复局部均值分解与复包络谱：提升滚动轴承故障诊断准确性

本文介绍了一种新颖的滚动轴承故障诊断方法，结合了复局部均值分解（CLMD）和复信号包络谱（CSES）。这种方法针对传统单通道滚动轴承故障诊断面临的挑战，即不同测试方向的振动信号强度差异可能导致漏诊问题。首先，研究者采用两个互相垂直安装的加速度传感器，分别采集轴承在两个方向上的振动信号，并将这些实数信号组合成一个复数信号。CLMD作为一种自适应信号分解技术，能有效分离信号中的复杂成分，分解后的复数信号被分为实部和虚部包络信号，形成复包络信号。 复包络信号的关键优势在于其通过复傅里叶变换，能够显著增强信号的幅值并展现综合频率特性。这种特性使得从复包络信号中提取的故障特征频率更为清晰，有助于识别和定位滚动轴承的微弱故障和复合故障。通过对外圈不同位置的故障实验，作者证明了这种方法在增强故障特征方面表现出色，提高了诊断的准确性，尤其对于那些单通道方法难以识别的外圈故障具有明显的优势。 这种方法的应用领域主要集中在电力自动化设备中，对于保持设备正常运行、防止严重后果至关重要。它依赖于先进的信号处理技术，如CLMD和复傅里叶变换，克服了传统故障诊断技术在复杂工况下可能遇到的局限性。该研究不仅为滚动轴承的早期故障检测提供了新的视角，也为其他领域的高精度故障诊断提供了参考。因此，该研究成果对于提升工业设备健康管理和维护具有实际价值。