emd和hilbert频谱在诊断滚动轴承故障的运用[外文翻译].doc

附件C：译文

EMD和Hilbert频谱在诊断滚动轴承故障的运用

1.摘要：
本文旨在以经验模式分解和Hilbert频谱为基础提出滚动轴承故障诊断的一种方法。本文将对局部Hilbert频谱和局部Hilbert边际谱进行相关介绍。用正交小波基将滚动轴承的振动信号转换成时间尺度域。通过高尺度域小波系数进行包络细化谱分析能够得到包络信号。通过对包络信号运用EMD和Hilbert变换我们能得到Hilbert边际谱，从而诊断出滚动轴承的故障类型。从有内圈缺陷或者外圈缺陷的滚动轴承中测得的实际振动信号都用以上方法分析。结果表明，在提取滚动轴承故障特征时本文所提方法比传统包络方法优越。
2.简介：
当滚动轴承运转时产生故障脉冲，进而产生了高频谱振动，振幅由脉冲力调制。包络分析法是提供了分析高频率冲击振动产生的故障信号的一个重要且有效的方法，它也在滚动轴承的故障诊断中已经得到了成功运用，但是在传统包络分析方法中，故障是通过包络谱的峰值来确定的。由此该传统方法有两大弊病，一方面，FFT在包络信号频谱分析中得到广发应用，但它只能解释大体能量频谱分布，并不能反映信号详情。所以当干扰信号比故障信号强时很难有效的进行信号分析，同时因为FFT把谐波信号视为基本组成部分，容易造成信号能量分散和缺失，这会导致能量泄露从而降低精确度。另一方面，滤波器的中心频率在形成包络信号时是由经验决定的，这会使结果存在主观影响，为了消除这两种弊端，我们将经验模式分解的包络分析法与Hilbert频谱结合起来诊断滚动轴承故障，局部Hilbert频谱和基于EMD的局部Hilbert边际频谱部分相关概念也作了相应介绍。EMD方法是基于信号的局部特征时间尺度，能够把复杂的信号分解为有限的内在模态函数之和。频率成分包含在每个IMF中，不只与样频率相关，并且随着信号本身变化。而且Hilbert频谱在同等问题上不会引起能量泄露和扩散，因此，EMD是自适应的信号分析方法，能够完美的运用于非线性和非稳定的信号处理。
本文将会提出一种滚动轴承故障分析诊断方法，为了分离滚动轴承故障振动信号的故障特征，该方法按以下程序进行。首先，为了减少低频率噪音的影响，滚动轴承的故障振动信号将由小波包分解。其二，包络信号从用Hilbert转换对高