COT-SSD: 变转速滚动轴承微弱故障诊断新方法

本文主要探讨了在背景噪声干扰以及转速波动的复杂工况下，滚动轴承微弱故障的诊断挑战。针对这一问题，作者提出了一个创新的诊断策略，即结合计算阶次追踪（COT）和奇异谱分解（SSD）技术。COT算法首先对原始时域信号进行等角度重采样，这有助于处理信号的非均匀性，使其在频域中呈现更清晰的特征。接着，SSD算法被应用于重采样的角域信号上，通过奇异值分解，将信号分解为多个奇异谱分量，这些分量反映了信号的不同频率成分。 在这个过程中，作者强调了自适应构建的轨迹矩阵的重要性，它帮助提取出不同频率下的关键信息。通过融合峭度指标，能够筛选出最具代表性的奇异谱分量，这些分量包含了滚动轴承微弱故障的关键特征。进一步地，对选出的最佳奇异谱分量进行包络解调，以减少噪声影响，使故障特征更加明显。最后，通过对包络阶次谱的分析，尤其是那些幅值显著的部分，可以准确判断轴承的运行状态。 作者通过实际的滚动轴承内外圈故障测试信号分析，证实了该方法在变速工况下能有效地提取出微弱的故障特征信息。这种诊断方法克服了转速波动带来的非平稳性问题，以及背景噪声导致的信噪比降低，对于滚动轴承在风力发电机等高速旋转设备中的实时健康监测具有很高的实用价值。 这篇文章提供了针对滚动轴承变转速工况下微弱故障诊断的一种先进策略，展示了COT和SSD技术的有效应用，并通过实验验证了其在实际应用中的性能，为滚动轴承故障早期检测和预防提供了新的思路和技术支持。