关于平方包络谱的旋转机械故障诊断

在滚动轴承的故障诊断中，对于平稳的振动信号，FFT 变换可以很好地确定信号中都存在着哪些频率成分，但对于非平稳信号，信号的全部时域信息无法进行整体变换分析，效果并不理想。Hilbert 变换则具有了时间域上的定位功能，能够求取信号在某一时刻点的瞬时幅值、频率和相位。通过对 Hilbert 变换后的信号进行 FFT 变换，可以提取出慢变信号的频率，降低无关频率的干扰，提高故障特征频率的振幅，从而更加适用于具有冲击性的故障信号处理中。滚动轴承在故障状态所产生的冲击信息十分突出，利用包络谱分析法能够对边频进行准确的定位，能够快速获取调制信号，从而准确判断出轴承的故障类型。

平方包络谱算法是在包络谱算法的基础上，在求解振动信号的解析信号时，同时求解出解析信号的共轭信号，然后对共轭解析信号和解析信号进行求积，就可以得到振动信号的平方包络信号。相比包络谱算法，平方包络谱信号能够抑制噪声及其他无关信号，使得频谱更加清晰明了。

滚动轴承发生故障时，故障冲击随着轴承的旋转呈现出周期性，同时幅值调制特性也显现出来。轴承的故障特征频率将形成调制边频带，所以进行故障分析时，要首先进行调制边频带的解调，希尔伯特分析可以将调制边频带解调出来，再进行 FFT变换，就能够得到信号的包络谱。

经过包络解调后，对于剧烈故障冲击的调制边频带就能够解调出来，显示在包络谱上。但对于噪声较大，或者诸如在齿轮箱的工况下，轴承故障冲击信号就比较微弱，直接的包络谱效果并不明显，所以就需要将信号进行进一步的处理。Randall提出一种在包络谱基础上改进的平方包络谱算法，能够达到更好的包络解调效果，分析出滚动轴承故障的类型，其算法原理具体如下：

（1）第一步，对信号进行希尔伯特变换，得到：

（2）对希尔伯特解调出的解调信号进行共轭计算，得到其共轭解调信号：

（3）为了得到平方包络信号，对解调信号和共轭解调信号进行乘积运算，得到其合成信号即为平方包络信号：

平方包络信号进行 FFT 计算后，就可以得到平方包络谱。和包络谱相比，平方包络谱会扩大目标提取频率，使得谱图中得到的信号频率幅值相对噪声更加明显。

for k = 1:Nit
    
    for j = 1:J+1
        u{j} = soft(w{j}+d{j}, T(j)) - d{j};
    end
    
    d = tqwt_radix2(C*x - C*itqwt_radix2(u,Q,r,N),Q,r,J);
        
    for j = 1:J+1
        w{j} = d{j} + u{j};
    end
    
    % If cost function is to be computed...
    if COST
        res = x - itqwt_radix2(w,Q,r,N);              % residual
        costfn(k) = sum(abs(res).^2);
        for j = 1:J+1
            costfn(k) = costfn(k) + lam(j)*sum(abs(w{j}));
        end
    end 

平方包络谱程序下载链接：
https://mbd.pub/o/bread/mbd-Yp2Vl5du 

end