INTRODUCTION OF WORK
论文介绍｜一种时频谱幅值调制方法及其在滚动轴承故障诊断中的应用
A time-frequency spectral amplitude modulation method and its applications in rolling bearing fault diagnosis
导读
2022年9月，北京工业大学智能诊断与检测课题组胥永刚教授团队，提出了一种名为时频谱幅值调制的信号处理方法，并将其成功应用于滚动轴承的故障诊断中。研究成果以《A time-frequency spectral amplitude modulation method and its applications in rolling bearing fault diagnosis》为题发表在中科院一区top期刊《Mechanical Systems and Signal Processing》上，硕士生姜祖华为第一作者，胥永刚教授为通讯作者。此项研究得到了国家自然科学基金面上项目的资助。
主要内容
滚动轴承是旋转机械的关键部件之一，其状态监测和故障诊断对工业生产安全具有重要意义。谱幅值调制（SAM）是一种经验的非线性滤波方法，可以自动提取滚动轴承的故障特征。然而，当环境噪声较强时该方法极易失效。为改进这一缺陷，本文提出了一种时频谱幅值调制（TFSAM）方法，该方法通过短时傅里叶变换计算时频域中的幅值和相位，从而获得更加准确和全面的幅值信息用于后续幅值调制过程。此外，本文还提出了一种最优幅值调制权重的选取指标以自动选择最佳平方包络谱。通过将所提方法应用于轴承故障仿真信号以及外圈、内圈和复合故障实验信号验证了该方法在滚动轴承故障诊断中的有效性。
论文创新点
1
2
3
方法原理
谱幅值调制方法将不同权重MO赋予信号幅值谱从而增强修正信号平方包络谱中的故障特征。然而，在整个幅值谱上施加权重会在突出轴承故障的同时放大噪声干扰并淹没微弱的故障信息，给特征频率的识别带来极大挑战。本文旨在解决谱幅值调制方法的以下缺陷：首先，SAM通过傅里叶变换计算信号的幅值谱用于幅值调制，这一操作会使各频率处的幅值受到整个时间过程的影响，称为傅里叶变换的平均效应，导致后续计算过程中不可避免地放大这一误差；其次，将最大平方包络谱作为最终结果仍会受到较多无关成分的干扰，需要针对不同信号自适应地选择最优幅值调制权重。
本文提出的时频谱幅值调制方法通过短时傅里叶变换计算时频域中的幅值和相位，从而获得更加准确和全面的幅值信息，有效避免了傅里叶变换平均效应的影响。同时，提出了一种指标以自动选取最优幅值调制权重，进一步优化结果的展示方式。TFSAM的流程及效果如下：
1 图1 时频谱幅值调制方法流程图（原文Fig.4）
1 图2 时频谱幅值调制效果（原文Fig.5）
1 图3 不同MO下修正信号时频图、波形及包络谱（原文Fig.6）
仿真验证
为模拟滚动轴承实际运行过程中的复杂工作环境，本文使用包含局部脉冲和调制干扰的轴承故障仿真信号验证时频谱幅值调制方法的有效性，并通过对比分析说明了所提方法的优越性：
1 图4 仿真信号波形及频谱（原文Fig.9）
1 图5 仿真信号的SAM结果（原文Fig.10）
1 图6 仿真信号的TFSAM结果（原文Fig.11）
1 图7 仿真信号的指标分析结果（原文Fig.12）
1 图8 仿真信号快速谱相关及0-6kHz增强包络谱（原文Fig.13）
实验验证
使用时频谱幅值调制方法处理由Spectra Quest Inc实验台采集的轴承外圈、内圈及复合故障实验信号，其中轴承外圈及复合故障信号的分析结果如下，由对比结果可知所提方法的效果优于传统谱幅值调制方法及快速谱相关，适用于实际情况下的滚动轴承故障诊断。
1 图9 Spectra Quest Inc实验台（原文Fig.14）
1 图10 外圈故障轴承，信号波形、频谱及包络谱（原文Fig.15）
1 图11 外圈故障信号的SAM结果（原文Fig.16）
1 图12 外圈故障信号的TFSAM结果（原文Fig.17）
1 图13 外圈故障信号的指标分析结果（原文Fig.18）
1 图14 外圈故障信号快速谱相关及不同频段增强包络谱（原文Fig.19）
1 图15 复合故障轴承，信号波形、频谱及包络谱（原文Fig.25）
1 图16 复合故障信号的SAM结果（原文Fig.26）
1 图17 复合故障信号的TFSAM结果（原文Fig.27）
1 图18 复合故障信号快速谱相关及0-6kHz增强包络谱（原文Fig.29）
推荐阅读：
CBAM增强残差卷积域自适应网络在跨机滚动轴承剩余使用寿命预测中的应用
基于因果路径的层次图卷积注意力网络在复杂机电系统故障检测中的应用
用于预测和健康管理的类ChatGPT大型基础模型：综述和路线图
