ， Y A N GSha o pu， L I A OY i ng y i ng ， e t a l .A n a da pt i v e r e s o na nc e de m o dul a t i o n m e t ho d a nd i t s a ppl i c a t i o n i n e a r l yf a ul tdi a g no s i so fr o l l i ngbe a r i ng s ［ J ］.J o ur na lo f V i br a t i o n E ng i ne e r i ng ， 2016，9（2） 366 - 370. ［ 4 ］郑近德，程军圣，杨宇.一种新的估计瞬时频率的方法- 经验包络法［J ］.振动与冲击， 2012，31（17） 86 - 90. Z H E N GJ i nde ， C H E N GJ uns he ng ， Y A N GY u. Ane wm e t ho d f o re s t i m a t i ngi ns t a nt a ne o usf r e que nc y - e x pe r i e nc ee nv e l o pe m e t ho d［J ］.J o ur na l o f V i br a t i o n a nd Sho c k， 2012，31（17） 86 - 90. ［ 5 ］ R A N D A L L R B ， A N T O N IJ . R o l l i ng e l e m e ntbe a r i ng di a g no s t i c s at ut o r i a l ［J ］.M e c ha ni c a l Sy s t e m sa nd Si g na l P r o c e s s ， 2011，25（2） 485 - 520. ［ 6 ］王莉.基于阶比峭度图的变转速下滚动轴承故障特征提 取方法研究［D ］.重庆重庆大学， 2015. ［ 7 ］ D WY E RR .U s eo ft hekur t o s i ss t a t i s t i ci n t hef r e que nc y do m a i n a sa n a i d i n de t e c t i ngr a ndo m s i g na l s ［ J ］.I E E E J o ur na l o f O c e a ni cE ng i ne e r i ng ， 1984，9（2） 85 - 92. ［ 8 ］ A N T O N IJ . T he s pr c t r a lkur t o s i s a us e f ult o o lf o r c ha r a c t e r i z i ngno n- s t a t i o na r ys i g na l s ［J ］.M e c ha ni c a l Sy s t e m s a nd Si g na l P r o c e s s ， 2006，20（2） 282 - 307. ［ 9 ］ A N T O N IJ . F a s tc o m put a t i o n o ft hekur t o g r a m f o rt he de t e c t i o n o ft r a ns i e ntf a ul t s ［ J ］.M e c ha ni c a lSy s t e m sa nd Si g na l P r o c e s s ， 2007，21（1） 108 - 124. ［10］ L E I Y ， L I NJ ， H EZ ， e ta l .A ppl i c a t i o n o fa n i m pr o v e d kur t o g r a m m e t ho d f o rf a ul tdi a g no s i so fr o l l i ng e l e m e nt be a r i ng s ［J ］.M e c ha ni c a l Sy s t e m s a nd Si g na l P r o c e s s ， 2011， 25（5）