基于MATLAB的轴承全寿命信号处理与特征提取——以PHM2012数据集为例

2501_93693767

425人浏览 · 2026-02-27 19:15:00

2501_93693767 · 2026-02-27 19:15:00 发布

matlab轴承全寿命信号处理及时域，频域特征提取，数据集phm2012，自己的数据集改成自己的对应向量长度及样本个数即可

轴承全寿命信号处理实战：从PHM2012到自定义数据集

搞轴承故障诊断的兄弟应该都听过PHM2012这个经典数据集，7个全寿命周期振动信号带标签数据，用来做寿命预测和特征分析再合适不过。今天咱们直接用MATLAB手把手走一遍信号预处理和特征提取流程，关键代码段会穿插讲解，最后说说怎么适配自己的数据集。

数据加载与初探

PHM2012的数据结构是典型的时序信号堆叠，每个.mat文件存着不同工况下的轴承振动数据。用load('Bearing1_1.mat')加载后能看到vibration这个结构体，重点处理里面的acc加速度信号。先看原始波形长啥样：

% 加载数据并绘制原始波形
load('Bearing1_1.mat');
fs = 20000; % 采样频率20kHz
t = (0:length(acc)-1)/fs;
plot(t, acc);
xlabel('时间(s)');
ylabel('加速度(g)');
title('原始振动信号');

!原始信号波形示例

图1：典型的轴承振动信号时域波形

信号预处理：去噪与平滑

原始信号噪声多得像菜市场，得先降噪。滑动平均是最简单粗暴的方法，适合快速验证：

% 滑动平均滤波（窗口宽度50个点）
window_size = 50;
smoothed_acc = movmean(acc, window_size);

% 小波去噪进阶版（db10小波，5层分解）
[c, l] = wavedec(acc, 5, 'db10');
thr = wthrmngr('dw2ddenoLVL','penalhi',c,l,3);
denoised_acc = wdencmp('gbl', c, l, 'db10', 5, thr, 's');

滑动平均适合滤高频毛刺但会模糊冲击特征，小波去噪在保留冲击成分上表现更好。实际工程中推荐后者，毕竟轴承故障的瞬态冲击才是关键特征。

matlab轴承全寿命信号处理及时域，频域特征提取，数据集phm2012，自己的数据集改成自己的对应向量长度及样本个数即可

时域特征全家桶

时域指标计算快，适合实时监测。下面这段代码直接输出18个常用时域特征：

function features = time_domain_features(signal)
    features = [];
    features(1) = rms(signal);            % 均方根
    features(2) = max(signal);            % 峰值
    features(3) = kurtosis(signal);       % 峭度（重点！故障时激增）
    features(4) = skewness(signal);      % 偏度
    features(5) = peak2peak(signal);      % 峰峰值
    features(6) = mad(signal);            % 绝对中位差
    features(7) = std(signal);            % 标准差
    % ...此处省略其他特征计算...
end

重点看峭度指标——正常轴承在3左右，一旦出现剥落/裂纹会飙到10+。不过单独用容易误判，配合峰峰值和脉冲因子更准。

频域分析三板斧

FFT频谱：看特征频率有没有偏移

N = length(acc);
f = (0:N-1)*(fs/N);
Y = fft(acc);
P = abs(Y/N);
plot(f(1:N/2), P(1:N/2));

注意分辨率不足会导致特征频率漏检，可通过加窗（汉宁窗常用）或延长采样时间解决。

包络谱分析（故障诊断大杀器）：

% 希尔伯特变换提取包络
analytic_signal = hilbert(denoised_acc);
envelope = abs(analytic_signal);

% 对包络信号做FFT
N_env = length(envelope);
f_env = (0:N_env-1)*(fs/N_env);
P_env = abs(fft(envelope)/N_env);
plot(f_env(1:N_env/2), P_env(1:N_env/2));

包络谱能有效解调出被噪声淹没的故障冲击成分，外圈故障特征频率一般在1kHz以下。

数据集适配秘籍

自己的数据要改两个核心参数：

% 自定义数据集参数设置
signal_length = 2048;  % 每个样本长度
num_samples = 100;     % 总样本数

% 数据分块（适合非等长数据）
blocked_data = buffer(acc, signal_length);
selected_blocks = blocked_data(:, 1:num_samples);

用buffer函数切分长信号时注意处理尾端残余数据。如果是多工况数据，建议用datastore对象做流式读取。

避坑指南