基于多重自相关与包络谱分析的滚动轴承故障诊断方法研究

作者:张良;杨涛; 刊名:组合机床与自动化加工技术 上传者:陈艳

【摘要】滚动轴承在故障状态运行时,传感器测得的振动信号为非平稳、多分量的调制信号.在故障出现早期,由于调制信号微弱且含有噪声,导致故障特征难以识别,采用多重自相关消除噪声干扰,提取信号中的周期调制成分,然后利用Hilbert 变换的包络解调方法获取故障特征频率,从而判断出轴承故障类型.实验结果表明,采用多重自相关与包络谱解调相结合的方法,能较准确的提取滚动轴承故障特征频率,具有一定的工程应用价值.

全文阅读

621010)0引言据统计,由于轴承导致的故障在旋转机械所有故障中占到1/3左右[1],因此对重要轴承进行工况监视与故障诊断,不但可以减少或杜绝事故发生,而且还能最大限度地发挥轴承工作潜力,这在提高生产效益以及保障生产安全方面都具有十分重要的意义[2]。滚动轴承出现局部损伤性故障的特点是微弱的周期信号宽带冲击会激起系统结构自身的高频振动[3],同时滚动轴承振动信号的频率范围较宽,信噪比通常较低,局部损伤性所引起的冲击比较微弱,直接对振动信号解调时调制信息容易淹没在噪声中[4],因此如何从微弱的故障振动信号中提取冲击所激起的高频振动信息进行解调分析是轴承故障诊断的关键[5]。目前,用于在低信噪比的条件下提取滚动轴承振动信号包络谱的主要方法有形态分量分析[5-6]、时延相关解调[7]、小波降噪[8-9]、局部均值分解[10-11]、经验模态分解[12-13]、盲源分离[14-15]等,上述方法在故障振动信号的包络谱解调与提取方面均有一定的效果。本文提出一种基于多重自相关的包络谱滚动轴承故障诊断方法,对原始振动信号首先进行多重自相关运算,最大限度地消除信号中混有的高斯噪声,然后在对多重自相关运算结果做带通滤波,将滤波截取的高频共振频段进行希尔伯特变换,得到包络谱,从而提取滚动轴承的故障特征频率,完成了对滚动轴承的故障诊断,通过实例分析验证了该方法的有效性。1理论基础1.1滚动轴承的频率特征滚动轴承常见的故障形式有表面损伤、疲劳剥落、过热烧伤、电化学腐蚀、胶合及破损等[16]。可将轴承元件的这些故障归结为3种形式:内圈故障、外圈故障以及滚动体故障。当轴承元件(内圈、外圈、滚动体)出现了局部故障时,在转动过程中会与其它相接触的元件发生反复碰撞,从而产生冲击振动。这种短时周期性的低频脉冲信号频率通常称为滚动轴承的通过频率,即故障特征频率[17]。理想情况下,滚动轴承外圈固定,内圈随转轴旋转,滚动体与滚道之间没有相对滑动,且轴向、径向在承受载荷各部件无变形时,由轴承的结构几何参数可计算出各轴承元件的理论故障特征频率[18],其计算表达式如下:内圈故障特征频率fi为:fi=12z(1+dDcos)N60(1)外圈故障特征频率fo为:fo=12z(1-cos)N60(2)滚动体故障特征频率foc为:foc=D2d[1-(dD)2cos2]N60(3)保持架故障特征频率fc:fc=12(1-dDcos)N60(4)上式中各个参数含义:D为轴承节径;d为滚动体直径;为轴承接触角;z为滚动体个数;N为轴承转速。而在实际的故障诊断中,由于各种干扰因素的影响,虽然理论故障特征频率值与工程诊断分析得到的检测值有一定的偏差[19],但故障特征频率的提取与分析仍然是判断轴承故障十分重要和有效的理论依据。1.2多重自相关定义rxy()为信号x(t)和y(t)的互相关函数,其中为延迟时间。rxy()=limT1TT0x(t)y(t+)dt(5)如果设y(t)=x(t),则上面定义的互相关函数rxy()变为自相关函数rxx(t):rxx()=limT1TT0x(t)x(t+)dt(6)rxx(t)反应了信号x(t)和自身做了一段延迟时间之后x(t+)的相似程度[20]。设信号x(t)=s(t)+n(t),其中s(t)为周期信号,n(t)为高斯白噪声,将x(t)代入式(6)做自相关运算得:rxx()=limTT0[s(t)+n(t)][s(t+)+n(t+)]dt(7)将式(7)展开后得到:rxx()=rss()+rsn()+rnn()(8)其中,rss()=limTT0s(t)s(t+

参考文献

引证文献

问答

我要提问