系列文章目录

提示：学习笔记
机械故障信号分析
共振峰

---

---

一、研究背景与意义

在工程实践中，可以通过测量和分析各种物理信号（如振动、声音、压力、温度等）来监测旋转机械设施的运行状态。基于振动的故障诊断技术在过去的二十年中受到了广泛关注，因为振动信号易于采集且对机器故障敏感。一般来说，通过振动信号分析进行旋转机械故障诊断需要关注并执行三个主要步骤：

1. ​​故障机理识别​​

• 建立传动元件故障与振动信号特征之间的映射关系

2. 特征提取​​

• 通过先进的信号分析方法从振动信号中提取故障引起的调幅(AM)和调频(FM)特征

3. 故障诊断​​

• 基于故障机理和提取的故障信号特征进行机器故障诊断

---

二、故障引起的调制效应分类

根据内在调制机理，故障引起的信号调制效应主要可分为三类：

1. ​​周期性脉冲模式​​

• 位于机械系统固有频率附近的周期性脉冲模式。滚动轴承元件故障或齿轮故障通常会诱发具有周期性调幅效应的循环脉冲。

2. 齿轮啮合调频分量​​

• 由齿轮故障引起的齿轮啮合调频分量。

3. 旋转调频分量​​

• 由转子故障引起的旋转调频分量。

除了在时频域中反映的调制模式外，故障相关振动信号的频域中还会出现具有故障引起的调制边带的特征频谱分布。或者故障引起的调制效应与特征频谱分布之间存在关系。

---

三、非平稳信号分析方法

调制效应是指信号的振幅或频率随时间变化的现象[15]。这种情况超出了基于傅里叶变换的经典平稳信号分析方法的处理能力，此时应采用非平稳信号分析方法。常用的非平稳信号分析方法大致可分为两类：时频分析(TFA)和信号分解。

3.1 时频分析方法

时频分析理论的发展受到20世纪中期量子力学的启发。代表性的时频分析方法包括：

• 经典方
短时傅里叶变换、小波变换和以Wigner-Ville分布为代表的双线性分布

• 先进方法
时频重分配方法和参数化时频变换等

3.2 信号分解方法

信号分解是一个更近期的研究领域，始于20世纪末著名的经验模式分解(EMD)[23]方法的提出。在过去二十年中，随着一系列新颖的分解方法的提出，该领域经历了蓬勃发展的时期，包括：

• 原子分解

• 集合经验模式分解(EEMD)

• 经验小波变换(EWT)

• 变分模式分解(VMD)

• 变分非线性调频模式分解(VNCMD)

---