分数阶傅里叶变换在轴承故障诊断中的应用

邵岩+卢迪+杨广学

摘 要：在对滚动轴承微弱故障诊断时，故障信号容易受到噪声的干扰，为了获取滚动轴承数据的有效故障信息，研究用分数阶傅里叶变换（fractional Fourier transform，FRFT）的方法对滚动轴承工作中产生的微弱故障进行诊断。该方法可以将滚动轴承数据变换到分数阶域的空间中进行分析，在此空间中变换分数阶的阶次从而搜索提取出微弱故障的最大峰值，分析结果表明用分数阶傅里叶算法可以有效的降低其他分量和噪声的互相干扰，准确的提取目标分量，实验结果证实了该方法的有效性和可行性。

关键词：滚动轴承；分数阶傅里叶变换（FRFT）；故障诊断；

DOI：10.15938/j.jhust.2017.03.012

中图分类号： TN911.2

文献标志码： A

文章编号： 1007-2683（2017）03-0068-05

Abstract：In fault diagnosis of rolling bearings， the fault signal is easy to be interfered by the ambient noise， Therefore， an approach based on Fractional Fourier Transform（FRFT） is studied in this research to collect valid data of rolling bearing fault. With utilizing this approach， data can be analyzed by being converted into fractional domain， as well as 3D simulation. Consequently， the fractional can be changed to extract the weak fault to search for the maximum peak of weak fault. According to the analysis， the Fractional Fourier Transform algorithm is able to effectively reduce the mutual interference of other components and noise，and accurately extract the target component. Hence， the research findings are able to prove the validity and feasibility of the approach studied in this paper.

Keywords：FRFT； rotating machinery； fault diagnosis

5 結 论

分数阶傅里叶变换算法的应用对于实际旋转机械故障振动信号的分析起到了重要的作用，解决了这类信号在分析上具有非平稳，非线性的难题。在复杂的干扰环境中，能有效的对信号进行分离，克服了信号交叉项的干扰，尤其在微弱信号的分析中，对在背景噪生干扰很强的环境下，对微弱故障信号有很好的聚集性。本文轴承的振动干扰信号微弱，通过对目标的多重扫描，提高了对信号的时频分辨率，分离出微弱故障信号的最高峰值和振幅，本文所提出的算法能够在分数阶域上对噪声信号进行分离，为进一步提取信号的时域和频域特性提供了良好的条件。

参 考 文 献：

[1] 李兴林，张仰平，曹茂来.滚动轴承故障监测诊断技术应用进展[J].工程与试验，2009，49（4）：1-5.

[2] 林英祥，孙清磊，陈萍，等.冲击脉冲技术在滚动轴承诊断中的应用[J].海军工程大学学报，2013，25（4）：85-90.

[3] 陈金文，杨明发.异步电机故障早期检测技术综述[J].微电机，2014（1）：7-10.

[4] 张倩，张志新，王亮.基于振动测试的滚动轴承故障诊断技术进展[J].风机技术，2012（1）：67-70.

[5] 刘建国，赵治博，章国平，等.地铁车辆转向架轴承故障诊断方法研究[J].铁道学报，2015（1）：30-36.

[6] 刘金伟，王俊玲.机械故障诊断技术的现状及发展趋势[J].科技创新与应用，2013（19）：92-93.

[7] TIWARI R，KANKAR P，GUPTA K.Bearing Fault Diagnosis Using Radial Basis Function Network and Adaptive Neuro Fuzzy Classsifier[C]//Control，Automation，Robotics and Embedded Systems，2013 international Conference on.IEEE，2013：1-4.

[8] 曹婧华，赵飞，李聪，等.状态参数识别在齿轮箱故障诊断中的应用[J].哈尔滨理工大学学报，2013，18（3）：95-101.

[9] MARCO Cococcioni，BEATRICE Lazzerini，SARA Lioba Volpi.Robust Diagnosis of Rolling Element Bearings Based on Classification Techniques[J].IEEE Transactions on industrial informations2012，9（4）：2256-2263.

[10]王金福，李富才.机械故障诊断的信号处理方法：频域分析[J].噪声与振动控制，2013（1）：173-180.

[11]Aye S A，Heyns P S，Thiart C J H.Fault Detection of Slow Speeed Bearings Using an Integrated Approach[J].Ifac Papersonline，2015，48（3）：1779-1784.

[12]JONGHyo A，DAEHo K，BONGHwan K.Fault Detection of a RollerBearing System through the EMD of a Wavelet Denoised Signal[J].Sensors，2014，14（8）：15022-15038.

[13]TARAPHDER A，CHAKRAVERTY B K.Early Damage Detection of Roller Bearings Using Wavelet Packet Decompositionensemble Empirical Mode Decomposition and Support Vetor Machine[J].Meccanica，2015，50（3）：865-874.

[14]王见，李金同，卢华玲.采用STFTWigner交换抑制WignerVille分布交叉項[J].重庆大学学报，2013，36（8）.

[15]肖鹏，杨承志，吴宏超.基于STFT与WVD的LPI雷达信号检测[J].船舶电子工程，2014，34（8）：63-66.

[16]秦敏，刘志国，刘刚，等.基于加速度传感器的高频振动信号检测分析[J].测控技术，2013，32（5）：1-4.

[17]孙靖杰，赵建军，王汉昌，等.基于FRFTKPCA的模拟电路非线性故障特征提取[J].电机与控制学报，2013，17（8）：100-106.

[18]TOKSOY E，SANDIKCI A.Onfunction Spaces with Fractional Fourier Transform in Weighted Lebsgue Spaces[J].Acm Transactions on Graphics，2015，2015（1）：1-10.

[19]OZAKTAS H M，ANKAN O，KUTAY M A.Digital Computation of the Fractional Fourier Transform[J].IEEE Transactions On Signal Processing，1996，44（9）：2141-2150.

[20]唐先广，郭瑜，丁彦春，等.基于短时傅里叶变换和独立分量分析的滚动轴承包络分析[J].机械强度，2012，34（1）：1-5.

[21]陶然，邓冰，王越.分数阶Fourier变换在信号处理领域的研究进展[J].中国科学，2006（2）：113-136.

（编辑：温泽宇）