摘要由于轴承元件间不断的滑动，在一个旋转轴上的有缺陷的滚动轴承的震动信号是一个不稳定状态。正是由于这一原因，基于傅立叶分析的传统的鉴别方式，并不能清晰的发现缺点的特征和调整现象，因为包含在第二顺序统计方法中的信息被减少了。本文的主要目的是结合循环统计和高阶统计分析方法，并且考虑到轴承状态的鉴定，它能够带来更好的结果。本文证明了循环分析能引起一个离散谱结构，能够对轴承缺陷的种类和相应调整结构有一个清晰的察觉，从而克服其他现存方法的相应问题。50060

1.引言

滚动轴承的振动状态监测一直都是一个广泛研究的课题，因为它是一个最终要的和常用的旋转机械的部件。有缺陷的滚动元件轴承的振动反应主要受调制效应支配，并常由缺陷的类型、轴的转速和轴承的几何形状来定义。这个概念已经被许多基于振动信号谱分析的传统状态监测方法所替代。这些方法假定信号统计特征是固定的，而它们的目标是使波峰与潜在缺陷的频率相联系。

不过由于轴承滚动元件间不断的滑动，有缺陷的轴承振动反应并不是与转速严格锁定的。因此，机械的振动反应与损坏的滚动元件之间不仅表明为周期现象，而且存在一个明显的非线形、非稳定现象。因为功率谱分析存在丢弃所有阶段资料的严重缺陷，所以它不能识别两个阶段的系列信号。结果。HOS（高阶统计方法）在有缺陷的轴承状态检测上的应用取得了局部成功。

同时由于在反应上的机械旋转和调节作用，较普遍的周期假设，已广泛应用于机械状态检测，不过在损坏滚动元件轴承上也有部分成功的案例。

高阶统计分析与周期分析在机械状态检测上的结合一直到最近才被考虑，随后应用于齿轮箱的故障检测。

这篇文章的目的是要证明结合谱，三阶统计强大的技术，能够识别非线性耦合的频率，同周期分析一样能够提高现有分析技术的诊断能力，从而导致更明确的诊断结果。

本文第2节提出了高阶统计方法基本概念的简要概述，周期和循环谱分析。第三节提出了一个损坏轴承的动态响应的随机模型。它表明，即使是像滑动参数一样少量的随机性，频谱分析却无法提供有意义的结果。三节的模型进一步应用的四节来产生代表轴承内外圈缺陷动态反应的信号。这些信号经过使用双频，周期和循环谱分析方法的进一步分析，表明了循环谱分析极大的克服了其他两种方法的问题，清楚的展示了缺陷的性质和明显的六角形频率方式。最后，第五节在工业设备安装测量上验证结果。

2.高阶统计和周期循环的基本概念

在本节概念的全部理论方法治疗能够发现在[5.11]为高阶统计方法，在[6.7]为周期分析和在[3]为循环谱分析。

2.1高阶统计方法

高阶统计方法延伸到高阶的常规二阶功率谱方法。如果信号是高斯概率密度函数，二阶措施就能提供令人满意的结果。然而，许多现实生活的信号非高斯。

在信号处理中最普遍使用的工具是功率谱。一个离散的时间序列X（n）的功率谱被定义如下，利用离散傅立叶交换（DFT）X（K）的信号：

Sxx (k) = E[X(k)X*（k）]                                        (1)

其中E[ ]表示统计期望操作，K是离散变频，功率谱是在整个频域中的信号的能力分布。因为这是一个现实的数量。但并包含任何阶段信息。一个可以考虑的频谱是第二时刻的信号。

高阶统计方法由延伸的二阶方法的定义形成。给高阶统计定义的另一个途径是利用多种谱。因此，第三阶谱被称为谱。像功率谱分解信号的功率一样，谱在频域内使信号分解成三个时刻。 质量有缺陷的滚动轴承振动响应的循环方式英文文献和中文翻译:http://www.youerw.com/fanyi/lunwen_53266.html