提出一種新的基于匹配追蹤算法的信號復(fù)雜度分析方法,運動軸承知識用于實現(xiàn)對滾動軸承故障沖擊頻率的精確提取,從而實現(xiàn)故障的探測和診斷。仿真信號和實驗信號的分析結(jié)果都表明本方法在強噪聲干擾下有很強的提取故障沖擊特征的能力,與包絡(luò)譜相比有明顯的優(yōu)勢。
   根據(jù)軸承知識得滾動軸承是應(yīng)用極其廣泛的零部件,然而它的失效也是導(dǎo)致設(shè)備故障最主要的原因之一,因此對于滾動軸承的狀態(tài)監(jiān)測和故障診斷,尤其是早期診斷,顯得尤為重要。軸承最常見的初期失效形是表面點蝕,缺陷產(chǎn)生時會產(chǎn)生周期性的沖擊振動,它的頻率取決于故障部位、轉(zhuǎn)速和軸承參數(shù),通過對這個故障頻率的提取便可判斷失效的位置。然而在實際采集的振動信號中往往包含復(fù)雜的干擾,尤其在故障早期特征成分十分微弱,導(dǎo)致故障特征可能淹沒在各種噪聲下,給分析帶來了困難。常用的軸承信號分析方法,包括倒譜分析、包絡(luò)分析等。此外,時頻分析方法如短時傅立葉變換、Wigner-Ville分布、小波,及高級信號處理技術(shù)如驗?zāi)Ｊ椒纸?EMD)、循環(huán)平穩(wěn)分析等為軸承障診斷技術(shù)的發(fā)展注入了新的思想。和以上這些方法相比,匹配追蹤是一種具有較強自適應(yīng)性和靈活性的方法,它使用特定的時頻字典將信號進(jìn)行稀疏分解。在故障診斷領(lǐng)域,學(xué)者們也提出了一些有意義的匹配追蹤算法的應(yīng)用,Feng將匹配追蹤方法用于齒輪故障的探測;Liu用匹配追蹤方法分析軸承信號,并從選取的分解原子得到時頻圖來診斷軸承故障;Lonescu F將其和遺傳算法結(jié)合用于實現(xiàn)軸承狀態(tài)的監(jiān)測和預(yù)測�；�于匹配追蹤的基本原理,從與上述研究不同的角度提出了一種新的方法來實現(xiàn)強噪下的軸承故障特征精確提取。

---