ANSYS WORKBENCH轴承动力学仿真，ANSYS做内圈、外圈和滚子故障的模拟图片为凯斯西储大学SKF轴承内外圈故障的结果，振动加速度包络后故障特征频率可以与实验相差仅为5%。
一、代码整体概述
本次分析的代码集源自SKF轴承动力学仿真模型，包含3个核心MATLAB代码文件，分别实现信号导入、时域/频域分析、包络谱分析及关键频率提取等功能，适用于正常轴承、内圈故障轴承等场景的动力学信号处理与故障特征识别。代码整体围绕轴承振动信号的采集、预处理、变换分析及特征提取展开，通过希尔伯特变换、快速傅里叶变换（FFT）等算法，挖掘信号中的频率特征，为轴承故障诊断提供数据支撑。
二、文件清单及核心功能总览
| 文件名 | 所在目录 | 核心功能 | 适用场景 |
|---|---|---|---|
| FFT_1.m | FFT11 | 信号导入、希尔伯特变换、FFT频谱分析、时域/频域可视化 | 多转速（1r/min、2r/min、3r/min）、多载荷（10kN、20kN、30kN）轴承信号分析 |
| nei.m | 包络谱分析\代码 | 内圈故障信号加载、包络信号生成、包络谱绘制、故障频率计算 | 6205/6203型轴承内圈故障特征分析（0负载场景） |
| periodmeanPmaxHz.m | 包络谱分析\代码 | 功率谱计算、峰值频率提取、频谱可视化（含峰值标注） | 作为工具函数，为nei.m提供频谱分析支持 |
三、各文件详细功能解析
（一）FFT_1.m：多工况轴承信号时域-频域分析
1. 核心定位
针对不同转速、不同载荷下的轴承振动信号，实现从数据导入到时域波形、频谱图可视化的全流程分析，重点通过FFT和希尔伯特变换挖掘信号频率特征。
2. 关键参数配置
| 参数名 | 取值 | 含义 | 作用 |
|---|---|---|---|
| N | 200000 | 采样点个数 | 决定信号分析的时间长度和频率分辨率 |
| fs | 800Hz | 采样频率 | 用于生成时间轴和计算频率轴（频率范围0~400Hz） |
| M | 1 | 通道数量标识 | 对应单通道信号分析（可扩展多通道） |
3. 核心流程及功能说明
（1）数据导入与通道选择
data = [data xlsread('fault-2r-10kn-20kn-30kn.xlsx')]; angle_data=data(1:N,4);%提取第一列数据 1：N- 功能：从Excel文件导入多工况（2r/min转速下10kN、20kN、30kN载荷）的轴承振动数据；
- 通道定义：
- 列2-5：1r/min/10kN工况（xyz三维+单向信号），默认选列3；
- 列6-9：2r/min/20kN工况（xyz三维+单向信号），默认选列7；
- 列10-13：3r/min/30kN工况（xyz三维+单向信号），默认选列11；
- 数据提取：默认提取第4列数据（单向信号），采样点范围为1~200000。
（2）信号预处理（注释待用模块）
代码中包含Z-score归一化模块（已注释），功能为消除信号量纲影响，公式为：
ANSYS WORKBENCH轴承动力学仿真，ANSYS做内圈、外圈和滚子故障的模拟图片为凯斯西储大学SKF轴承内外圈故障的结果，振动加速度包络后故障特征频率可以与实验相差仅为5%。
$$New\data{ij} = \frac{angle\_data(j,i) - avg(1,i)}{stdx(1,i)}$$
其中avg为信号均值，stdx为信号标准差，适用于多组信号对比场景（如正常与故障信号归一化后对比）。
（3）希尔伯特变换与解析信号生成
Hx = hilbert(x);- 功能：对原始信号
x进行希尔伯特变换，生成解析信号Hx； - 解析信号特性：实部为原始信号，虚部为原始信号的希尔伯特变换，其幅值
abs(Hx)为原始信号的包络信号，用于后续包络特征分析。
（4）时域与频域可视化
- 图1（2个子图）：
- 上子图：原始信号时域波形（横轴为时间
t，纵轴为信号幅值）； - 下子图：原始信号与解析信号幅值的时域对比（黑色为原始信号，红色为包络信号）。
- 图2（2个子图）：
- 上子图：原始信号时域波形（重复展示，便于对比）；
- 下子图：原始信号FFT频谱（横轴频率范围0.2~1.6Hz，纵轴为幅值
amp），重点展示低频段频率特征。 - 图4：解析信号的FFT频谱（横轴频率范围0.1~1.6Hz），用于分析包络信号的频率分布。
（5）FFT频谱计算核心逻辑
signalFFT=abs(fft(x,N));%真实的幅值 Y=2*signalFFT/N; f=(0:N/2)*(fs/N);- 频谱幅值校正：
Y=2*signalFFT/N用于将FFT计算结果转换为真实幅值（单 sided 频谱校正，消除能量分散影响）； - 频率轴生成：
f的范围为0~fs/2（奈奎斯特频率），步长为fs/N，确保频率分辨率与采样点个数、采样频率匹配。
（二）nei.m：轴承内圈故障包络谱分析
1. 核心定位
针对内圈故障轴承的振动信号，计算故障特征频率，生成包络信号并绘制包络谱，通过对比实验数据与参考数据，验证故障特征的有效性。
2. 关键参数配置（轴承与测试参数）
| 参数名 | 取值 | 含义 | 关联轴承型号 |
|---|---|---|---|
| fs | 12000Hz | 采样频率 | 6205/6203 |
| Ns | 1200 | 预设采样点个数 | - |
| n | 9 | 滚动体个数 | 6205（6203为8个） |
| fr | 1796rpm | 轴承转速 | 0hp负载工况 |
| d | 0.794 | 滚动体直径 | 6205 |
| D | 3.90398 | 节圆直径 | 6205 |
| thetaDeg | 0° | 接触角 | - |
3. 核心流程及功能说明
（1）故障特征频率计算
f1 = n*fr/2*(1 + d/D*cosd(thetaDeg))/60- 公式含义：内圈故障特征频率计算公式，基于轴承几何参数（滚动体个数
n、节圆直径D、滚动体直径d）和运动参数（转速fr）推导； - 物理意义：内圈存在故障时，滚动体与故障点撞击的频率，是识别内圈故障的核心指标。
（2）数据加载与截取
- 实验数据：
load 'text1.mat'; y=text1(1:1200);，加载内圈故障实验采集的振动信号，截取前1200个采样点； - 参考数据：
load '105.mat'; y=X105DEtime(1:588);，加载标准参考信号（如正常轴承或已知故障等级轴承信号），截取前588个采样点用于对比。
（3）包络信号生成
yy1=hilbert(y); y1=abs(yy1);- 原理：通过希尔伯特变换得到解析信号
yy1，其幅值y1即为包络信号，可有效提取调制在高频载波上的故障特征信号（内圈故障信号常表现为低频调制特征）； - 优势：相比原始信号，包络信号能抑制背景噪声，突出故障冲击产生的幅值变化。
（4）四象限可视化输出
代码通过subplot(2,2,[1-4])实现4个子图的同步展示，功能分工如下：
| 子图位置 | 内容 | 横轴 | 纵轴 | 核心用途 |
|---|---|---|---|---|
| (2,2,1) | 实验数据包络谱 | 0~6000Hz | 加速度（m/s²） | 展示实验数据的故障特征频率峰值 |
| (2,2,2) | 参考数据包络谱 | 0~6000Hz（fs/2） | 加速度（m/s²） | 对比实验数据与参考数据的频谱差异 |
| (2,2,3) | 实验数据时域波形 | 0~1200个采样点 | 加速度（m/s²） | 观察原始信号的冲击特征 |
| (2,2,4) | 参考数据时域波形 | 0~1200个采样点 | 加速度（m/s²） | 对比原始信号的时域差异（如冲击次数、幅值） |
（5）结果导出
print -dtiff -r600 z3_2- 功能：将当前图形窗口的四象限图导出为TIFF格式图片，分辨率为600dpi，文件名
z3_2.tif，用于报告生成或后续分析。
（三）period_mean_P_max_Hz.m：频谱分析工具函数
1. 核心定位
作为nei.m的依赖工具函数，实现信号功率谱计算、峰值频率提取及频谱可视化，核心输出为功率谱图及最大幅值对应的特征频率。
2. 输入输出参数
| 参数类型 | 参数名 | 含义 | 数据类型 |
|---|---|---|---|
| 输入 | data | 待分析的时间序列（如包络信号y1） | 一维数组 |
| 输入 | Fs | 采样频率（与调用方保持一致，如12000Hz） | 数值 |
| 输入 | tu | 图形窗口标识（用于多图切换） | 整数 |
| 输出 | PmaxHz | 功率谱中最大幅值对应的特征频率 | 数值 |
3. 核心流程及功能说明
（1）功率谱计算
Y = fft(data); % FFT变换 N = length(data); % 数据长度 Y(1) = 0; % 剔除直流分量（所有数据的和） power = abs(Y(1:N/2))/(N/2); % 功率谱计算（幅值校正）- 关键步骤：
Y(1)=0用于消除直流分量对频谱的干扰，power计算通过幅值归一化得到真实功率值。
（2）频率轴生成
freq2 = 0:Fs/(N):Fs/2-1/(N);- 频率范围：0~Fs/2（奈奎斯特频率），步长为
Fs/N，确保频率轴与FFT结果的分辨率匹配。
（3）频谱可视化与峰值标注
plot(freq2,power,'k'); % 绘制黑色频谱曲线 hold on; index=find(power==max(power));% 找到功率最大值的索引 plot(freq2(index),power(index),'r.', 'MarkerSize',15);% 标注红色峰值点 text(freq2(index)+100,power(index),['Pmax, ',mainfreq2Str,' Гц',]);% 标注峰值频率值- 可视化亮点：通过红色圆点标注功率谱中的峰值点，并在旁侧显示对应的特征频率（单位：Hz），直观呈现信号的主导频率成分。
（4）特征频率输出
[mp,index] = max(power); % 提取最大功率值及索引 P_max_Hz=freq2(index); % 输出对应的特征频率- 核心价值：该输出频率即为信号的主导频率（如内圈故障特征频率），为故障诊断提供定量依据。
四、代码关联关系与应用逻辑
1. 文件依赖关系
nei.m → 调用 → period_mean_P_max_Hz.m （主分析脚本） （频谱分析工具函数） FFT_1.m → 独立运行（时域-频域基础分析）nei.m作为内圈故障分析的主脚本，通过调用periodmeanPmaxHz.m完成包络谱的计算与可视化；FFT_1.m独立处理多工况数据，适用于初步的信号特征探索（如不同载荷下的频率分布差异）。
2. 典型应用流程
场景：内圈故障轴承诊断
- 数据准备：通过实验采集内圈故障轴承的振动信号（如
text1.mat），并准备参考信号（如105.mat）； - 参数配置：在
nei.m中设置轴承参数（滚动体个数n、转速fr等）和采样参数（fs、数据截取长度）； - 运行
nei.m：自动加载数据、计算故障频率、生成包络信号、调用工具函数绘制四象限图； - 特征识别：对比包络谱中的峰值频率与计算出的内圈故障特征频率，若二者一致，则可判定存在内圈故障；
- 辅助验证：通过
FFT_1.m分析不同载荷/转速下的信号，验证故障特征的稳定性（如不同载荷下均出现故障频率峰值）。
五、关键技术亮点与注意事项
1. 技术亮点
- 多域分析融合：结合时域波形（直观观察冲击特征）、FFT频谱（分析频率分布）、包络谱（提取调制特征），全面挖掘信号信息；
- 工程化适配：参数化设计（如轴承型号、采样频率可配置），支持6203/6205等不同型号轴承，适配多工况（不同转速、载荷）；
- 可视化优化：通过多子图布局、峰值标注、中文-英文混排坐标轴，提升结果可读性。
2. 注意事项
- 数据格式要求：导入的信号需为一维时间序列（如Excel列数据、MATLAB矩阵的单行/单列），否则会导致索引错误；
- 参数一致性：
nei.m与periodmeanPmaxHz.m中的采样频率fs必须保持一致，否则频率轴计算错误； - 数据长度匹配：截取的数据长度（如
y=text1(1:1200)）需根据实际采样时长调整，过短可能丢失故障特征，过长会增加计算量； - 故障频率验证：计算出的故障特征频率需与理论值对比（如6205轴承内圈故障频率理论公式），避免因参数设置错误导致诊断偏差。
六、扩展与优化建议
- 多故障类型支持：在
nei.m基础上扩展外圈故障、滚动体故障的特征频率计算公式，实现全类型故障诊断； - 自动化特征提取：增加特征参数计算模块（如峰值、峭度、偏度等时域指标，谱峰值、谱峭度等频域指标），实现故障等级量化评估；
- 噪声抑制优化：加入小波去噪、自适应滤波等预处理模块，提升低信噪比场景下的故障特征识别能力；
- 批量数据处理：扩展
FFT_1.m的数据导入逻辑，支持多文件批量分析，并自动生成对比报告（如不同工况下的特征频率对比表）。
通过以上代码的协同工作，可实现SKF轴承动力学信号的全面分析，为轴承故障诊断提供从数据处理到特征识别的完整解决方案，适用于工程实践中的轴承状态监测与故障预警场景。
)
)
)
)
)
