来源：www.55zhoucheng.com    时间：2018年9月5日

滚动SKF轴承是内燃机旋转连接处重要的零部件之一，其发生故障时会导致整个机器无法运转。论文首先系统研究了调制密度
分布（MID）的算法原理，其次通过仿真信号在理论上对其应用效果进行了分析，最后从外圈故障振动信号中分解出相关模态分量，并
从其包络谱中识别故障特征频率。仿真分析和外圈模拟点蚀故障试验表明，该方法能够有效提取滚动轴承故障特征。

1 调制密度分布（MID）SKF轴承
调制密度算法解调的思想是利用边带滤波器将载波成分和调制成分提取出来，时域信号经过边带滤波后主要
分为三部分：

（1）其中， 为 x（t）在带宽[f-驻f/2，f+驻f/2]上的滤波信号。
（2）其中， 为信号 x（t）在带宽上滤波后信号的复包络。FAG轴承基于谱相关密度的调制密度分布可以表示为：调制密度分布 MID 的绝对值在双谱平面上的分布可以表示出循环调制频率 琢 是如何随着谱频率 f 的移动而变化的，从中可以提取滚动轴承的故障特征频率。为了更好地理解 MID 分布。

（3）可以将调制密度分布的绝对值进行归一化处理，使其在 0 到 1 之间变动，得到基于谱相干密度函数的调制密度分布。
（4）其中 ，表示信号能量归一化过程。为了更好的展示结果，本文应用基于谱相干密度函数的调制密度分布进行计算表示。在滚动轴承的故障诊断中，并不需要关注特定的载波频率范围，FAG轴承只需要找到相关的故障频率及其倍频，即信号的调制频率。MID 三维的数据表达使得其信息理解困难，同时也增加了自动状态监测系统的处理难度。

2 仿真分析
为在理论上验证 MID 方法的有效性，通过仿真序列模拟滚动轴承产生的故障振动信号：其中 s（t）表示信号的冲击波形，它与系统的响应频率有关，子i 是随机分布的时间延迟，用于模拟滚动轴承实际运转过程中的微小滑移，n （t） 为随机白噪声，信噪比为0.66。设滚动轴承的响应频率 f=3000Hz，故障特征频率 琢=100Hz，滑移率为 1%。运用 MATLAB 进行计算，得到仿真信号时域波形和频谱如图 1 所示。由图可知仿真信号时域波形和频谱图受噪声的影响较大，无法从中识别信号得故障特征频率成分。对仿真信号进行 MID 分解。从中可以明显发现滚动轴承周期冲击频率（100Hz）及其倍频，在理论上证明了该方法在故障特征提取中的有效性。
3 试验验证
为了验证所提方法的实用性，采用美国西储大学提供的滚动轴承数据集进行实际分析。该数据集采用的试验平台主要由驱动电机、振动加速度传感器、编码器、联轴器和功率计组成，试验所用轴承为 SKF 6205-2RS深沟球轴承，安装在电机驱动端在滚动轴承外圈加工宽度为 0.18mm，深度为 0.28mm的圆点，模拟外圈故障，试验时电机转速恒定为 1750r/min，采样频率为 12kHz，驱动轴上滚动轴承FAG轴承外圈故障特征频率。应用 MID 方法对信号进行分解，得到其包络谱。从中可识别特征频率（104.9Hz）及其倍频和谐波，在误差允许的范围内与外圈故障特征频率吻合，由此断定滚动轴承在外圈上发生了故障，诊断结果与实际预设情况一致。综上分析，MID 方法能够有效提取滚动轴承故障特征。
调制密度分布（MID）的基本原理，再通过仿真信号对其理论效果进行分析，最后从外圈故障振动信号中提取故障特
征。仿真分析和试验结果表明 MID 能够有效保证信号模态的分解质量，准确诊断滚动轴承具体故障部位。