摘 要： 采用一種處理非平穩(wěn)信號的新方法—希爾伯特-黃變換HHT（Hilbert-Huang Transform）來進行滾動軸承故障特征的提取。將信號先進行小波包降噪處理，然后用HHT進行信號故障特征提取。通過實驗仿真和軸承故障診斷實例，對比沒有進行小波包降噪而直接進行HHT的結果，證明了此方法在軸承故障診斷中的有效性。
關鍵詞： 小波包降噪；Hilbert-Huang變換；EMD；IMF；滾動軸承
滾動軸承是機械設備最為關鍵部件之一，其損傷將直接影響設備穩(wěn)定運行，因此軸承故障的分析與診斷一直是機械故障診斷技術中的重要內容。由于軸承信號一般表現(xiàn)為非平穩(wěn)、非線性，且易受隨機噪聲干擾，難以有效提取故障特征。Hilbert-Huang變換[1]是一種新的信號分析方法，被認為是近年來對以傅里葉變換為基礎的線性和穩(wěn)態(tài)譜分析的重大突破，具有很高的應用價值。
1 小波包降噪
小波包變換是在小波變換的基礎上發(fā)展起來的，具有比小波變換更高的分辨率。小波包分析最基本的應用是信號的消噪，小波包降噪[2]的步驟為：
?。?）信號小波包分解。選擇一個小波，確定其所需要分解的層次N。
（2）計算最優(yōu)樹（即確定最優(yōu)小波包基）。計算一個給定熵的標準最優(yōu)樹。
?。?）小波包分解系數(shù)的閾值量化。選擇一個恰當?shù)拈撝?，并對小波包分解系?shù)進行閾值量化。
?。?）信號的小波包重構。
2 Hilbert-Huang變換
Hilbert-Huang變換是HUANG N E提出的一種信號處理方法，是由EMD和Hilbert分析組成[1]。
2.1 EMD
EMD方法通過對非平穩(wěn)信號中不同尺度的波動或趨勢逐級分解，來獲得一系列表征信號特征時間尺度的固有模態(tài)函數(shù)IMF（Intrinsic Mode Functions）。IMF滿足兩個條件[3]：一是在整個序列中，極值點與過零點個數(shù)必須相當或相差不到一個；二是任何一個時間點上，信號局部極大值組成的上包絡線和下包絡線的均值為零。經驗模態(tài)分解[4]步驟如下：
?。?）把原始信號作為待處理信號，確定該信號所有局部極值點，通過插值將全部極大值點和極小值點連接起來得到信號的上、下包絡線，取包絡線均值m（t），從待處理信號x（t）中減去均值，得：
h1（t）=x（t）-m（t）（1）
通常h1（t）一般不滿足IMF的定義，需重復上述步驟k次，直到h1k（t）是IMF，記c1（t）=h1k（t）為信號第一個IMF，也是最高頻率分量。
對比兩圖，可看到小波包能夠除去信號中噪聲的影響，而HHT具有良好的時頻分析能力。
4 滾動軸承故障診斷實例分析
在電動機的滾動軸承實驗臺上測量振動加速度信號。
在時域波形圖中，正常軸承和內圈、滾動體故障時域圖基本相同，而外圈故障表現(xiàn)為頻繁的沖擊成分。在頻域波形圖中，正常軸承頻率主要在低頻段，而故障頻率信息較為復雜，如外圈故障頻率在整個頻率段內都有分布等，故無法根據(jù)時、頻域波形圖進行故障分析。
采用本文中EMD方法，以軸承外圈故障為例，獲得EMD分解如圖5所示。圖5（a）故障信號分解為12個模式，c1~c11是IMF分量，分別為不同頻率分量段，第12個是殘余分量。圖5（b）經小波包降噪后信號分解為10個模式，可見小波包能很好地去除頻率的虛假成分，減少分解層次，使IMF分量更為集中在不同頻段。
圖6所示為邊際譜圖，圖6（a）的第一個故障頻率為107.3 Hz，而圖6（b）為106.5 Hz，其余為其倍頻，對比外圈故障的特征頻率理論值，可知用小波降噪后的HHT方法，能夠較為準確地反映外圈故障時的特征頻率。
本文通過Hilbert-Huang變換的方法，結合小波包的信號降噪處理能力，先對信號進行降噪處理，使信號得到更有效的分解模式；然后再由HHT獲得其邊際譜，來提取滾動軸承的故障頻率。通過以上實驗仿真及軸承故障實例分析，證明了小波包降噪和HHT的方法在滾動軸承的故障診斷中的可行性。
參考文獻
[1] HUANG N E， SHEN Z， LONGS R， et al. The empirical mode decomposition and the hilbert spectrum for nonlinear and nonstationary time series analysis[J]. Proc. R. Soc. Lond，1998，454： 903-995.
[2] 曾憲偉，趙衛(wèi)明，許曉慶.基于小波變換與小波包變換的降噪方法比較[J].地震地磁觀測與研究，2010，31（4）：14-19.
[3] 張仕海，等.EMD中異常事件處理及其在轉子動平衡中的應用[J].振動與沖擊，2012，31（7）：34-38.
[4] 徐美娟.基于EMD的Hilbert變換在齒輪檢測中的應用[J].機電信息，2012（3）：107-108.