基于小波包和HHT的轴承故障诊断研究

Fault diagnosis of bearing based on wavelet packetand Hilbert--Huang Tran sformXu Peipei，Li Lizheng，Ruan Wenjie(School of Information Science and Engineering，Central South University，Changsha 410083，China)Abstract： In this paper，HHT，a method of processing non-stationary signals，is utilized to extract fault information.Signaltake wavelet packet firstly，and HHT extracts fault feature.Through simulation of experiment and the experiment of bearing， themethod of wavelet packet and HHT，compared with the method of HHT alone，prove the validity in fault diagnosis。

Key words：wavelet packet denoise；HHT；EMD；IMF；roling bearing滚动轴承是机械设备最为关键部件之- ，其损伤将直接影响设备稳定运行 ，因此轴承故障的分析与诊断-直 是 机械故 障诊 断技 术 中的重 要 内容 。由于轴 承信 号-般表现为非平稳、非线性，且易受随机噪声干扰 ，难以有效提取故障特征。Hilbert-Huang变换 1是-种新的信号分析 方法 ，被 认为是 近 年来对 以傅 里 叶变 换为 基础 的线性和 稳态谱 分 析 的重 大 突破 ，具有 很高 的应 用价值 。

1 小波包 降噪小波 包 变换 是在 小波 变换 的基础 上发 展起 来 的 ，具有 比小波 变换 更高 的分 辨率 。小波 包分 析最 基本 的应用是信号的消噪 ，小波包降噪f2]的步骤为：(1)信号小波包分解。选择-个小波 ，确定其所需要分解 的层 次 Ⅳ。

(2)计算最优树 (即确定最优小波包基)。计算-个给定 熵 的标 准 最优树 。

(3)小波包分解系数 的阈值量化。选择-个恰当的阈值 ，并对小波包分解系数进行阈值量化。

《微型机与应用》2013年第 32卷第 11期2 h；lbert-Huang变 换Hilbea-Huang变 换 是 HUANG N E提 出 的- 种 信号处 理方 法 ，是 由 EMD和 Hilbert分析 组成。

2.1 EMDEMD方法通过对非平稳信号中不 同尺度的波动或趋势 逐级 分解 ，来 获得 -系列 表征 信号 特征 时间尺 度 的固有 模态 函数 IMF(Intrinsic Mode Functions)。IMF满 足两个条 件3J：-是在整个序列中，极值点与过零点个数必须相当或相差不到-个 ；二是任何-个时间点上 ，信号局部极大值组成的上包络线和下包络线的均值为零。

经验模态分解[41步骤如下 ：(1)把原始信号作为待处理信号 ，确定该信号所有局部极值点，通过插值将全部极大值点和极小值点连接起来得到信号 的上 、下包络线 ，赛络线均值 m(t)，从待处理信号 (t)中减去均值 ，得：1(t) (t)-/TL(t) (1)通常 h。(t)-般不满足 IMF的定义 ，需重复上述步骤 k次 ，直到 h (t)是 IMF，记 c.(t) (t)为信号第-欢 迎 网 上 投 稿 81