A. 軸承故障診斷之譜峭度法的一些總結
深入探索：軸承故障診斷中的譜峭度法實踐與應用
在2021年4月24日的最新進展中，我們將譜峭度法這一高級信號分析工具提升到了一個新的界面設計，使其操作更為直觀和便捷。譜峭度，由Dwyer在1983年首次提出，本質上是計算信號頻譜中每一條譜線的高階統計特性。它對瞬態沖擊信號具有敏銳的識別能力，能在背景雜訊中精準捕獲這些沖擊並定位其在頻譜中的分布。
直到2006年，Antoni等人對譜峭度給出了明確的定義，並通過短時傅里葉變換（STFT）提出了Kurtogram演算法，將理論與實踐緊密相連。他們詳細闡述了這一方法如何在旋轉機械故障檢測中發揮關鍵作用，其後在2007年，為了提高處理效率，Fast Spectral Kurtosis應運而生，以適應非平穩信號監測的工業需求。Kurtogram通過自適應選擇最佳帶通濾波頻帶，為包絡譜分析提供前置處理，通過搜索頻率與解析度的最佳組合，揭示瞬態沖擊的頻率特徵。
值得一提的是，基於樹狀濾波器組的譜峭度演算法，如二分段低通濾波器，其設計過程包括設定低通濾波器截止頻率fc，以及使用Matlab函數fir1設計濾波器。對於Matlab中的歸一化頻率，其實際意義是將fs/2作為參照點進行頻率歸一化。例如，三分段濾波器的構造，通過對低通濾波器進行遞進的頻率劃分，更細致地捕捉信號中的不同頻段特徵。
在STFT濾波器組的譜峭度計算中，Kurtogram的計算過程涉及到層次化的窗口設計，如使用Hanning窗或Flattop窗。通過這種方法，可以捕捉信號在不同時間尺度下的峭度變化，從而提供更全面的故障診斷信息。
最後，我們了解到，譜峭度法的計算和應用並不止於理論，它已經成為了實際工業環境中故障檢測的重要工具。如果你在實踐中遇到任何問題，例如關於濾波器設計或者STFT應用的疑問，可以隨時提問，我們會盡力為你解答。歡迎探索並利用譜峭度法的強大功能，提升軸承故障診斷的精準度。
B. MATLAB環境下基於包絡譜和譜峭度的一維振動信號分析
本文探討了在MATLAB R2021B環境下，如何利用包絡譜和譜峭度進行一維振動信號分析，以診斷滾動軸承的局部故障。滾動軸承的故障可能發生在內圈、外圈、保持架或滾動體上。故障引發高頻共振，通過分析可識別故障位置。
故障頻率計算基於信號的包絡譜分析。對內圈故障信號，其時域表示顯示了特定頻率上的幅度調制。計算包絡信號的功率譜顯示，大部分能量集中在BPFI及其諧波上，表明內圈故障。對於正常和外圈故障信號，BPFO或BPFI處無顯著峰值，表明故障特徵未被捕捉。
峭度作為信號沖擊性的量化指標，揭示內圈故障信號的沖擊性特徵。峭度圖和譜峭度用於確定信號的沖擊性頻帶。通過分析峭度圖，找到具有最高峭度的頻帶，使用帶通濾波器增強信號沖擊性，以便包絡譜分析揭示故障特徵。
基於峭度圖和譜峭度，提取BPFO和BPFI處的帶通濾波包絡譜幅度作為診斷指標。通過計算BPFI和BPFO幅度的對數比，形成新特徵，有效區分不同軸承故障類型。該特徵在訓練數據集和測試數據集中顯示一致的分布，表明其在軸承故障分類中的有效性。
為了獲得更精確的分類器，可以將數據集分為多個部分，提取多個診斷相關特徵，並按重要性排序。利用Statistics & Machine Learning應用程序，訓練多種分類器，以適應不同故障類型。最終，BPFI和BPFO處的帶通濾波包絡譜幅度作為關鍵診斷指標，為軸承故障的准確識別提供有力支持。