针对提取的滚动小麦淀粉干燥设备故障振动信号中包含大量噪声,采用频域分离的方法,从故障小麦淀粉干燥设备振动信号中分离出纯故障信号,通过对纯故障信号进行小波包分解和重构,对重构后的小波包系数进行Hilbert包络解调并求取喷雾干燥器解调后信号干燥机厂的功率谱,从而从功率沸腾干燥设备谱中识别出滚动小麦淀粉干燥设备的故障特征频率,达到滚动故障诊断的目的,并结合实验数据对该方法进行验证,结果证明了该方法的有效性。滚动作为旋转机械中zui基础的部件，其性能的好坏直接影响到整个系统的正常工作流化床干燥设备。据统计，旋转机械中30％的故障是由于滚动故障引起的，因此对滚动小流化床干燥设备麦淀粉干燥设备进行故障诊断能有效地避免事故的发生，减少经济损失

，具有重要的经济和杜会效益。滚动故障诊断方法很多：时域参数法只能对滚动有*进行判断，不能有效地判别出故障类型，故只能用于故障的初步判断；共振解调法是比较成熟的故障诊断方法。但由于带通滤波器中心频率和带宽难以确沸腾干燥设备定，因此使用具有一定的局限性；小波分析方法是进年来研究的热点。但由于小波分析气流干燥设备只能对低频部分的信息进行逐喷雾干燥器层分解，对干燥机设备高频部分细节信息不能有效分解，因此不能有效气流干燥设备地提取共振的高频信息。小波包分解能同时对低频和高频部分的信息进行分解，将其用于故障诊断将具有更好的效果。文献【l][2】对故障信号的频谱分离方法进行了介绍，本文在此基础上根据滚动故障信号特点，将故障信号的频谱分离，小波包分解与重构，Hilbert变换和故障特征频率识别相结合，提出了先对采集的故障信号

进行频谱分离，对分离出来的纯故障信号进行小波包变换滤波重构，并经希尔伯特包络解调，zui后通过对解调后的各层信号的功率谱进行识别，判断故障类型，并通过现场测滚动出现故障时，在运行中当损伤点与小麦淀粉流化床干燥设备干燥设备零件表面相互接触时，将产生一衰减脉冲激励信号，该信号以正常振动信号为气流干燥设备载波．形成故障调制信号。在故障初期，由于衰减脉冲激励信号能量较微弱，当信号传输路径较长时，

能t变得更加微弱，特别当外界环境噪声存在时，故障信号常常被淹没在噪声中。通过对故障信号进行直接频谱分析，很难发现故障频率的存在，无法达到故障诊断的目的。因此，较为理想的方法是将纯沸腾干燥设备故障信号从故障振动信号中分离出来，由于分离后的纯故障信号喷雾干燥器频率成分较故障信号频率成分简单，因此更有利于故障频率的识别和提取，达到故障诊断的目的。频谱分离方法如下，设正常振动信号为本文将小波包分析和信号频谱分离相结合，既有效地利用了信号频谱分离方法实现纯故障信号的提取，干燥设备减少了待分析信号的频率成分，滤除了正常振动信号的干扰，又有效地利用了小波包分析数学显微镜的特性。通过实验数据分析结果表明本方法是有效可行的。