下载文档原格式
设备管理与维修2021翼5（上）基于谱峭度的滚动轴承故障诊断方法王星河，王红军，刘国庆（北京信息科技大学机电工程学院，北京100192）摘要：数控机床的轴承故障诊断中，谱峭度作为一种高阶统计量能在频域位置中显示出信噪比低信号的暂态成分，相较于传统解调分析方法需要依靠人的经验选取共振频带，谱峭度方法具有更高的准确性。
本文基于谱峭度方法能够发现信噪比低信号的冲击成分，利用该方法对轴承内圈故障数据进行处理，通过对结果分析，显示该方法能够有效诊断出轴承内圈故障。
关键词：轴承；故障诊断；谱峭度中图分类号：TH17文献标识码：B DOI ：10.16621/ki.issn1001-0599.2021.05.680引言数控机床在现代制造装备业中发挥着不可替代的作用，和机械、航天、铁路等各行业的发展都紧密相连，已经成为制造业发展不可或缺的基础设备。
数控机床的结构较为复杂，往往故障也较复杂和隐蔽[1]。
滚动轴承作为数控机床中的重要部件，出现故障时会影响机床的工作状况，严重影响产品的加工精度，因此及时发现轴承故障并排除是非常必要的[2]。
滚动轴承发生故障往往表现为振动变化，当滚动轴承未发生故障时，振动信号往往较为平缓，没有突变成分；但发生故障时，接触故障部位的元件就会发生冲击振动，其振动形式就会发生变化，因此，振动信号处理方法是识别轴承故障的主要方法[3]。
传统的运用解调分析方法处理轴承故障信号时，在对频域中的共振频带进行提取时[4]，要时预先压弯带应力修面。
毛坯位置固定，刚性好。
修面无接刀台阶，采用盘刀精修面，表面质量好，触摸无台阶痕迹。
3.2变形改进评价提前压弯毛坯修光面，利用材料的弹性变形使压板松开后毛坯自动回弹。
翻面后以光面定位，毛坯已提前形成两端翘起状态，从而保证了后续钳工校正零件。
3.3试验方案结果对比如表1所示，与变性补偿策略为最优方案，在经过5件零件的试验成功后，该方案已在机轮舱壁板上正式使用。
目前机轮舱壁板左右件均按该方案加工，已经交付560件，有效解决了该项目机轮舱壁板零件的质量瓶颈问题，大大提高了零件的交付合格率。
基于双树复小波和能量算子解调的滚动轴承故障诊断摘要：本文提出了一种双树复小波和能量算子解调的轴承故障诊断的方法。
针对轴承故障振动信号，首先利用双树复小波将该信号进行分解和重构，得到几个不同频带的分量，由于故障特征信号一般会调制在轴承系统的高频共振信号中，故应提取信号中高频调制频带，并利用能量算子解调，从而找到轴承故障的频率，来确定轴承的故障根源。
轴承故障振动实验和工程应用表明，该方法能正确地提取故障轴承在运行过程中引起的周期瞬态冲击信号，通过能量算子包络解调后，找到轴承的故障特征频率，从而有效地识别轴承故障类型。
关键词：双树复小波；能量算子解调；滚动轴承；故障类型中图分类号：TH 133. 3；TH165 文献标识码：AFault Diagnosis of Roller Bearing Based onDual-tree Complex Wavelet Transform and Energy Operator Demodulation作者：李洲统（绍兴天然气投资有限公司）Abstract：A new fault diagnosis method of roller bearing based on dual-tree complex wavelet transform and energy operation demodulationis proposed in this paper. The method is applied to the faultvibration signals of roller bearing. Firstly, the fault signals are decomposed and reconstructed into several different frequency band components through DT-CWT; Due to the high frequency resonance signalin bearing system modulated the fault feature signal, frequency modulation band should be extracted. Then frequency modulation band is modulated by energy operator demodulation. Thus fault frequency ofroller bearing can be identified. Finally, fault resource of rollerbearing can be determined by this method. The results of the roller bearing fault vibration experiments and engineering application show that periodic transient impact signal resulted from fault rollerbearing in operation is extracted accurately. Then, the fault feature signal is obtained by energy operator demodulation, and the fault characteristic frequency of roller bearing is found after that.Finally, the bearing fault types is identified effectively.Key words：Dual-tree complex wavelet transform, Energy operator demodulation, Roller bearing, Fault types1滚动轴承是机械设备中常用的零件,同样也是易损坏的零件。
基于小波变换和峭度的风力发电机组轴承故障诊断ZENG Jun;CHEN Yanfeng;YANG Ping;DENG Xiaowen【摘要】为实现对风力发电机组轴承故障的诊断,提出一种基于小波变换和峭度的诊断方法.首先应用自适应阈值小波降噪方法对风电机组中的振动信号进行降噪处理,凸显信号中的冲击成分;在此基础上,比较降噪后信号的峭度值与设定阈值,诊断风电机组轴承有无故障;确认有故障后,通过峭度图找出信号冲击成分最明显的频段,对故障源进行定位.实例验证结果表明,该方法能有效提高风电机组振动信号的信噪比,实现风力发电机组轴承故障的判断和准确定位.【期刊名称】《广东电力》【年(卷),期】2019(032)001【总页数】6页(P46-51)【关键词】小波变换;峭度;风力发电机组;故障诊断;故障特征参数【作者】ZENG Jun;CHEN Yanfeng;YANG Ping;DENG Xiaowen【作者单位】;;;【正文语种】中文【中图分类】TK83风能作为一种技术成熟的新能源，在过去几十年内得到了快速发展。
随着风力发电机组单机容量的增加，风力机的故障率和运行维修成本也变得越来越高。
据统计，对于陆上风电，其运行维修成本一般占风电场总收益的15%～20%；而对于海上风电来说，运行维修成本占其总收益的25%～35%[1]。
轴承作为大型风力发电机组的重要部件，其故障会导致大型风力发电机组整机工作不正常，严重的故障甚至会造成整个大型风力发电机组失效，从而导致高昂的维修费用[2]。
因此，轴承故障诊断在大型风力发电机组的故障诊断中占据极其重要的地位。
近年来，国内外的一些学者对大型风力发电机组轴承的故障诊断进行了大量的研究，并取得了一定的成果。
文献[3]中应用积分扩展的局部均值分解(local mean decomposition，LMD)方法克服LMD在处理非稳态信号时的端点效应，能更有效提取大型风力发电机组轴承振动信号的特征故障，实现对大型风力发电机组轴承故障的诊断。
基于双谱的模糊聚类滚动轴承故障诊断李成浩;张兴国;周东健;郭旭;张磊【摘要】为了能准确可靠地判别出机械设备中滚动轴承的故障类型，基于双谱能表征随机信号偏离高斯噪声程度的特性，提出一种模糊聚类的滚动轴承故障诊断方法。
基于滚动轴承运行过程中监测到的振动信号包含高斯噪声且具有非高斯、非线性特点，该方法在分析高阶谱理论的基础上，对双谱估计特征值进行阈值化处理，构成二值特征图并构造模板，通过测试样本与目标模板之间距离大小来进行不同类别的判断，实现对滚动轴承故障的诊断。
经实例验证，该方法有效实现了对滚动轴承故障的分类判别，并提高了判别的可靠性和准确性。
%In order to judge the fault type of machinery and equipment accurately and reliably , a diagnosis method based on bispectrum and fuzzy clustering for rolling bearingwas proposed with the help of fuzzy clustering representing the deflected level. Because vibration signals monitored in the rolling operation contained Gaussian noise , which also share a characteristis of non-Gaussian and nonlinear, this proposal, on the basis of analyzing he higher-order spectrum, eigenvalued threshold processing, constited 0-1 values characteristic graph, established template, and made different types of judgments by gap bettwne sample template and target template , and then obtained fault diagonosis of rolling bearing. Then by testing the distance between the template and the target sample sizes for different types of judgment, it is concluded that this method can present different judgments acoordingly, and increase the reliablity and accuracy.【期刊名称】《南通大学学报（自然科学版）》【年(卷),期】2014(000)002【总页数】5页(P32-36)【关键词】双谱;模糊聚类;滚动轴承;故障诊断【作者】李成浩;张兴国;周东健;郭旭;张磊【作者单位】南通大学机械工程学院，江苏南通 226019;南通大学机械工程学院，江苏南通 226019;南通大学机械工程学院，江苏南通 226019;南通大学机械工程学院，江苏南通 226019;南通大学机械工程学院，江苏南通 226019【正文语种】中文【中图分类】TH165+.3当滚动轴出现故障时，其产生的振动信号通常表现出较强的非线性、非高斯性和非平稳性特征[1-6].高阶累积量（higher order cumulants， HOC）方法是近年来发展迅速的新技术，可用来实现非线性信号、非高斯信号和盲信号的处理，已成为一种行之有效的有力工具，备受研究人员重视.高阶累量谱简称高阶谱，常用的高阶谱是三阶谱，即双谱[7－8].相比于功率谱，双谱的物理意义并不很清晰.零时延二阶矩表示信号的方差，零时延三阶矩表示信号的歪度.功率谱表征了随频率变化时信号能量的分布情况，相当于信号方差在频域的分解；双谱则可认为是信号歪度在频域的分解.虽然对双谱的解释不够严格，但能较容易说明双谱的性质.双谱表达了信号在频域的歪度情况，可用来描述信号非线性、非对称特征.三阶累积量能描述随机过程偏离高斯分布的程度，双谱是对三阶累积量的二维傅里叶变换，因此双谱能表征随机信号偏离高斯噪声的情况[9－12].基于双谱的此功能特性，本文提出一种模糊聚类的滚动轴承故障诊断方法.经实例验证，该方法有效实现对滚动轴承故障的分类判别，提高了轴承故障判别的可靠性与准确性.1 基本理论通过高阶矩与高阶累量的傅里叶变换来定义高阶累量谱，通过模糊聚类的方法进行故障分类[7].1.1 高阶累量谱的定义为了保证高阶矩和高阶累量的傅里叶变换存在，要求高阶矩和高阶累量是绝对可和的.设高阶矩 mkx（τ1，τ2，…，τk－1）是绝对可和的，即则定义k 阶矩谱为设高阶累量 ckx（τ1，τ2，…，τk－1）是绝对可和的，即则定义k 阶累量谱为高阶累量和高阶累量谱性质优良，适合用于处理随机信号.三阶谱[8]公式如下：1.2 双谱的特征描述双谱是高阶谱中阶数最低的，具有功率谱中不包含的相位信息.因其处理方法简单，理论基础成熟，在信号处理中得到广泛使用[13].双谱特征如下：1）一般是复数，即式中，φB（ω1，ω2）为双谱的相位； Bx（ω1，ω2）为双谱的幅值.2）双周期函数，周期为2π，即3）对称性好，有以下对称形式：Bx（ω1，ω2）双谱在ω1－ω2 平面的对称区域有12个，如图1所示.依据双谱的周期性和对称性特点，可通过已知某个三角形区域内的双谱得出全部双谱[14].1.3 模糊聚类基于目标函数的模糊聚类方法，主要通过构造目标模板与最近邻模板分类器，进而对不同类别的模板进行处理，实现模板匹配与模式识别.对于c 类问题，设类ωi（i=1，2，…，c）有Ni个训练样本分类的基本思路为：分别计算待识模式x 与各xj 之间的距离，通过比较将其判为距离最近的那个训练样本所属的类.基于上述原则，ωi 类的判决函数如式（9）：判决规则为：如果 dm（x）=mini=1，2，…，c[di（x）]，那么x∈ωm.上述方法中，仅根据待识别模式与已知类别的训练样本距离最近的一个来判定其类别，称之为最近邻法，又称作1-NN 法.为了增加分类的可靠性，考察待识别模式的k个最近邻样本，克服单个样本带来的偶然性.k个最近邻样本中哪一类样本最多，则将x 判别为哪一类，以此来提高分析的准确度.设k1，k2，…，kc 分别为待识别模式x 的k个最邻近样本属于ωi（i=1，2，…，c）类的样本数，定义ωi 类的判别函数为判决规则为：如果 dm（x） =maxi=1，2，…，c[di（x）]，那么x∈ωm.这种方法通常称为k-近邻法或k-NN 法.图1 已知状态的模板双谱估计平面图2 应用实例采用美国Case Western Reserve University 电气工程实验室的滚动轴承故障模拟实验台采集的轴承数据进行双谱特征分析.滚动轴承型号为SKF6205，设定转速为1 797 r/min，采样频率为12 kHz.经高阶谱处理后得到的双谱估计为矩阵，即一个二维数组.数组中数值很随机，且有大量数据的值接近0.将数组进行二值化处理，即把数组中的复杂数值处理为1 或者0.为此，需要找到一个合适的阈值，对得到的数组进行处理，大于这个阈值的就置1，小于这个阈值的置0.本文采用平均值法，即假设由双谱估计得到N×N 数组Bx（ω1，ω2），则阈值 T 可由 Bx（ω1，ω2）确定.为了对待测样本进行分类，我们对实验过程测取的不同故障模式的6205 型号滚动轴承振动信号进行模板构造，选用正常状态、外圈故障、内圈故障、滚珠故障滚动轴承测试信号，对其进行双谱分析.运用MATLAB 软件对采集到的4种数据进行分段，具体如表1所示.表1 4种数据分段表数据类型数据总个数随机截取长度对应双谱图正常状态 100 000 1 024 图1a内圈故障 100 000 1 024 图1b外圈故障 100 000 1 024 图1c 滚动体故障 100 000 1 024 图1d得到已知状态模板后，将其当做目标模板，在不完全充分但有一定事实根据的条件下，把通过待测状态得到的待测样板与目标模板进行比较.为防止出现偶然错误，进行多次试验，得到故障诊断结果见表2.其中：L1为待测模板和正常状态下模板之间的距离；L2为待测模板和内圈故障状态模板之间的距离；L3为待测模板和外圈故障状态模板之间的距离；L4为待测模板和滚动体故障状态模板之间的距离；L 为 L1， L2， L3， L4 之间的最小值.由表2可知，采用基于双谱的模糊聚类方法，无论待测滚动轴承是处于正常状态、内圈故障、外圈故障，还是滚动体故障，都可以准确地进行检测并判断出故障所在. 表2 故障诊断结果表序号待测样本种类 L1 L2 L3 L4 最小值L 诊断结果1 滚动体故障 18 151 14 238 10 462 8 196 8 196 滚动体故障2 滚动体故障 17 275 14 382 11 242 9 156 9 156 滚动体故障3 滚动体故障 17 849 17 620 12 832 7170 7 170 滚动体故障4 滚动体故障 17 387 15 946 11 730 7 724 7 724 滚动体故障5 滚动体故障 21 971 17 266 13 966 8 988 8 988 滚动体故障6内圈故障19 157 200 12 376 17 358 7 200 内圈故障7内圈故障 18 463 6 930 12 03418 480 6 930 内圈故障8内圈故障 21 547 8 658 14 698 18 300 8 658 内圈故障9内圈故障 19 093 7 620 12 700 16 278 7 620 内圈故障10 内圈故障 19345 6 624 12 652 17 790 6 624 内圈故障11 正常状态 1 626 18 751 15 73121 349 1 626 无故障12 正常状态 1 890 18 535 15 263 21 445 1 890 无故障13 正常状态 1 980 18 805 16 085 22 171 1 980 无故障14 正常状态 1 908 19 357 16 265 22 219 1 908 无故障15 正常状态 1 410 18 931 15 887 21 661 1 410 无故障16 外圈故障 15 561 12 692 6 936 14 430 6 936 外圈故障17 外圈故障 14 667 14 702 7 754 14 524 7 754 外圈故障18 外圈故障 16 159 13 062 7 394 14 640 7 394 外圈故障19 外圈故障 16 139 13 486 7 166 15 428 7 166 外圈故障20 外圈故障 14 587 13 722 7 094 13 560 7 094 外圈故障33 小结双谱估计可以有效地处理各种状态下轴承产生的非高斯信号、非线性信号；聚类分析方法可以准确地将不同种类的状态进行分类.两者相结合可以对滚动轴承的状态进行有效分类.经实例应用，对双谱估计特征值进行阈值化处理，构成二值特征图，构造模板，通过测试样本与目标模板之间距离大小来进行不同类别的判别，成功对滚动轴承进行故障诊断.参考文献：[1]何正嘉，訾艳阳，孟庆丰，等.机械设备非平稳信号的故障诊断原理及应用［M］.北京：高等教育出版社，2001：91-93.[2]秦树人，季忠，尹爱军，等.工程信号处理［M］.北京：高等教育出版社，2008：184-196.[3]李国华，张永忠.机械故障诊断［M］.北京：化学工业出版社， 2001：127-133.[4]刘文艺.风电机组振动检测与故障诊断研究［D］.重庆：重庆大学，2010.[5]王江萍.机械设备故障诊断技术及应用［M］.西安：西北工业大学出版社，2001：76-101.[6]刘勇兰.齿轮箱故障诊断中小波技术的应用［J］.南通大学学报：自然科学版，2006， 5（2）：41-43.[7]乐斌.轴承数据的Matlab 高阶谱分析［J］.自动化博览，2011（2）：52-53.[8]邵忍平，黄欣娜，刘宏昱，等.基于高阶累积量的齿轮系统故障检测与诊断［J］.机械工程学报，2008，44（6）：161-168.[9]李中原.旋转机械矢双谱分析及故障诊断应用研究［D］.郑州：郑州大学，2006.[10]林勇，周晓军，张文斌，等.基于形态小波理论和双谱分析的滚动轴承故障诊断［J］.浙江大学学报：工学版，2010， 44（3）：432-439.[11]王鲁豫，裴峻峰，凌翔韡.基于双谱估计的牙轮钻头故障诊断方法［J］.石油机械， 2010， 38（2）：43-45.[12]李军伟.双谱分析新方法及其工程应用研究［D］.郑州：郑州大学，2006.[13]马海波，周东健，黄希，等.基于K-S 距离的GM（1，1）的机械设备剩余寿命预测［J］.南通大学学报：自然科学版， 2013， 12（4）：82-86.[14]李思纯.声矢量信号双谱与互双谱估计算法［J］.声学技术，2008，27（5）：750-753.。
基于改进峭度图法的滚动轴承故障诊断张海峰;陈丙炎;宋冬利【摘要】针对在强烈背景噪声和随机脉冲干扰下滚动轴承故障信号难以提取的问题,提出了一种改进的峭度图方法进行滚动轴承的故障诊断.该方法先通过计算特定频带信号包络的功率谱幅值的峭度,再按照峭度最大原则确定最优解调频带,然后根据最优解调频带获得带通滤波后的解调信号,通过对解调信号进行频谱分析来识别滚动轴承的故障及其类型.通过仿真和试验两种方式,对比分析了改进峭度图法和快速峭度图法诊断滚动轴承故障的效果,验证了改进峭度图法的有效性.分析结果表明:改进峭度图法比快速峭度图法能够更加准确地确定共振频带,并且在强烈背景噪声干扰下也能准确识别轴承故障.【期刊名称】《城市轨道交通研究》【年(卷),期】2019(022)002【总页数】7页(P41-47)【关键词】滚动轴承;故障诊断;改进峭度图法;快速峭度图法【作者】张海峰;陈丙炎;宋冬利【作者单位】中车长春轨道客车股份有限公司国家轨道客车工程研究中心检修研发部,130062,长春;西南交通大学牵引动力国家重点实验室,610031,成都;西南交通大学牵引动力国家重点实验室,610031,成都【正文语种】中文【中图分类】U270.331+.2滚动轴承广泛应用于旋转机械设备，其健康状态对于旋转设备的正常运行至关重要。
为了保证旋转设备，尤其是大型旋转机械设备的持续运转，对滚动轴承进行早期故障检测具有重要意义。
1 轴承故障信号处理方法分析目前的滚动轴承故障诊断方法多采用振动加速度信号，通过提取故障冲击脉冲信号来识别轴承故障。
通常的做法是把脉冲信号分解成一系列由高频到低频的分量，以使一些分量所包含的特征信息更加明显。
但是如何提升分解效果，以及如何从分解的分量中选择合适的分量作进一步分析是一个值得研究的问题。
在滚动轴承的故障诊断中，常用峭度来检测故障冲击脉冲信号。
最小熵解卷积[1](MED)方法是通过对滤波后的信号进行频谱分析来识别轴承故障及其类型，但是，在强烈背景噪声干扰下，该方法的效果并不是很好。
双树复小波包和 ICA 用于滚动轴承复合故障诊断胥永刚;孟志鹏;陆明【摘要】针对滚动轴承复合故障信号特征难以分离的问题，提出将双树复小波包变换和独立分量分析（independent component analysis ，简称ICA）结合的方法应用到滚动轴承复合故障诊断中。
首先，利用双树复小波包变换将复杂的、非平稳的复合故障信号分解为若干不同频带的分量；其次，引入IC A对各个分量所组成的混合信号进行盲源分离，从而尽可能消除频率混叠；最后，对从混合信号中分离出来的独立信号分量进行希尔伯特解调，即可实现对复合故障特征信息的分离和故障识别。
试验结果表明，该方法可以有效地分离和提取轴承复合故障的特征频率，验证了方法的可行性和有效性。
【期刊名称】《振动、测试与诊断》【年(卷),期】2015(000)003【总页数】6页(P513-518)【关键词】双树复小波包变换;独立分量分析;盲源分离;频率混叠;复合故障【作者】胥永刚;孟志鹏;陆明【作者单位】北京工业大学北京市精密测控技术与仪器工程技术研究中心北京，100124;北京工业大学北京市精密测控技术与仪器工程技术研究中心北京，100124;北京工业大学北京市精密测控技术与仪器工程技术研究中心北京，100124【正文语种】中文【中图分类】TH133.3;TH165滚动轴承作为旋转机械最关键的零部件之一，其运行状态直接影响到整台机器的精度、可靠性及寿命等。
滚动轴承故障是导致机械设备运行过程中产生故障的主要原因之一,对滚动轴承故障诊断技术进行研究具有十分重要的意义。
目前，滚动轴承故障诊断方法大多只对单一故障进行了相关研究，而在实际工程应用中，故障往往不是单独出现的，而是同时发生几种故障形成复合故障。
当机械设备出现复合故障时，针对非平稳的并且故障源数未知的混合信号，有效地从混合信号中分离出单一故障信号对于准确判断轴承故障十分重要。
双树复小波变换(dual-tree complex wavelet transform,简称 DTCWT)[1-2]是近几年发展起来的一种具有诸多优良特性的新型小波变换方法，具有近似平移不变性、良好的方向选择性、完全重构性、有限的数据冗余性和高效的计算效率等优良性质。
第36卷第10期振动与冲击JOURNAL OF VIBRATION AND SHOCK Vol.36 No. 10 2017基于双树复小波包自适应T e a g e r能量谱的滚动轴承早期故障诊断任学平，王朝阁，张玉皓，王建国(内蒙古科技大学机械工程学院，内蒙古包头014010)主商要：针对滚动轴承早期故障特征信息难以识别以及带通滤波器参数设置依赖使用者经验等造成共振带不能 有效确定并自适应提取的问题，提出了频带幅值熵的概念。
在此基础上，将双树复小波包变换和T e g e r能量谱结合，提出了基于双树复小波包变换自适应T e g e r能量谱的早期故障诊断方法。
该方法首先利用双树复小波包将采集到的振动信号进行分解，并计算各子带的频带幅值熵。
然后将熵值按升序排列后依次作为阈值，提取频带幅值熵大于或等于阈值的子带，依据峭度指标确定最佳熵阈值和双树复小波包最佳分解层数，从而自适应并有效地提取出共振带。
最后对共振带进行T e g e r能量谱分析，即可从中准确地识别出轴承的故障特征频率。
通过信号仿真与工程实验数据分析验证了该方法的有效性与优越性。
关键词！频带幅值熵;双树复小波包;T e g e r能量谱；自适应共振带提取;轴承故障中图分类号：T H165;T H133.3;TP206 文献标志码：A D O I ： 10. 13465/j. c n k i. jvs. 2017. 10. 014Incipient fault diagnosis of rolling bearings based ondual-tree complexwavelet packet transform adaptive Teager energy spectrumRENXueping, WANGChaoge , ZHANGYuhao , WANGJianguo(In s titu te o f M echanical E n g in e e rin g，In n e r M ongolia U n ive rsity o f Science and T e ch n o lo g y，Baotou 014010，C h in a) Abstract! In vie w o f tlia t tlie incijD ient fa u lt feature in fo rm atio ns o f ro llin g bearings are d if ic u lt to id e n tify，and the param eters setting o f b a n d-p a s filte r depends on the u s e r, s e x p e rie n c e，w h ic h makes the resonance fre be e ffe ctive ly determ ined and e x tra c te d，the concept o f am p litu d e entropy o f frequ en cy band was in tro d u c e d.C o m bin in gthe techniques o f w avelet transform and Teager energy sp e ctru m，a ro llin g bearing in c ip ie n t fa u lt feature extractio n m ethod was proposed and nam ed a s the m etliod o f du a l-tre e com plex w avelet packet transform adaptive Teager energy spectrum.O rig in a l fa u lt signals were decom posed in to several d ife r e n t frequency com ponents through w avelet pack the a m p litu d e entropy o f each frequ en cy sub-band was c a lc u la te d.T hen the entropies were arranged in ascending ord erand in tu rn w ere adopted as a threshold to extract the sub bands w ith the entropy values greater than Based on the kurtosis in d e x，the o p tim a l threshold and the best d u a l tree com plex w avelet pack were d e te rm in e d，th u s，the resonance band was extracted ad a p tive ly and e ffe c tiv e ly.F in a lly，the Teager energy spectrum analysis o f t!ie resonance band was perform ed to id e n tify the frequ en cy o f t!ie be aring fa u land en gineering experim ent data a n a ly s is，the effectiveness o f the proposed m ethod was v e rifie d.Key words：a m p litu d e entropy o f frequ en cy b a n d; the du a l-tre e com plex w avelet packet tra n s fo rm；Teager energy spectrum；the adaptive resonance frequ en cy band extractio n；be aring f a u lt;滚动轴承是旋转机械中重要的元件，它为旋转结 构提供可靠稳定的支撑，设备运行过程中的大部分能 量都要传递到轴承上。
基于双树复小波包变换和1.5维谱的轴承故障诊断方法湛维明;石岩;王佳【摘要】针对滚动轴承故障识别困难这一问题,提出了基于双树复小波包变换和1.5维谱的诊断方法.首先通过双树复小波包变换将复杂的、非平稳的原始故障信号分解为若干个不同子带信号分量,继而利用峭度评价指标从分解所得结果中筛选出蕴含丰富特征信息的子带信号分量,将其视为最佳分量并做进一步包络解调运算,最后计算所得包络信号的1.5维谱,从中提取出轴承故障特征信息.实测信号分析结果表明,基于双树复小波包变换和1.5维谱的诊断方法能够实现滚动轴承故障类型的有效判定,具有一定工程应用价值.%To overcome the difficulty of fault diagnosis for rolling bearing,a diagnosis method based on dual tree complex wavelet packet transform and 1.5 dimension spectrum was proposed.Firstly,the complex and non-stationary original fault signal was decomposed into several different sub-band signal components using the dual tree complex wavelet packet transform,then the sub-band signal component containing the rich characteristic information was selected through the kurtosis evaluation index,and this signal component was regarded as the optimal component,then the envelope demodulation operation was performed on the optimal component.Finally,the 1.5 dimension spectrum of the obtained envelope signal was calculated and fault characteristic information of the bearing could be extracted.The analysis results of the measured signal showed that the diagnosis method based on dual tree complex wavelet packet transform and 1.5 dimensionspectrum could effectively judge the fault type of the rolling bearing,and had a certain value for engineering application.【期刊名称】《河南理工大学学报（自然科学版）》【年(卷),期】2016(035)006【总页数】6页(P848-853)【关键词】双树复小波包变换;1.5维谱;滚动轴承;故障诊断【作者】湛维明;石岩;王佳【作者单位】河北金融学院信息管理与工程系,河北保定 071051;燕山大学经济管理学院,河北秦皇岛 066004;河北金融学院信息管理与工程系,河北保定071051【正文语种】中文【中图分类】TH133作为旋转机械设备上的重要组成部件，滚动轴承的运行状态直接影响设备的整体性能及工作效率，如果能在轴承早期失效阶段实现故障的准确判别并及时排除隐患，对于确保设备安全稳定运行，避免出现连锁事故及经济损失具有重要意义，因此,寻找行之有效的滚动轴承故障诊断方法一直以来都是学术界和工程界的研究热点[1-2]。
