1 简介
滚动轴承出现早期局部故障时，由微弱故障冲击引起的振动信号呈现出复杂的非线性非平稳特性，且信号能量较小，故障诊断困难。当内圈和滚动体存在早期故障时，由于测试点一般布置在轴承座上，故障位置隔测试点较远，传感器获取的振动信号是经过轴承系统衰减后的信号，同时振动信号在传递过程中受到各种干扰，所以信号更加微弱且信噪比更低，诊断更加困难。若直接从原始振动信号提取特征量进行故障诊断，很难达到理想效果。工程实际中往往需要采用合适的时频分析方法对信号进行有效处理，减少噪声对故障特征信息的干涉或耦合，实现故障 特 征 和 噪 声 的 分 离，从而识别故障类型。由于轴承存在不同类型的局部故障，
ＩＴＤ方法根据信号本身局部时间尺度特性自动产生具有一定物理意义的基函数，将原始信号分解为一系列不同频率段的 ＰＲ 分量。ＩＴＤ 和 ＥＭＤ 方法主要区别在于基函数构造的方法不同。ＥＭＤ 通过上、下极值点包络线的平均来构造基函数，而ＩＴＤ是基于 信 号 本 身 的 线 性 变 换 来 构 造 基 函 数，因 此ＩＴＤ具有端点效应小、计算速度快等优点。
2 部分代码
%*****************************************************************%程 序 名：轴承故障诊断%*****************************************************************fs=12000;%采样频率Ts=1/fs;%采样周期L=4096;%采样点数t=(0:L-1)*Ts;%时间序列%-----------------数据导入----------------load('X105_DE_time.mat')A=X105_DE_time(1:L,1);x=A';iterated_max=6;%----------------ITD分解------------------[H_matrix,L]=Itd(x,iterated_max); %ITD分解%------------分量信号显示-------------figure(1)n=size(H_matrix,1);subplot(n+1,1,1);plot(t,x);%原始信号ylabel('原始信号','fontsize',12,'fontname','华文中宋');for n1=1:n subplot(n+1,1,n1+1); plot(t,H_matrix(n1,:));%分量信号 ylabel(['PR' int2str(n1)]);end xlabel('时间\itt/s','fontsize',12,'fontname','华文中宋');
3 仿真结果
4 参考文献
[1]李强. 基于小波和ITD分解的滚动轴承故障诊断[C]// 全国博士后管委会. 全国博士后管委会, 2012.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。
