Page 177 - 《振动工程学报》2026年第3期

第 3 期 齐鹏宇，等： 波形自适应小波分解及其在滚动轴承故障诊断中的应用 777

图 3 仿真信号 x（t）以及组成分量 x 1 ( t )、x 2 ( t )时域波形
Fig. 3 Simulation signal x（t） and its component x 1 ( t )，x 2 ( t )
time-domain waveform

为验证 WAWD 方法对于非谐波信号分解的优
越 性 ，分 别 采 用 WAWD、EMD、VMD 和 EWT 对
x ( t )进行分解，分解结果如图 4 所示。
采用 WAWD 方法对式（7）中的信号进行分解，
分解结果如图 4（a）所示。分解结果与原信号分量
基本吻合。采用其他对比方法进行分解得到的分量
与原信号分量的差异较大。WAWD 方法在分解非
谐波信号方面的有效性和优越性得到了验证。

图 4 W A WD、EMD、VMD 和 EWT 方法分解结果
Fig. 4 Decomposition results of W A WD， EMD， VMD and
EWT methods

2. 2 模拟故障信号分析

采用模拟滚动故障轴承周期性冲击信号验证
WAWD 方法在滚动轴承故障诊断中的有效性，模
拟信号为：

M 1 é ê ê 1 ù ú ú
2
x ( t )= ∑ 0.5sin 2πf 1 ( t - s ú ú ) ( 1 - α 1 )⋅
ê ê
s = 1 ë f 0 û
-2πα 1 f 1 ( t - s 1 )
e f 0 + n( t ) （8）
其 中 ，模 拟 信 号 的 采 样 频 率 为 8192 Hz，共 振 频 率
f 1=250 Hz，故障频率 f 0=32 Hz，衰变率 α 1=0.02，外
圈 故 障 脉 冲 数 M 1 =180。 向 其 中 加 入 信 噪 比 为

-1 dB 的高斯白噪声，模拟信号时域波形及其包络
谱如图 5 所示。由图 5 可知，模拟故障的冲击信号特
征完全被噪声所掩盖，包络谱中难以看出明显的故
障特征信息。