基于EMD降噪与谱峭度法的滚动轴承早期故障诊断研究学术报告

一、作者与发表信息
本研究由大连理工大学机械工程学院振动工程研究所的苏文胜（博士生）、王奉涛、张志新、郭正刚、李宏坤共同完成，发表于2010年第3期的《振动与冲击》（Journal of Vibration and Shock）第29卷。研究得到教育部科学技术研究重点项目（109047）和国家自然科学基金（50805014）的资助。

二、学术背景与研究目标
滚动轴承是旋转机械的核心部件，其早期故障的微弱信号易被噪声淹没，传统共振解调法依赖人工经验选择带通滤波器参数，效率低下且效果不稳定。谱峭度法（Spectral Kurtosis, SK）虽能通过峭度最大化原则自动优化滤波器参数，但在强噪声背景下诊断效果有限。为此，本研究提出结合经验模式分解降噪（EMD Denoising）与谱峭度法的新方法，旨在提升早期故障特征的提取能力，减少对主观经验的依赖。

三、研究方法与流程
研究分为以下关键步骤：
1. 信号预处理与EMD降噪
- EMD分解：将原始信号分解为多个本征模态函数（IMF）。
- 降噪准则：提出两条创新准则筛选IMF：
- 互相关系数准则：通过IMF与原始信号的相关系数（公式1）剔除伪分量。
- 峭度准则：保留峭度值（公式2）大于3的IMF（正常轴承信号峭度≈3），重构信号以突出冲击成分。
- 效果验证：某石化厂混炼机轴承故障信号（采样频率12.8 kHz）经降噪后，峭度值从4.09提升至4.39，时域冲击更显著。

1. 谱峭度法优化滤波器参数

   • 理论依据：谱峭度（公式6）通过四阶谱累积量识别瞬态冲击的最佳频带，噪信比ρ(f)低时峭度值高（公式9）。
     
   • 快速峭度图：基于短时傅里叶变换（STFT）的二维图像（频率f vs. 窗长nw），自动确定最大峭度对应的中心频率与带宽。
     

2. 故障诊断实现

   • 带通滤波与包络解调：对降噪信号按峭度图参数滤波（如重构信号中心频率5.2 kHz，带宽800 Hz），再经平方包络和傅里叶变换提取故障特征频率。
     
   • 工程验证：诊断某NSK22338轴承内环故障（特征频率68.75 Hz），包络谱中故障频率及其倍频清晰可见（对比原始信号诊断效果提升显著）。
     

四、研究结果与逻辑链条
1. EMD降噪效果：重构信号低频干扰减少，高频共振成分增强，峭度值提升7.2%（图3 vs. 图2）。
2. 谱峭度法改进：降噪后快速峭度图最大峭度值从4.5升至14.3（图4c），信噪比显著提高。
3. 诊断对比：原始信号包络谱仅能模糊识别内环频率（图4b），而新方法明确显示故障频率及倍频（图4d）。
4. 逻辑关系：降噪为谱峭度法提供高质量输入，二者协同解决了强噪声下故障特征提取的难题。

五、结论与价值
1. 方法创新：首次将互相关系数与峭度准则结合的EMD降噪引入轴承诊断，克服传统EMD直接去除高频分量的局限性。
2. 工程价值：为复杂机械系统的早期故障诊断提供自动化解决方案，减少对经验的依赖。
3. 理论贡献：阐明了谱峭度法的物理意义（公式9）及其实用化路径（快速峭度图）。

六、研究亮点
1. 降噪准则创新：双准则筛选IMF，兼顾信号相关性（防伪分量）与冲击特征（峭度阈值）。
2. 流程高效性：EMD降噪与谱峭度法的串联设计，显著提升诊断效率（计算量低于小波变换等时频方法）。
3. 可扩展性：方法框架可适配其他旋转机械故障诊断场景。

七、其他价值
研究对比了小波变换（文献4-5）、STFT（文献6）等方法的不足，突显新方法在计算复杂度与诊断精度上的平衡。文献[14]的最小熵反卷积（MED）预处理虽能提升峭度，但本文方法更注重高频共振成分的保留，更适合轴承早期故障的微弱冲击检测。

（注：全文严格遵循术语规范，如“谱峭度（Spectral Kurtosis）”“经验模式分解（Empirical Mode Decomposition）”等首次出现时标注英文原词。）