附件C：譯文

EMD和Hilbert頻譜在診斷滾動軸承故障的運用

1.摘要：
本文旨在以經驗模式分解和Hilbert頻譜為基礎提出滾動軸承故障診斷的一種方法。本文將對局部Hilbert頻譜和局部Hilbert邊際譜進行相關介紹。用正交小波基將滾動軸承的振動信號轉換成時間尺度域。通過高尺度域小波系數(shù)進行包絡細化譜分析能夠得到包絡信號。通過對包絡信號運用EMD和Hilbert變換我們能得到Hilbert邊際譜，從而診斷出滾動軸承的故障類型。從有內圈缺陷或者外圈缺陷的滾動軸承中測得的實際振動信號都用以上方法分析。結果表明，在提取滾動軸承故障特征時本文所提方法比傳統(tǒng)包絡方法優(yōu)越。
2.簡介：
當滾動軸承運轉時產生故障脈沖，進而產生了高頻譜振動，振幅由脈沖力調制。包絡分析法是提供了分析高頻率沖擊振動產生的故障信號的一個重要且有效的方法，它也在滾動軸承的故障診斷中已經得到了成功運用，但是在傳統(tǒng)包絡分析方法中，故障是通過包絡譜的峰值來確定的。由此該傳統(tǒng)方法有兩大弊病，一方面，F(xiàn)FT在包絡信號頻譜分析中得到廣發(fā)應用，但它只能解釋大體能量頻譜分布，并不能反映信號詳情。所以當干擾信號比故障信號強時很難有效的進行信號分析，同時因為FFT把諧波信號視為基本組成部分，容易造成信號能量分散和缺失，這會導致能量泄露從而降低精確度。另一方面，濾波器的中心頻率在形成包絡信號時是由經驗決定的，這會使結果存在主觀影響，為了消除這兩種弊端，我們將經驗模式分解的包絡分析法與Hilbert頻譜結合起來診斷滾動軸承故障，局部Hilbert頻譜和基于EMD的局部Hilbert邊際頻譜部分相關概念也作了相應介紹。EMD方法是基于信號的局部特征時間尺度，能夠把復雜的信號分解為有限的內在模態(tài)函數(shù)之和。頻率成分包含在每個IMF中，不只與樣頻率相關，并且隨著信號本身變化。而且Hilbert頻譜在同等問題上不會引起能量泄露和擴散，因此，EMD是自適應的信號分析方法，能夠完美的運用于非線性和非穩(wěn)定的信號處理。
本文將會提出一種滾動軸承故障分析診斷方法，為了分離滾動軸承故障振動信號的故障特征，該方法按以下程序進行。首先，為了減少低頻率噪音的影響，滾動軸承的故障振動信號將由小波包分解。其二，包絡信號從用Hilbert轉換對高