典型轴承故障振动信号的MATLAB分析

合集下载

轴承matlab处理程序

1．数据导入matlab1.1启动Matlab软件1.2点击载入故障数据中的G2015，Workspace窗口出现：1.3取第一组数据G201，命令窗口输入：G201=G2015(1:1:20000);2. 数据预处理在测试中由数据采集所得的原始信号，在分析前需要进行预处理，以提高数据的可靠性和真实性，并检查信号的随机性，以便正确地选择分析处理方法。

预处理工作主要包括三个方面：一是除去信号中的外界干扰信号和剔除异常数据，如趋势项和异点；二是对原始数据进行适当的平滑或拟合；三是对原始信号的特性进行检验。

当然这些处理工作不是全部必需的，可以选—项或两项容，当认为原始信号获取工作十分可靠或原始数据简单可以直接判断的情况下，也可以不进行这些预处理工作。

以下所做数据预处理，故障轴承以G201为例，正常轴承以Z201为例，观察原始数据经过不同方法做处理前后的变化。

1.1零均值化处理（原理公式见报告P8）命令窗口输入：G201l=G201-sum(G201)/20000;%G201l为零均值处理后的数据。

“20000”为采样点数。

sum为求和语句subplot(2,1,1),plot(G201);subplot(2,1,2),plot(G201l);%显示G201与G201l 得到下面图形：从时域图形上看，是波形整体在Y轴的平移。

再看看频域变化，命令窗口输入：N=20000; %采样点数fs=10000; %采样频率f=(0:N-1)'*fs/N; %进行对应的频率转换G201p=abs(fft(G201)); %进行fft变换，G201p为G201进行fft变换后结果G201lp=abs(fft(G201l)); %进行fft变换，G201lp为G201l进行fft变换后结果subplot(2,1,1),plot(f(1:N/2),G201p(1:N/2));subplot(2,1,2),plot(f(1:N/2),G201lp(1:N/2 )); %显示G201与G201p的频谱图得到下面图形：ω处出现一个由直流分量产生的大谱峰（将从频域图可以明显看出，零均值后消除0=近达到45.4⨯），处理后避免了其对周围小峰值产生的负面影响，便于频域分析。

基于SVM的齿轮箱轴承故障诊断(含matlab程序)

基于支持向量机（SVM）的齿轮箱轴承故障识别一、轴承故障诊断1、概述轴承是旋转设备的一个重要部件，它提供重要的负载承受能力，以支撑转子系统抵抗静态的和动态的外力。

轴承构件，由于它的使用寿命长、负载能力高、能量损失低而被广泛应用于工业和公用设施，是大型机械装备(包括动力机械、机车车辆、泵与风机等)中的关键部件。

高速运转的大型机械装备，其轴承的载荷重且为交变载荷，而且工作环境恶劣，经常发生轴承性能劣化和损坏，影响整个装置的安全可靠性，一旦出现故障将导致严重的损失，有必要对轴承工作状态进行模式识别与诊断。

轴承根据工作的摩擦性质不同可分为滑动摩擦轴承（简称滑动轴承）和滚动摩擦轴承（简称滚动轴承）两大类。

本文所测得的数据来自实验室齿轮箱的滑动轴承，滑动轴承的特点有：(1)在高速重载下能正常工作，寿命长。

(2)精度高。

(3)滑动轴承可做成剖分式的，能满足特殊结构的需要。

(4)液体摩擦轴承具有很好的缓冲和阻尼作用，可以吸收震动，缓和冲击。

(5)滑动轴承的径向尺寸比滚动轴承的小。

(6)起动摩擦阻力较大。

通过对轴承进行故障诊断有以下优势：(1)早期预报、防止事故发生，降低事故发生率;(2)预知性维修，提高设备管理水平，降低维修费用，减少维修时间，增加运行时间;(3)提高设备的设计、制造水平，改进产品质量;(4)确定复杂机器的最佳工作参数，提高效率;(5)降低噪声，泄露等污染，保护环境。

2、滑动轴承失效形式（1）磨粒磨损进入轴承间隙的硬颗粒（如灰尘、砂粒等），在起动、停车或轴颈与轴承发生边缘接触时，都将加剧轴承磨损，导致几何形状改变、精度丧失，轴承间隙加大，使轴承性能在预期寿命前急剧恶化。

（2）刮伤进入轴承间隙中的硬颗粒或轴颈表面粗糙的轮廓峰顶，在轴承上划出线状伤痕，导致轴承因刮伤失效。

（3）咬合（胶合）当轴承温升过高，载荷过大，油膜破裂时，或在润滑油供应不足条件下，轴颈和轴承的相对运动表面材料发生粘附和迁移，从而造成轴承损坏。

MATLAB在汽轮机振动故障诊断中的应用

随着汽轮发电机组容量不断地增大。对大型汽轮发电机组在高速、满载、连续状态下可靠运转的要求也愈来愈高。对汽轮发电机组的运行状态实施监测并进行有效的故障诊断是保障汽轮发电机组安全正常运行的重要措施。
所谓故障诊断是指校核可测变量或不可测的估计变量是否在正常的运行范围内。故障诊断的方法有以下几类 :
MATLAB 的神经网络工具箱是以人工神经网络理论为基础 ,用 MATLAT 语言构造出典型神经网络的各种激活函数 (如 S 型、线性、竞争层、饱和线性等) ,提供了根据各种典型网络连接权值的修改规则 ,对网络进行的训练 ,设计者只需根据自己解决问题的实际情况 ,给出网络的初始条件和参数即可调用工具箱对神经网络进行设计和训练。
BP 算法解决了多层前向人工神经网络的训练
问题 ,在实际应用中有着重要的意义。然而 ,在实际计算过程中 ,还存在以下问题 :
(1) 从数学的角度来看 ,BP 算法是一个非线性优化问题 ,不可避免地存在局部极小值的问题。
(2) BP 算法的收敛速度慢。 (3) BP 网络的隐层个数的选取尚无理论上的指导。故在实际应用中需对 BP 算法进行修正。 1. 2 BP 网络的结构设计在应用人工神经网络进行故障诊断时 ,首先要确定 BP 网络的结构。网络的输入节点至少要等于系统的故障测量点的数目 ,也可以多定义一些节点输入 ,其数据可通过对测量数据进行适当处理获得。网络的输出节点的数目与要区分的故障模式的种类有关 ,若系统状态分为无故障和有故障状态 ( n 种故障) ,可选输出节点数为 n + 1 。故障诊断的人工神经网络的训练目标是输出节点为“1”时代表出现故障 ,为“0”时代表故障不出现。网络隐含层的神经元数 m 不容易选取 ,若 m 值选取得太大 ,将增加网络连接权数目 ,使网络的训练变得困难。如果 m 值选取得少 ,则不能保证精度。一般 ,在网络学习的初始阶段 ,隐含层的神经元数可取等于或略大于网络的输入节点数 ,并在网络的学习过程中进行比较调整。

轴承matlab处理程序的

1．数据导入matlab载入故障数据中的G2015，Workspace窗口出现：1.3取第一组数据G201，命令窗口输入：G201=G2015(1:1:20000);2. 数据预处理在测试中由数据采集所得的原始信号，在分析前需要进展预处理，以提高数据的可靠性和真实性，并检查信号的随机性，以便正确地选择分析处理方法。

预处理工作主要包括三个方面：一是除去信号中的外界干扰信号和剔除异常数据，如趋势项和异点；二是对原始数据进展适当的平滑或拟合；三是对原始信号的特性进展检验。

当然这些处理工作不是全部必需的，可以选—项或两项容，当认为原始信号获取工作十分可靠或原始数据简单可以直接判断的情况下，也可以不进展这些预处理工作。

以下所做数据预处理，故障轴承以G201为例，正常轴承以Z201为例，观察原始数据经过不同方法做处理前后的变化。

1.1零均值化处理〔原理公式见报告P8〕命令窗口输入：G201l=G201-sum(G201)/20000;%G201l为零均值处理后的数据。

“20000〞为采样点数。

sum为求和语句subplot(2,1,1),plot(G201);subplot(2,1,2),plot(G201l);%显示G201与G201l 得到下面图形：从时域图形上看，是波形整体在Y轴的平移。

再看看频域变化，命令窗口输入：N=20000; %采样点数fs=10000; %采样频率f=(0:N-1)'*fs/N; %进展对应的频率转换G201p=abs(fft(G201)); %进展fft变换，G201p为G201进展fft变换后结果G201lp=abs(fft(G201l)); %进展fft变换，G201lp为G201l进展fft变换后结果subplot(2,1,1),plot(f(1:N/2),G201p(1:N/2));subplot(2,1,2),plot(f(1:N/2),G201lp(1:N/2 )); %显示G201与G201p的频谱图得到下面图形：ω处出现一个由直流分量产生的大谱峰〔将从频域图可以明显看出，零均值后消除0=近达到4105.4⨯〕，处理后防止了其对周围小峰值产生的负面影响，便于频域分析。

基于Matlab的轴承故障诊断系统设计

基于Matlab的轴承故障诊断系统设计
戴虹
【期刊名称】《电脑编程技巧与维护》
【年(卷),期】2016(000)021
【摘要】采用Matlab编程实现了一个轴承故障诊断图形用户界面(GUI)系统.系统功能:(1)轴承故障特征频率的理论值计算;(2)轴承振动信号的波形显示;(3)轴承振动信号的功率谱分析;(4)基于Hilbert变换的故障特征频率检测,据此判断故障类型.利用该系统对实际的轴承振动信号进行检测,结果表明,该系统可准确地识别轴承外圈和内圈故障,且其设计过程可作为DSP课程中的教学案例.
【总页数】3页(P86-88)
【作者】戴虹
【作者单位】上海第二工业大学计算机与信息工程学院,上海201209
【正文语种】中文
【相关文献】
1.基于Matlab的滚动轴承故障诊断方法的研究 [J], 陈涛;李林
2.基于LabVIEW与MATLAB的改进VMD轴承故障诊断方法研究 [J], 逯全波;王海宝;陈根;岳以翛;郑岩
3.基于LabVIEW和Matlab混合编程的滚动轴承故障诊断系统 [J], 孙小明
4.基于C#和Matlab混合编程的轴承故障诊断系统 [J], 刘亚;王静;田新诚
5.基于Matlab的轴承故障诊断分析 [J], 严华;申雨
因版权原因，仅展示原文概要，查看原文内容请购买。

matlab轴承诊断的代码

matlab轴承诊断的代码
这里提供一个基于matlab的轴承诊断代码。

该代码可以对轴承进行故障诊断并给出具体的故障类型和程度。

其原理是通过对轴承振动信号进行分析和处理，提取出其中的特征参数，然后根据特征参数的变化情况来判断轴承的健康状况。

该代码主要包括以下几个部分：
1. 数据读取和预处理：从数据文件中读取轴承振动信号，并进行预处理，如滤波、降采样等。

2. 特征提取：通过傅里叶变换、小波变换等方法，提取出轴承振动信号的频域、时域等特征参数，如峰峰值、均方根值、功率谱密度等。

3. 特征选择：根据特征参数的重要性，选择出对轴承故障诊断最具有代表性的特征。

4. 故障诊断：根据特征参数的变化情况，判断轴承的健康状况，诊断出可能存在的故障类型和程度。

5. 结果输出：将诊断结果以图表等形式输出，方便用户进行分析和判断。

以上是该matlab轴承诊断代码的主要内容，通过使用该代码进行轴承故障诊断可以大大提高诊断效率和精度。

- 1 -。

matlab 轴承动力学

matlab 轴承动力学（实用版）目录1.MATLAB 简介2.轴承动力学概述3.MATLAB 在轴承动力学分析中的应用4.轴承动力学的发展前景正文一、MATLAB 简介MATLAB（Matrix Laboratory）是一款广泛应用于科学计算、数据分析和可视化的软件，它以矩阵计算为基础，为用户提供了高效的数值计算和符号计算功能。

在工程领域，MATLAB 被广泛应用于控制系统、信号处理、图像处理等多个方面。

二、轴承动力学概述轴承动力学是研究轴承在受力、运动和磨损等过程中所涉及的力学问题。

轴承作为机械传动中的重要部件，其性能直接影响到整个传动系统的稳定性、可靠性和寿命。

轴承动力学主要研究内容包括：轴承受力分析、轴承振动与噪声、轴承磨损与润滑等。

三、MATLAB 在轴承动力学分析中的应用1.轴承受力分析：MATLAB 可以方便地对轴承受力进行计算和分析。

通过建立轴承的受力模型，可以计算出不同受力条件下轴承的内部应力分布、接触应力等。

2.轴承振动与噪声：MATLAB 提供了丰富的函数和工具箱，可以用于模拟和分析轴承振动与噪声。

例如，使用传递函数和频域分析方法，可以研究轴承振动特性及其对传动系统性能的影响。

3.轴承磨损与润滑：MATLAB 可以用于研究轴承磨损与润滑机理。

通过建立轴承磨损模型，可以分析不同润滑条件下轴承磨损性能的变化。

此外，MATLAB 还可以用于优化润滑参数，提高轴承的使用寿命。

四、轴承动力学的发展前景随着我国工程技术的发展，轴承动力学在许多领域中的应用越来越广泛。

未来轴承动力学的发展方向包括：轴承性能优化、磨损寿命预测、智能化诊断等。

轴承故障诊断(matlab)

基于经验模态分解的轴承故障诊断方法Xx(大连大学，大连，116622)摘要：针对轴承故障诊断问题,提出一种基于经验模态分解( EMD, Emp iricalModeDecomposition)与切片双谱分析相结合的新方法. 将原始信号分解成不同尺度的固有模态函数( IMF, IntrinsicMode Function) ,求取IMF分量的包络,计算其对角切片双谱,提取由于二次相位耦合产生的非线性特征,得到轴承的故障特征频率. 通过对仿真信号进行分析,表明该方法克服了传统的基于EMD的包络功率谱方法不能抑制噪声的缺点,同时较传统高阶谱方法计算量更小. 给出了瑞典进口620522RS JEM SKF深沟球轴承诊断实例,说明了该方法的可用性.关键词: 故障诊断; 轴承; EMD; MATLABFault diagnosis approach for bearing based on EMDlichengchao(Dalian University, Dalian 116622)Abstract:A new ap roach based on the em irical mode decomposition ( EMD) and slicebi-spectrumwas presented for fault diagnosis on roller bearings. Original signalswere decomposed into a series of intrinsicmode functions ( IMFs) of different scales. Envelopes of the IMFswere extracted and a diagonal slice bi-spectrum for the envelopeswas computed to extract the non-linear feature deriving from the quadratic phase coupling, as well as the fault characteristic frequencies. An analysis on simulation signals shows that the drawback that traditional envelope spectrum methods based on EMD cannot inhibit the noise can be overcome by this app roach. Meanwhile, its computation load is less than traditionalhigh-order spectrum methods. A diagnosis instance of the bearing Sweden imports 6205-2RS JEM SKF was p resented to show the feasibility of this app roach.Key words:: fault diagnosis; bearings; emp iricalmode decomposition;matlab基于经验模态分解( EMD, Emp irical ModeDecomposition)的时频分析方法是1998年Norden E. Huang 等人创立的一种时频信号分析方法[ 1 - 3 ] ,尤其适用于非线性、非稳态的信号序列处理. 同时,该方法可自适应地提取故障冲击信号,避免了共振解调中心频率选择和多个固有频率共存的问题;此外,与小波分析技术相比,该方法不存在难于选取小波函数的问题,表现出更强的易用性.高阶谱分析技术[ 4 - 6 ]是近年来信号处理的新技术,是对非高斯、非线性、非因果信号处理和高斯噪声处理非常有用的分析工具,在理论上可以完全抑制噪声的影响,提高分析和辨识精度,同时更容易获得相位信息.传统的基于EMD的轴承故障诊断方法大多是利用包络的功率谱分析技术来实现的[ 7 ] ,但是,功率谱方法不能够抑制噪声对EMD方法的影响,使得EMD在工程中的使用受到了很大局限.为此,本文引入了切片双谱方法, 提出了基于EMD与切片双谱的轴承故障诊断方法.1 EMD方法的基本原理EMD 方法[ 1 ]的目的是通过对非线性、非平稳信号的分解获得一系列表征信号特征时间尺度的固有模态函数( IMF,Intrinsic Mode Function) ,使得各个IMF 是单分量的幅值或频率调制信号.IMF 要满足2个条件: ①整个数据序列的极值点与过零点的个数相等或最多相差一个; ②在任意时刻,由局部极大值点形成的上包络与由局部极小值点形成的下包络的均值为零. 这2个条件实际上使得分解得到的IMF 是窄带信号. 同时,EMD 分解方法还建立在以下假设上: ①信号至少有2个极点,一个最大值和一个最小值; ②特征时间尺度通过2个极值点之间的时间定义; ③若数据缺乏极值点但有形变点,则可通过微分数据一次或几次获得极值点,然后再通过积分来获得分解结果. 对任意一个实信号x ( t)进行EMD 的具体步骤是: 1) 确定x ( t)上的所有极大值点和极小值点;然后,将所有极大值点和所有极小值点分别用三次样条曲线连接起来, 将这两条曲线分别作为x( t) 的上下包络线. 计算出它们的平均值曲线m 1 ( t) ,用x ( t)减去m 1 ( t)得h 1 ( t) = x ( t) - m 1 ( t) (1) 如果h 1 ( t)不满足IMF 的条件,需要把h 1 ( t)作为原信号重复上面的步骤得到h 11 ( t) h 11 ( t) = h 1 ( t) - m 11 ( t) (2) 筛选k 次直到h 1k ( t)变为一个IMF ,即 h 1k ( t) = h 1 ( k - 1) ( t) - m 1k ( t) (3) 这样就从原信号中分解出了第一个IMF,称为第一阶IMF,记作 c 1 ( t) = h 1k ( t) (4) 2) 从原信号中减去c 1 ( t)得第一阶剩余信号r 1 ( t)r 1 ( t) = x ( t) - c 1 ( t) (5) 由于第一阶剩余信号r 1 ( t)还包含着更长周期的分量,因此,把r 1 ( t)作为新的原信号,重复步骤1,对后面的也进行同样的筛选,这样依次分解得到r 2 ( t) = r 1 ( t) - c 2 ( t)r 3 ( t) = r 2 ( t) - c 3 ( t)(6)… rn ( t) = rn - 1 ( t) - cn ( t) 直至剩余信号rn ( t)中的信息对所研究内容意义很小,或者变成一个单调函数不能再筛选出基本模式分量为止. 至此, 信号x ( t)已被分解成n 个基本模式分量ci ( t)和一个剩余信号rn (t) . 这样,由式(5)和式(6)得到: )()()(1t r t c t x n ni i +=∑- (7) 进一步,各个IMF 分量可通过Hilbert 变换进行包络解调. 但是,由于所分析信号的有限长度、信号的两端点不能确定是极点,那么,在进行三次样条插值的时候,必然使得信号的上下包络在信号的两端附近严重扭曲,即产生端点效应. 本文使用了文献[ 8 ]中的极值点对称延拓法来处理该问题. 2 双谱分析 2. 1 双谱的概念高阶谱分析技术[ 4 ]是现代信号处理的新技术,与功率谱相比具有如下特点: ①功率谱是实数,不包含相位信息,而高阶谱是复数,因而保留了相位信息; ②能抑制噪声的影响; ③保留了系统的非线性信息. 因此,用高阶谱分析振动信号更容易获得特征信息. 定义零均值平稳随机过程x ( t) ,其三阶累积量为 )()()([),(21213ττττ++=t x t x t x E c x (8)相应的累积量谱定义为x ( t)的k 阶累积量的k - 1维傅里叶变换,则三阶谱定义为双谱: )(exp[),(),(221121321321ττττττw w j c w w s x x +-=∑∑∞-∞=∞-∞=(9)本文采用双谱估计的直接法进行计算, 即将观测数据分段,利用FFT 计算数据段的离散傅里叶变换,进而估计各阶频域矩,利用累积量谱与矩谱之间的关系求得双谱估计]4[21^),(3w w xs 2. 2 切片双谱检测二次相位耦合现象当机械系统发生故障时, 系统往往表现出较强的非线性,产生二次相位耦合现象. 对于这种非线性耦合现象,仅用二阶统计信息如功率谱是很难从根本上解决问题的, 而双谱则可以定量描述二次相位耦合[ 5 ] . 但是用双谱计算二次相位耦合计算量大,不便于定量分析且二维图不够直观.当轴承发生故障时, 采样信号的特征为受干扰的冲击调制信号,即 )cos()]cos([)(01t w t w b t x Ni i ∑=+= (10) 式中,ωi 为调制源(包括轴承故障特征频率及其谐波频率) ;ω0 为载波频率; b 为任意常数. 因此故障轴承振动信号解调后的信号包含了故障特征频率的一簇谐波,且相位是互相关联的,即存在二次相位耦合现象[ 5 ] . 若设ωF 为轴承的故障特征频率,则双谱的(ωF ,ωF )处必然出现相位耦合现象,从而双谱在(ωF ,ωF )处会有明显的谱峰. 根据以上分析, 本文将切片双谱分析引入轴承的故障诊断方法之中,即记ω1 =ω2 =ω,则对角切片双谱估计为)(3),(3^21^w x w w x s s =. 当ω =ωF 时,必然出现明显的峰值,将峰值对应的频率与理论计算的轴承的故障特征频率相比较, 就可以得出正确的结论,同时减小计算量,增强频谱图的可视性.3 切片双谱抑制噪声对EMD 影响一般情况下,轴承的故障振动信号都带有大量高斯噪声,而传统的功率谱分析方法不能抑制高斯噪声对EMD 方法的影响.考察如下仿真信号: x ( t) = x 1 ( t) + x 2 ( t) + k ·n ( t) (11) 其中x 1 ( t) = co s (30π·t) cos (400π·t) (12) x 2 ( t) = co s (10π·t) cos (200π·t) (13) n ( t)为功率是1的高斯白噪声; k 为调节噪声大小的常数. 图1为无噪声时,即k = 0时信号x ( t)经EMD 分解得到的前2个IMF 分量的包络功率谱. 此时,可以清晰地观察到包络谱在30 Hz 和10Hz ,即相应调制频率2倍处有明显的峰值, 可以很好地分辨出调制频率. 图2为k = 3, 信噪比为1: 18时信号x ( t)经EMD 分解得到的前2个IMF分量的包络功率谱. 此时, IMF 包络谱在噪声的干扰下已经失去了意义. 图3 为无噪声时, 即k = 0时x ( t)的前2个IMF 分量的包络切片双谱图,从中可以观察到切片双谱在15 Hz 和5 Hz ,即相应调制频率处有明显峰值, 可以很好地分辨出调制频率. 图4为k = 3,信噪比为1: 18时x ( t)的前2个IMF 分量的包络切片双谱图, 此时, 仍然可以清楚的观察到15Hz 和5Hz 2处的峰值. 以上分析说明,切片双谱可以有效抑制噪声对EMD 方法的干扰. 这是因为高斯白噪声的功率谱密度在整个频域是均匀分布的, EMD 对高斯白噪声来说是一个二分滤波器组,分解所得的每一IMF 分量都服从高斯分布,且其IMF 的能量谱与相应的平均周期之积是一个常数;而且EMD 分解所得的IMF 分量的平均频率是严格从高到低排列的;因此,它会影响到所有的IMF 分量,并且对图1 无噪声时x( t)前2个IM F 分量的包络功率谱图2 k = 3时x( t)的前2个IM F 分量的包络功率谱图3 无噪声时x( t)前2个IM F 分量的包络切片双谱图4 k = 3时x( t)前2个IM F 分量的包络切片双谱IM F 分量的影响是从高到低逐渐减弱的. 而对于零均值的高斯过程,其三阶累积量和双谱为零,切片双谱作为双谱的一种特例, 其值也为零[ 3 ] . 在机械故障诊断中,故障信号常常是非高斯的,非故障信号往往是高斯的,因此通过切片双谱分析,可以降低高斯噪声的影响,更好地将EMD 方法应用于工程之中.4 轴承故障诊断实例此数据来美国西储大学轴承数据中心，测试实验台由一个1 491W 的电机,一个扭矩传感器/编码器,一个功率计和控制电路组成,选用620522RS JEM SKF 轴承进行测试,利用电蚀加工在测试轴承内圈引入单点故障,故障直径为0. 177 8mm,故障频率为129. 964 8Hz.振动数据被用连接在磁基外壳上的一个加速度传感器收集. 加速度传感器被安装在电机外壳上驱动端和风扇端的12点方向位置. 振动信号用一个16通道的DAT 记录仪收集,在Matlab 环境下做进一步处理,使所有数据保存为Matlab 文件格式( 1 . mat). 采样数据为驱动端轴承数据,采样频率为12 000Hz,电机转速为1 772 r /min.本文中使用Matlab 编程实现,首先对原始振动信号进行零均值化处理,并实施EMD 分解,对分解后IMF 分量进行包络解调,最后利用对角切片双谱分析提取轴承的故障特征. 具体流程如图5所示.图5 基于EMD与切片双谱的振动信号处理流程图6为故障轴承利用上述方法得到的切片双谱图. 该图显示,当轴承存在内圈存在点蚀时,最终得到的对角切片双谱在频率130 Hz处有明显的谱峰存在,这与数据中心提供的故障频率一致.图6内圈振动信号前2个IMF分量的包络切片双谱图7 钢球故障信号时域波形图5 结论本文将切片双谱分析引入了轴承的故障诊断,提出了一种基于EMD与切片双谱的轴承故障诊断方法. 通过对实例验证分析,得出如下结论:①切片双谱方法将双谱的二维函数计算转换为一维函数,减小了谱分析的计算量,同时增强了二维谱图的可视性. ②切片双谱可以有效抑制噪声对EMD方法的干扰,对于低信噪比的振动信号,亦可准确有效地提取故障信息. 因此通过切片双谱分析,可以更好的将EMD方法应用于工程之中.③该方法将EMD与切片双谱相结合,用以提取由于二次相位耦合产生的非线性特征,能较准确地提取到轴承的故障特征频率.参考文献(References)[1] 黄志坚,高立新,廖一凡. 机械设备振动故障检测与诊断[M ]. 化学工业出版社, 2010.6[2] 陈姗姗，李刚燕，何立波．滚动轴承现场故障诊断实用方法[J]．轴承，2008(5)：39—42．[3] 王超，罗允同，许凌祥．滚动轴承故障的Walsh诊断法[J]．应用力学学报，1994，1l(2)：33—39．[4] 徐晖，王丽丽，罗允同．滚动轴承早期故障振动信号的分离与诊断[J]．西安交通大学学报，1997，31(8)：99—104．[5] 李辉,郑海起,唐力伟. 基于EMD和包络谱分析的轴承故障诊断研究[ J ]. 河北工业大学学报,) [6] 肖洁，刘树林，上官长存，赵海峰. Walsh变换在滚动轴承早期故障特征提取中的应用.<轴承> 2010附件一程序：%采样频率fs=12000;load 1.mat;%故障xdata=X224_BA_time(1:1024); xdata=(xdata-mean(xdata))/std(xdata, 1);%时域波形figure(1);N=1024;plot(1:N,xdata,'k-');xlabel('时间 t/n');ylabel('电压 V/v');%db10小波进行4层分解%一维小波分解[c,l]=wavedec(xdata,4,'db10');%重构第1~4层细节信号d4=wrcoef('d',c,l,'db10',4);d3=wrcoef('d',c,l,'db10',3);d2=wrcoef('d',c,l,'db10',2);d1=wrcoef('d',c,l,'db10',1);%显示细节信号figure(2);subplot(4,1,1);plot(d4,'k-','LineWidth',2);ylabel('d4');subplot(4,1,2);plot(d4,'k-','LineWidth',2);ylabel('d3');subplot(4,1,3);plot(d4,'k-','LineWidth',2);ylabel('d2');subplot(4,1,4);plot(d4,'k-','LineWidth',2);ylabel('d1');xlabel('时间 t/s');%第1层细节信号的包络谱y=hilbert(d1);ydata=abs(y);y=y-mean(y);nfft=10240;p=abs(fft(ydata,nfft)); figure(3);plot((0:nfft/2-l)/nfft*fs,p(l:nfft/2),'k-'); xlabel('频率 f/Hz');ylabel('功率谱 P/W');功率谱图。

基于MATLAB的轴承故障诊断方法的研究

基于MATLAB的轴承故障诊断方法的研究陈涛【摘要】轴承被广泛应用于风力发电、直升机等各类机械设备中,由于其受到复杂载荷的作用并且工作环境较为恶劣,所以易受损坏.如果不能及时地发现轴承故障,则会造成更大的事故,甚至导致停产,造成经济上的损失.文章通过对轴承故障振动信号的采集,利用MATLAB软件对数据进行处理,力求在初期就能够及时发现故障,为维修提供科学依据,降低维修成本,并尽可能减少因轴承故障导致的停产时间.【期刊名称】《化工设备与管道》【年(卷),期】2011(048)006【总页数】3页(P41-43)【关键词】轴承;故障;诊断;MATLAB【作者】陈涛【作者单位】新疆克州特种设备检验检测所,新疆阿图什 845350【正文语种】中文【中图分类】TQ050.2;TH133.3轴承应用于机械装备的各个领域，准确及时了解机械装备中的重要轴承的运行状况，对于保障机械装备的正常运转有着十分重要的意义。

通过传感器对轴承作振动监测，获取轴承故障的大量信息，基于轴承故障的机理，分析其故障特征，从而对轴承故障作出科学的判断。

对采集来的振动信号作时频分析，是轴承故障诊断中常用的方法。

滚动轴承在运行过程中，其振动激励源主要有以下几方面:(1)制造、安装误差引起的振动:如表面波纹、粗糙度;滚动体大小不均;轴弯曲、轴承安装倾斜;轴承调整松紧程度。

(2)工作载荷作用引起的振动:不同部位承载滚子数不同，承载刚度发生变化，引起轴心起伏振动。

重载情况下，滚动体与内外圈接触产生变形，呈现非线性弹性。

(3)固有振动:滚动体与内外圈之间冲击产生的高频共振。

(4)故障引起的振动:滚动轴承内外圈或滚动体上发生局部故障(点蚀、裂纹、剥落、压痕等)，每当故障点经过受力区时，将产生冲击激励，引起附加的周期性冲击振动。

冲击振动发生的频率(周期)取决于故障部位，称为故障通过频率。

内圈通过频率(BPFI-Ballpass frequency，inner race):外圈通过频率(BPFO-Ballpass frequency，outer race):滚动体通过频率(BSF-Ball spin frequency):保持架频率(FTF-Fundamental train frequency):式中 d ——滚动体直径，mm;D——轴承直径，mm;Zb——滚动体数目;φ——接触角。

轴承故障诊断书籍附matlab

轴承故障诊断书籍附matlab
轴承故障诊断是机械工程中非常重要的一个领域，而Matlab是一个强大的工程计算软件，因此结合轴承故障诊断和Matlab的书籍将会为工程师和研究人员提供很大的帮助。

在这个领域中，书籍通常会涵盖轴承的基本原理、故障诊断技术以及如何利用Matlab进行相关的分析和模拟。

首先，一本优秀的轴承故障诊断书籍应该包括对轴承的工作原理、结构和常见故障的详细介绍。

读者可以通过学习这些知识来理解轴承故障的根本原因，为后续的诊断和分析奠定基础。

其次，书籍还应该介绍不同的轴承故障诊断方法，包括基于振动分析、声音特征、温度变化等多种技术。

这些方法的原理和应用场景都应该得到详细的阐述，以帮助读者理解如何选择合适的方法来诊断特定类型的轴承故障。

另外，书籍中还应该包括大量的案例分析和实际应用，以便读者能够通过实例了解故障诊断方法在实际工程中的应用。

这些案例可以帮助读者更好地理解故障诊断的过程和技术细节。

最后，书籍应该详细介绍如何利用Matlab进行轴承故障诊断的相关分析和模拟。

这可能涉及到信号处理、频谱分析、特征提取等方面的内容，读者可以通过学习这些知识来掌握如何利用Matlab工具进行轴承故障诊断的实际操作。

总的来说，一本优秀的轴承故障诊断书籍附带Matlab内容，应该从理论基础、实际应用和工程实践的角度全面介绍轴承故障诊断的相关知识，并结合Matlab工具进行相关分析和模拟，以帮助读者更好地掌握这一重要领域的知识和技能。

用MATLAB编写程序对机械振动信号进行剖析2

用。成都：西南交通大学出版社，2005.4 料
5，李培芳、孙晖、李江主编，信号与系统分析基础。北京：清华大学出版社， 2006.12
6，王宏主编，MATLAB 6.5 及其在信号处理中的应用。北京：清华大学出版社，2004.10
指导教师签字
说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。
的各种应用函数和一些相关的用户有好操作界面。而工具箱从深度
和广度上大大扩展了 MATLAB 主包的功能和应用领域。随着自身
的不断完善和发展，MATLAB 功能越来越强大，应用也越来越广泛。
2）信号测试技术与分析
随着机械工业不断向自动化、高精度、智能化等方向的发展，
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关，系电通，力1根保过据护管生高线产中0不工资仅艺料可高试以中卷解资配决料置吊试技顶卷术层要是配求指置，机不对组规电在范气进高设行中备继资进电料行保试空护卷载高问与中题带资2负料2，荷试而下卷且高总可中体保资配障料置2试时32卷，3各调需类控要管试在路验最习；大题对限到设度位备内。进来在行确管调保路整机敷使组设其高过在中程正资1常料中工试，况卷要下安加与全强过，看度并25工且52作尽22下可护都能1关可地于以缩管正小路常故高工障中作高资；中料对资试于料卷继试连电卷接保破管护坏口进范处行围理整，高核或中对者资定对料值某试，些卷审异弯核常扁与高度校中固对资定图料盒纸试位，卷置编工.写况保复进护杂行层设自防备动腐与处跨装理接置，地高尤线中其弯资要曲料避半试免径卷错标调误高试高等方中，案资要，料求编试技5写、卷术重电保交要气护底设设装。备备置管4高调、动线中试电作敷资高气，设料中课并技3试资件且、术卷料中拒管试试调绝路包验卷试动敷含方技作设线案术，技槽以来术、及避管系免架统不等启必多动要项方高方案中式；资，对料为整试解套卷决启突高动然中过停语程机文中。电高因气中此课资，件料电中试力管卷高壁电中薄气资、设料接备试口进卷不行保严调护等试装问工置题作调，并试合且技理进术利行，用过要管关求线运电敷行力设高保技中护术资装。料置线试做缆卷到敷技准设术确原指灵则导活：。。在对对分于于线调差盒试动处过保，程护当中装不高置同中高电资中压料资回试料路卷试交技卷叉术调时问试，题技应，术采作是用为指金调发属试电隔人机板员一进，变行需压隔要器开在组处事在理前发；掌生同握内一图部线纸故槽资障内料时，、，强设需电备要回制进路造行须厂外同家部时出电切具源断高高习中中题资资电料料源试试，卷卷线试切缆验除敷报从设告而完与采毕相用，关高要技中进术资行资料检料试查，卷和并主检且要测了保处解护理现装。场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。

基于matlab的滚动轴承特征参数提取与本质特征建模

基于matlab的滚动轴承特征参数提取与本质特征建模1. 引言1.1 概述：本文旨在基于Matlab 编程语言提出一种滚动轴承特征参数提取与本质特征建模的方法。

滚动轴承作为机械设备中常见的关键零部件之一，其故障可能导致设备的停机和生产下降。

因此，通过对滚动轴承进行故障诊断和预测能够有效地避免由于故障引起的不良后果。

1.2 文章结构：本文共分为五个主要部分：引言、滚动轴承特征参数提取方法、Matlab 在滚动轴承特征参数提取中的应用、滚动轴承本质特征建模方法与实验验证以及结论与展望。

其中，引言部分将介绍文章的研究背景和意义，并对文章其他部分进行简单概括。

1.3 目的：本文的目的是通过使用Matlab 编程语言，提出一种有效且可靠的滚动轴承特征参数提取与本质特征建模方法。

该方法可以从信号处理角度对滚动轴承进行故障诊断，并通过实验验证来验证模型的准确性和可行性。

此外，本文还将探讨滚动轴承本质特征建模方法在实际工程应用中的潜在价值和未来发展方向。

以上为"1. 引言" 部分的内容。

2. 滚动轴承特征参数提取方法2.1 滚动轴承工作原理滚动轴承是一种常见的机械元件，广泛应用于各种机械设备中。

它由内、外圈、滚动体和保持架组成。

当滚动体在内外圈之间滚动时，可以实现传递旋转运动和承受载荷的功能。

2.2 特征参数提取的重要性滚动轴承在使用过程中会受到各种工作条件和载荷的影响，因此可能会发生故障。

及早检测和诊断这些故障对于确保机械设备正常运行至关重要。

特征参数提取是故障识别和诊断的基础，通过对滚动轴承振动信号进行分析与处理，可以从中提取出代表其状态的特征参数。

2.3 常用的特征参数提取方法在滚动轴承故障诊断领域，常用的特征参数提取方法包括以下几种：(a) 时域特征：时域特征主要包括振幅、峭度、偏度、峰值因子以及能量等指标。

通过对振动信号的直接分析，可以获得反映滚动轴承状态的时域特征。

(b) 频域特征：频域特征利用傅里叶变换将时域信号转化为频域信号，并从频谱密度中提取出各个频带的特征参数，如峰值频率、能量谱密度等。

典型轴承故障振动信号的MATLAB分析

典型轴承故障振动信号的MATLAB分析引言：轴承是机械设备中常见的部件之一，其主要用于支撑轴的旋转。

然而，由于工作条件恶劣或长期使用，轴承可能会出现各种故障，如磨损、磨损、裂纹等。

这些故障会导致轴承振动信号的变化，通过对这些信号进行分析可以判断轴承的运行状态和故障类型。

MATLAB是一款功能强大的科学计算软件，广泛应用于信号处理、数据分析等领域。

在轴承故障振动信号分析中，MATLAB提供了多种方法和工具，可以方便地进行信号处理、特征提取和故障诊断等工作。

本文将介绍典型轴承故障振动信号的MATLAB分析过程，主要包括信号加载、预处理、时域分析、频域分析和特征提取等步骤。

一、信号加载首先，需要将轴承振动信号加载到MATLAB中进行处理。

可以使用MATLAB提供的读取函数，如`audioread`函数读取音频文件，或者使用`load`函数读取保存为MAT文件的信号数据。

加载后的信号数据通常是一个向量，表示时间序列上的振动幅值。

二、预处理信号预处理是信号分析的重要步骤，旨在去除噪声和干扰，提高信号质量。

常见的预处理方法包括滤波、去趋势、降噪和信号平滑等。

1. 滤波：可以使用MATLAB的滤波函数对信号进行滤波，如`lowpass`,`highpass`或`bandpass`函数，选择合适的频率范围进行滤波去除不需要的频率分量。

2. 去趋势：有时，信号会包含一些长时间尺度的趋势，可以使用MATLAB的降阶函数去除这些趋势。

常见的函数有`detrend`等。

3. 降噪：如果信号中包含噪声，可以使用MATLAB的降噪函数，如小波去噪`wdenoise`或基于统计的去噪方法对信号进行降噪处理。

4. 信号平滑：有时，信号可能因为采样不均匀或其他原因而出现抖动或震荡，可以使用MATLAB的平滑函数，如`smooth`函数对信号进行平滑处理。

三、时域分析时域分析是对信号在时间域上的特征进行分析，可以通过时域分析来了解信号的幅值、波形、周期性等信息。

典型轴承故障振动信号的MATLAB分析

典型轴承故障振动信号的MATLAB分析引言：轴承是机械设备中最常用的零件之一，在工业生产中起着至关重要的作用。

然而，轴承在长期使用过程中容易出现故障，导致机械设备的运转异常，进而影响生产效率。

因此，对轴承故障进行有效监测和分析是保证设备正常运转的必要手段之一、振动信号是最常用的轴承故障监测手段之一，本文将使用MATLAB对典型轴承故障振动信号进行分析。

一、轴承故障振动信号简介轴承故障振动信号是轴承发生故障时产生的特征信号，通过对这些振动信号的分析和处理，可以判断轴承是否存在故障，并进一步了解故障的类型和程度。

常见的轴承故障类型包括外环、内环和滚动体的故障，这些故障会产生不同的振动信号特征。

因此，分析轴承故障振动信号是诊断故障的关键步骤。

二、MATLAB分析轴承故障振动信号的步骤1.读取和预处理振动信号利用MATLAB提供的读取数据的函数可以读取轴承振动信号数据，例如使用"load"命令读取信号数据文件。

读取之后，可以对振动信号进行预处理，包括去除噪声和平滑处理等。

常用的预处理方法包括低通滤波和中值滤波等。

2.时域分析通过绘制振动信号的时域图，可以观察到振动信号的整体变化趋势和局部特征。

使用MATLAB的绘图函数可以绘制振动信号的波形图和功率谱图。

波形图可以直观地显示出振动信号的变化情况，功率谱图可以展示信号在不同频率上的能量分布情况。

3.频域分析频域分析可以将振动信号转换为频率信息，用于检测和诊断轴承故障。

使用MATLAB提供的快速傅里叶变换（FFT）函数可以将振动信号从时域转换为频域。

对于振动信号的频谱图，可以通过绘制振动信号的频谱图、阶次图和包络谱图等来分析振动信号的频率特征。

4.统计特征分析通过计算振动信号的统计特征，如均值、方差、峰值等，可以得到反映信号故障特征的参数。

使用MATLAB提供的统计函数即可进行计算。

这些统计特征可以用于区分故障和正常的振动信号，并判断故障的类型和程度。

基于Matlab的轴承故障诊断分析

相关性分析，概率密度分析及概率统计，在频域分析方面进行傅里叶变换，倒谱及功率谱密度分析，通过分析结果
及特征倍频分析认为轴承滚动体和外圈由于点蚀、磨损等原因出现了裂纹等表面损伤性故障。
关键词：故障诊断；滚动轴承轴承；频谱分析
中图分类号：TH133
文献标识码：A
文章编号：1006-7973（2021）02-0049-03
第 21 卷第 2 期 2021 年 2 月
中国水运 China Water Transport
Vol.21 February
No.2 2021
基于 Matlab 的轴承故障诊断分析
严华，申雨
（上海振华重工，上海 200125）
摘要：本文根据采集到的皮带轮轴承三个测点的正常信号及故障信号，基于 Matlab 平台对信号进行时域分析如
[5] Zhong.p-A ， Wang.H-R Liu.J-N ， etal ， Optimal Dispatching Model for Shenzhen Water Resources System[J].Journal of Hohai University Natural Sciences， 2003，31（6），616-620.
W1
W2
W3
正常
故障
正常
故障
正常
故障
均值
-0.14
0.12
0.05
-0.14
0.70
0.75
方差
13.2
128.4
13.5
637.8
3.3
33.4
峰峰值
29.8
174.1
31.1
278.6
15.5
61.5

基于Matlab的转子故障振动信号分析

毕业设计(论文)`题目：基于Matlab的转子故障振动信号分析院系机械工程系专业班级学生姓名指导教师基于Matlab的转子故障振动信号分析摘要随着机械行业的日益发展，转子等旋转机械的故障日渐趋多，转子的故障诊断技术受到越来越多的重视，并在世界范围内取得了长足的进步。

作为大型机器中不可或缺的部件，有着举足轻重的作用，但自身也存在缺点：造价很高，结构纷繁杂乱，如果出现受损的情况，则需要很长的时间来维修，故对其安全可靠性具有较高的要求。

对发电机及其转子进行状态监测和信号分析，避免更大事故的产生，对于安全生产具有重要意义，对于工业发展具有积极的推动作用。

转子故障类型主要有四种：转子不平衡、转子不对中、动静碰摩以及油膜涡动与振荡。

首先明确转子的故障类型及故障机理，掌握不同类型的故障特征，能够准确区分转子的几种故障类型。

然后应用Matlab软件，在Matlab软件中建立起转子故障图形程序，利用Matlab中的程序对仿真信号及故障数据进行分析，包括信号的时域图、频域图以及轴心轨迹图，最后与已知的故障机理进行比较，检验其正确性。

关键字：转子；Matlab；故障机理；信号分析ANALYSIS OF ROTOR FAULTVIBRATION SIGNAL BASED ONMatlabAbstractWith the development of the machinery industry, the rotor and other rotating machinery are becoming more and more common. Rotor fault diagnosis technology has been paid more and more attention, and has made great progress in the world. As an indispensable part of the large machine, although it has a pivotal role, it comes with own shortcomings: high cost, complex structure, a long time to repair the damaged. Therefore, it requires high safety and reliability. The condition monitoring and signal analysis of the generator and its rotor are of great significance to the safety production, and they play a positive role in promoting the development of the industry.There are four kinds of rotor fault types: rotor unbalance, rotor misalignment, static and dynamic rub impact and oil whirl and oscillation.First, the fault types and fault mechanism of the rotor are clearly defined, and the fault characteristics of different types of faults can be mastered. Establish a rotor failure graphics program in the Matlab software,and the use of Matlab program for the simulation of signal and fault data analysis includes the signal time domain, frequency domain and the axis trajectory Finally known failure mechanism were compared, to test its correctness.Keywords: rotor; Matlab; failure mechanism;signal analysis目录摘要 (I)Abstract (II)1绪论 (1)1.1课题背景 (1)1.2 国内外发展概况 (2)1.3 Matlab软件简单介绍 (2)1.4 课题研究内容 (3)1.5 本章小结 (4)2转子系统典型故障机理与特征 (5)2.1 转子不平衡 (5)2.2 转子不对中 (7)2.3 动静碰摩 (9)2.4 油膜涡动与油膜振荡 (10)2.5本章小结 (11)3振动信号分析方法及仿真分析 (12)3.1信号的时域分析方法 (12)3.2 信号的频域分析方法 (13)3.3 信号的轴心轨迹图 (14)3.4 仿真分析 (14)3.6本章小结 (15)4基于Matlab的转子故障振动信号分析 (17)4.1数据分析 (17)4.1.1转子不平衡 (17)4.1.2动静碰摩 (19)4.1.3油膜涡动和油膜振荡 (21)4.2本章小结 (23)5结论与展望 (24)5.1结论 (24)5.2展望 (25)参考文献 (26)致谢 (29)附录A 基于Matlab的转子故障振动信号分析仿真程序 (30)1绪论旋转机械是最常用的机械设备之一，如汽轮机、航空发动机、发电机等。

用MATLAB编写程序对机械振动信号进行分析2

燕山大学课程设计（论文）任务书院（系）：电气工程学院基层教学单位：说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。

年月日二、摘要1）MATLAB的简单介绍MATLAB是美国Mathworks公司开发的新一代科学计算软件：MATLAB是英文MATtrix LABoratory(矩阵实验室)的缩写；MATLAB是一个专门为科学计算而设计的可视化计算器。

利用这个计算器中的简单命令，能快速完成其他高级语言只有通过复杂此案出才能实现的数值计算和图形显示。

MATLAB是一种既可交互使用又能解释执行的计算机编程语言。

所谓交互使用，是指用户输入一条语句后立即就能得到该语句的计算结果，而无需像C语言那样首先编写源程序，然后对之进行编译，连接，才能最终形成可执行文件。

MATLAB语言可以用直观的数学表达式来描述问题，从而避开繁琐的底层编程，因此可大大提高工作效率。

MATLAB是解决工程技术问题的技术平台。

利用它能够轻松完成复杂的数值计算，数据分析，符号计算和数据可视化等任务。

MATLAB软件由主包和各类工具箱构成。

其中，主包基本是一个用C/C++等语言编写成的函数库。

该函数库提供矩阵（或数组）的各种算法以及建立在此基础上的各种应用函数和一些相关的用户有好操作界面。

而工具箱从深度和广度上大大扩展了MATLAB主包的功能和应用领域。

随着自身的不断完善和发展，MATLAB功能越来越强大，应用也越来越广泛。

2）信号测试技术与分析随着机械工业不断向自动化、高精度、智能化等方向的发展，在机械设备运行及生产过程中进行参量测试、分析与诊断等处理过程已成为必要环节，许多信号处理方法如时域统计分析、相关分析、相干分析、频谱分析等已经被广泛被应用与机械工程测试领域。

测试信号通常指的是被测对象的运动或状态信息。

测试信号可以用数学表达式描述，也可以用图形、图表等进行描述。

在工程测试中，有的信号可以用数学公式精确描述，而大量的测试信号却只能用数学公式来近似描述。

滚动轴承故障诊断(附MATLAB程序)

第二组实验轴承故障数据：Test2.mat 数据打开后应采用X105_DE_time作为分析数据，其他可作为参考，转速1797rpm轴承型号：6205-2RS JEM SKF, 深沟球轴承采样频率：12k Hz1、确定轴承各项参数并计算各部件的故障特征频率通过以上原始数据可知次轴承的参数为：轴承转速r=1797r/min；滚珠个数n=9；滚动体直径d=7.938mm；轴承节径D=39mm；：滚动体接触角α=0由以上数据计算滚动轴承不同部件故障的特征频率为：外圈故障频率f1=r/60 * 1/2 * n(1-d/D *cosα)=107.34Hz内圈故障频率f2=r/60 * 1/2 * n(1+d/D *cosα)=162.21Hz滚动体故障频率f3=r/60*1/2*D/d*[1-(d/D)^2* cos^2(α)]=70.53Hz 保持架外圈故障频率f4=r/60 * 1/2 * (1-d/D *cosα)=11.92Hz2.对轴承故障数据进行时域波形分析将轴承数据Test2.mat导入MATLAB中直接做FFT分析得到时域图如下：并求得时域信号的各项特征：（1）有效值：0.2909；（2）峰值：1.5256；（3）峰值因子：5.2441；（4）峭度：5.2793；（5）脉冲因子：7.2884；（6）裕度因子：9.1083：3.包络谱分析对信号做EMD 模态分解，分解得到的每一个IMF 信号分别和原信号做相关分析，找出相关系数较大的IMF 分量并对此IMF 分量进行Hilbert 变换。

s i g n a lEmpirical Mode Decompositioni m f 1i m f 2i m f 3i m f 4i m f 5i m f 6i m f 7i m f 8r e s .由图中可以看出经过EMD 分解后得到的９个IMF 分量和一个残余量。

IMF 分量分别和原信号做相关分析后得出相关系数如下：由上表得：IMF1的相关系数明显最大，所以选用IMF1做Hilbert 包络谱分析。