1、改进的谱峭度方法对于滚动轴承故障诊断的应用一、论文步骤：1、对信号做四层基于 db10 小波包分解2、对每层分量信号做改进的峭度值计算计算公式为： 41bNnijbijK3、做峭度分布图4、选出最大峭度的分量，并做解调5、对选出的分量做包络谱分析6、诊断故障类型二、Matlab 代码%轴承外圈clear allFs=15360;T=1/Fs;N=8192;n=0:N-1;t=n/Fs;f=n*Fs/N;X=load(C:UserslovehDesktop实验数据s3.TXT);%载入数据%数据波形figure(1)subplot(211)plot(t,X)title(实验数据曲线 S);xla
2、bel(t);ylabel(c);Y=fft(X,N);magY=abs(Y);subplot(212);plot(f(1:N/2),magY(1:N/2)*2/N)title(信号频谱图 );xlabel(f);ylabel(c);%Daubechies 小波包变换， WPTnlevel=4;Dau=wpdec(X,nlevel,db10);cfs=zeros(31,8192);k=zeros(1,31);NN=zeros(1,31);for i=1:31cfs(i,1:length(wpcoef(Dau,i-1)=wpcoef(Dau,i-1);NN(1,i)=length(wpcoef(
3、Dau,i-1);ka=sum(cfs(i,:)-mean(cfs(i,:).4);kb=(NN(1,i)-1)*std(cfs(i,:)4;k(1,i)=ka/kb;end%求出最大峭度值kur=zeros(5,16);kur(1,:)=k(1,1)*ones(1,16);kur(2,1:8)=k(1,2)*ones(1,8);kur(2,9:16)=k(1,3)*ones(1,8);kur(3,1:4)=k(1,4)*ones(1,4);kur(3,5:8)=k(1,5)*ones(1,4);kur(3,9:12)=k(1,6)*ones(1,4);kur(3,13:16)=k(1,7)*
4、ones(1,4);kur(4,1:2)=k(1,8)*ones(1,2);kur(4,3:4)=k(1,9)*ones(1,2);kur(4,5:6)=k(1,10)*ones(1,2);kur(4,7:8)=k(1,11)*ones(1,2);kur(4,9:10)=k(1,12)*ones(1,2);kur(4,11:12)=k(1,13)*ones(1,2);kur(4,13:14)=k(1,14)*ones(1,2);kur(4,15:16)=k(1,15)*ones(1,2);kur(5,1:16)=k(1,16:31);Level_x=1:nlevel;Level_x=Level
5、_x;Level_x+log2(3)-1;Level_x=Level_x(:); Level_x=0 Level_x(1:2*nlevel-1);%图形纵坐标Level_y=Fs*(0:3*2nlevel-1)/(3*2(nlevel+1)+1/(3*2(2+nlevel);figureimagesc(Level_y,Level_x,kur),colorbar;title(峭度分布图 );xlabel(频率 /f);ylabel(尺度/k);%找出最大峭度值位置temp,tempI=max(kur);%求每列的最大值，并记录每列最大值的行位置M,J=max(temp);%求矩阵最大值，并记录列
6、位置I=tempI(J);%矩阵最大值的行位置%最大峭度值频段信号重构Cfs=wprcoef(Dau,2(I-1)+J-2);figuresubplot(211)plot(t,Cfs)title(峭度最大的频段信号重构图像);xlabel(时间 /t);ylabel(幅值/c);%做包络谱分析CFs=hilbert(Cfs-mean(Cfs);%hilbert 对信号进行包络分析mag=abs(CFs);%取模subplot(212);plot(t,mag)title(hilbert 方法包络图像);xlabel(时间 /t);ylabel(幅值/c);CFS=fft(mag,N);Mag=abs(CFS);%取模figure;plot(f(1:N/2),Mag(1:N/2)*2/N)title(包络解调谱图 );xlabel(频率 /f);ylabel(幅值/c);三、图像图 1 信号时频谱图图 2 峭度值分布图图 3 最大峭度值分量重构时频谱图图 4 包络谱分析4、诊断结论通过与轴承故障特征频率相对比得出，轴承故障为外圈缺陷
