滚动轴承故障诊断的自适应包络谱谱峰因子算法

作者:张龙;毛志德;熊国良;崔路瑶; 刊名:机械科学与技术 上传者:曹海霞

【摘要】表征滚动轴承故障特征的周期性冲击,特别是在故障早期阶段,常常被噪声和其它结构振动所淹没,从而难以辨别。共振解调被广泛用于滚动轴承故障冲击特征提取,但其滤波频带的参数选择常需要一定的先验知识。针对现有的频带优化方法的不足,本文提出一种基于包络谱谱峰因子和复平移Morlet小波滤波的自适应共振解调方法-自适应包络谱谱峰因子算法。包络谱谱峰因子(Crest factor of envelope spectrum,CE)定义为包络谱在一定范围内的最大值和有效值之比,能有效度量信号中周期性冲击强弱,结合粒子群优化算法的寻优特性,对Morlet小波滤波器中心频率和带宽参数进行优化。将包络谱谱峰因子作为适应度函数来比较不同参数组合下的滤波效果,根据适应度函数值最大原则选取Morlet小波滤波器参数。仿真信号、实验信号以及工程实际信号分析验证了该方法在共振解调最优频带选取中的有效性和优越性。

全文阅读

滚动轴承内外圈滚道、滚子或保持架发生诸如剥落、压痕、点蚀等局部故障时,随着轴承的运转,其振动信号中将出现周期性冲击。确定冲击的有无、强弱和发生频率是判断滚动轴承是否出现局部故障、故障程度以及故障部位的重要依据。然而故障导致的冲击常常被噪声和其它结构振动所淹没,难于直接从原始信号中提取有用信息。共振解调方法在故障冲击激起的共振频率附近进行带通滤波,能够有效去除噪声及其它干扰的影响,进而通过滤波信号的包络谱诊断轴承健康状态,在轴承诊断领域应用极其广泛[1-2]。 常规共振解调用于故障特征提取时,其带通滤波器中心频率和带宽参数选取一般依赖先验知识,容易产生较大误差[3-4]。如Antoni等提出快速谱峭度方法,以1/3-二进分布的有限脉冲响应滤波器(Finite impulse response, FIR)对整个信号的频带进行划分,并以滤波信号时域峭度最大的频带作为最优带通滤波频带[5]。Lei等以小波包分解替代Kurtogram中的FIR滤波器,提出了一种改进的谱峭度方法[6]。Tse等在Lei的基础上以小波包节点信号的包络谱稀疏度作为评价指标,提出了一种称为“Sparsogram”的共振频带优化方法[7]。Zhang等以滤波信号的相关峭度为评价指标,结合1/3-二进滤波器组和小波包分解,提出了两种改进的最优带通频带选择方法[8-9]。 上述文献以1/3-二进滤波器组或小波包对信号进行分解,具有运行效率高的优点。但其信号频带划分略显粗糙,候选频带数量有限,难于保证获得信噪比最强的滤波频带[10]。为此,许多增加候选频带数量的方法相继被提出。如Lin等[11]考虑到齿轮箱中故障冲击响应波形与Morlet小波相似,提出了基于Morlet小波的自适应小波滤波方法,并以滤波信号峭度最大作为小波滤波器参数优化准则。其在优化过程中,控制小波函数中心频率和带宽的两个参数的取值范围分别离散为40和30个点,因此总共有1 200个候选频带。Bozchalooi等[12]提出以滤波信号包络的平滑度指标(Smoothness index)最小作为Morlet小波滤波器参数优化目标,其中小波中心频率和带宽参数的候选值分别有117和100个,共有11700个候选频带值。 将滤波器中心频率和带宽两个参数离散后,对两者的各种可能组合进行评价,增大了寻优空间,增加了得到最优频带的可能性。但同时计算量也大大增加,导致仪器实现和现场使用困难。为此,各种启发式寻优算法得到了广泛应用。He等[13]以Morlet小波滤波后的信号峭度最大为目标函数,利用微分进化算法进行最优参数搜索,大大提高了参数寻优效率。Chen等[14]考虑到轴承局部故障导致的冲击具有循环平稳特征,而非严格周期信号,从而提出以一种新的最大相关峭度定义,并以Morlet小波作为滤波器,以粒子群优化算法寻找小波中心频率和带宽参数的最优组合。Tse等[10]以滤波后包络信号的稀疏度作为适应度函数,同样采用Morlet小波滤波器,利用遗传算法对滤波器中心频率和带宽参数进行优化。张永祥等[15]以滤波信号峭度作为优化目标,利用遗传算法优化FIR型带通滤波器的通带上限频率和通带下限频率等6个参数。 从上述对共振解调带通滤波器频带优化的简要综述中,可以看出研究问题主要集中在以下几个方面:滤波效果评价指标、候选频带构成以及滤波器形式。本文从上述三个方面进行综合考虑,提出以复平移Morlet小波作为滤波器,以包络谱谱峰因子[16]作为滤波效果评价指标,利用粒子群算法在大求解空间内对Morlet滤波器的中心频率和带宽进行寻优的共振解

参考文献

引证文献

问答

我要提问