Matlab重载货运列车滚动轴承振动故障分析(5)
（2）中频段频谱(1一20KHz)。主要包括表面损伤引起的轴承元件的固有振动频率，受故障特征信号调制，经过滤波解调后可用来分析滚动轴承的局部损伤类缺陷。滚动轴承产生故障时，一般在2 Z ( =N/60为轴的旋转频率)频率段存在较明显的谱峰。此外，外界因素引起的 和Z 成分的高次谐波随着频率的增大，衰减很快，在2Z 处已经很小，选用该频段信号对滚动轴承进行诊断可在很大程度上减少外界因素的影响，获取信噪比较高的故障特征信号。
（3）高频段频谱(20KHz以上)。滚动轴承局部损伤引起的冲击在20KHz以上的高频段也存在能量分布，理论上对高频段信号的处理分析也能对轴承故障进行诊断。
图 2.4 振动信号的频谱结构
图2.4就是就是常规振动信号的频谱结构图，能很明显的看出信号的低频段，中频和高频段部分。
2.3 列车滚动轴承振动信号的检测
滚动轴承在运转过程中会产生备种异常和损伤，都会使其振动加剧，其振动信号中蕴含了丰富的故障特征信息。振动诊断法主要有以下优点:
（l）可以准确检测各类轴承的异常;
（2）故障早期就能发现异常，并能在线实时测定;
（3）振动信号来自滚动轴承自身，不需要另外添加信号源，
（4）振动信号的检测与分析处理相对比较简单。
3 小波变换的介绍基本原理及应用
3.1 简要介绍
这次课题选用的是小波变换处理的方法结合近似熵。因为传统的信号分析方法均基于傅里叶变换，是一种全局的变换，无法同时在时域和频域进行变换，不能反映信号的时频局部性质，不适合分析轴承振动等非平稳信号。小波变换能够同时在时域和频域对信号进行分析，能够良好地反映信号的时频局部性质，被誉为数学显微镜。小波变换包括小波分析和小波包分析。
通常，正常轴承运行时，加速度传感器采集的振动信号一般视为平稳信号。傅氏变换可以有效地对其进行分析。然而，滚动轴承发生局部损伤类故障时，运转中其它零部件会反复撞击损伤部位，产生一个周期性的冲击力，导致轴承座或其它零部件发生共振，生成一系列冲击振动，这种情况下振动信号变成了非平稳信号。值得注意的是，振动信号的频域分布能量随故障部位变化而变化。
当然，对于非平稳信号，必须同时在时域和频域上分析信号特征。常用的时频分析方法主要有:短时傅立叶变换(sTFT)、wigner-Ville分布和小波分析。STFT通过对非平稳信号加一滑动时窗，实现对信号的分段截取，转化成若干局部平稳信号。傅氏变换后，可以得到信号的一组局部频谱。STFT在时间和频率上的最高分辨率上受到Heisenberg不确定性原理的制约，所以只对缓变信号的分析适用。Wigner一Ville分布克服了sTFT的缺点，但分析多分量信号时将会产生交叉项，严重影响了其广泛应用。小波变换把信号分解在时间一尺度空间上，每一尺度对应一定的频带。小波变换还具有多分辨率分析的特点，拥有非常强的时频局部化分析能力，属于时频局部化分析方法，具有以下特点:一是窗口大小固定;二是形状、时间窗和频率窗可以改变。小波变换就是“既要看到信号的概貌，与此同时又要看到信号的细节”。由此，小波分析不仅可以分析平稳信号，还可以有效分析瞬变非平稳信号或者动态信号。
3.2 小波变换对于信号降噪的原理
在小波分析中，应用最广泛的是信号处理和图像处理[2]，而在这两个领域中，应用最多的就是信号（图像）的降噪和压缩。由于在正交小波中，正交基的选取比传统方法更接近实际信号本身，所以通过小波变换可以容易地分离出噪声或其他我们不需要的信息，因此在这类应用中的小波分析有着传统方法无法比拟的优势。