摘要：变转速条件下故障轴承的冲击间隔会相应的发生改变，导致以包络分析为代表以恒转速为前提的故障诊断方法失效。阶比分析因其在消除频谱模糊方面的有效性，成为处理变转速故障轴承信号最为常规的方法。然而，上述方法在对信号重采样的过程中存在幅值误差、包络畸变以及计算效率低等问题。为此，从滚动轴承的振动特性出发，提出了无需角域重采样的基于广义解调算法的滚动轴承故障诊断方法。整个算法主要包括五部分：（1）利用快速谱峭度算法确定最优带通滤波参数，并对原始振动信号进行滤波；（2）根据转速脉冲信号计算并拟合转速曲线；（3）通过转频方程以及滚动轴承的故障特征系数确定广义解调算法所需要的相位函数；（4）根据相位函数对滤波信号进行广义解调，对解调信号进行快速傅里叶变换（Fast Fourier Transform，FFT）获取解调信号的频谱图；（5）观察频谱图中的峰值，更改故障特征系数重复步骤（3）-（4），最终确定轴承故障类型。仿真及实测的故障轴承信号分析证明了新算法对变转速下滚动轴承故障诊断的有效性。
　　关键词：故障诊断；滚动轴承；变转速；瞬时故障特征频率；广义解调算法
　　引言
　　滚动轴承是旋转机械中使用较为广泛的一种通用机械部件，其故障也是导致设备停车的重要原因之一，为确保运行安全和减少维修时间，滚动轴承的健康检测受到越来越多的关注。其中以傅里叶变换为基础的包络分析技术是常用的方法之一。然而当转速变化时，上述方法因频率模糊现象而不再适用。实际工况中，变转速工作模式的机械设备普遍存在。与恒转速相比，变转速工作模式下的破坏性更强，滚动轴承也更易产生故障，因此对变转速工作模式下的滚动轴承进行故障诊断引起了学者的广泛关注。
　　阶比分析是变转速条件下滚动轴承故障诊断的有效方法，其原理是获得相对于参考轴的恒定角增量采样，将时域的非周期信号转化为角域周期信号以去除转速变化对振动信号的影响，进而消除以快速傅里叶变换方法为核心的分析结果中的频谱模糊现象。阶比分析的步骤主要包括滤波、角域重采样和频谱分析。然而，阶比分析因其有效性被广泛使用的同时，其产生的精度误差以及效率方面的缺陷也难以忽略。SAAVEDRA等对计算阶比分析算法进行了详细的分析与验证，认为对振动信号进行角域重采样时由于插值算法的精度难以控制，导致重采样信号的幅值精度产生误差。程卫东等指出当采用增加采样点的方法对轴承振动信号进行角域重采样时，不同转速时，插值的数据点不同会产生包络变形，即冲击包络的峰值点与该包络的起始点之间的间隔被缩短或者拉长，进而影响阶比谱的精度。在效率方面，等角度采样时标的获取过程需要求解大量的二次方程，计算压力较大，而且方程容易出现无解的情况。因此，寻找一种无需角域重采样即可对滚动轴承的健康状况进行判断的分析方法具有十分重要的意义。
　　广义解调算法是OLHEDE等提出的一种可以将时频分布是倾斜、非线性的非平稳信号转换成时频分布是线性的且平行于时间轴的平稳信号的分析方法，并在语音信号处理方面得到了较好的效果。基于广义解调算法适用于多分量的调幅一调频信号的特点，很多学者将其应用于机械设备的故障诊断。CHENG将广义解调算法进行了改进，并成功地用于多分量调幅-调频信号的分解；皮维提出了一种基于多尺度线调频基稀疏信号分解的广义解调算法，该算法是通过基于多尺度线调频基的稀疏信号分解，准确地计算出广义解调所需的相位函数，进而有效地应用于变转速工作模式下齿轮箱的故障诊断。FENG等利用广义解调对能量分解算法进行了改进，以去除其仅适用于单分量窄带宽信号的局限性，在变转速调制信号的时频分析中取得了理想的效果。
　　综上所述，本文舍弃了阶比分析算法，直接从故障軸承振动信号的时频特性出发，与广义解调算法相结合，提出了一种无需对信号角域重采样的基于广义解调算法的滚动轴承故障诊断方法。该方法的可行性主要包括以下两点，一方面，当滚动轴承发生故障时，其故障特征频率趋势线将在包络信号的时频谱中表现出明显的幅值优势并与转频曲线具有相同的变化规律。另一方面，广义解调算法可以将时频分布呈曲线变化的多分量非平稳信号转化为平行于时间轴的平稳信号，进而满足以快速傅里叶变换为核心的频谱分析方法的条件。仿真及实测的故障轴承信号的分析结果表明，基于广义解调算法的滚动轴承故障诊断算法可以有效监测变转速工作模式下滚动轴承的健康状况。