基于小波包变换的滚动轴承故障诊断方法的研究

作者:张辉;王淑娟;张青森;翟国富 刊名:振动与冲击 上传者:夏志华

【摘要】目前基于小波分析的滚动轴承故障诊断方法的研究已经很多 ,但是这些方法对于强噪声背景下的故障信号特征提取效果并不理想。为此 ,提出了适用于强噪声背景的自相关及互相关小波包消噪滚动轴承故障诊断方法。该方法首次将相关分析和小波包分解结合 :对被测信号进行自相关或互相关处理 ,之后进行小波包阈值消噪处理 ,对消噪最大能量系数进行自相关或互相关处理 ,最后对能量序列进行FFT计算。仿真结果表明 ,该方法极大地增强了对滚动轴承故障诊断的能力 ,在强噪声背景下有效地提取出滚动轴承的故障频率。

全文阅读

0引言滚动轴承是各类回转机械中应用最广的一种通用机械部件,它的性能和可靠性直接影响整台设备的工作性能和运行可靠性。目前,滚动轴承的检测方法主要有振动检测、声发射检测、温度检测、润滑剂检测、间隙检测等。其中,振动检测能检测轴承的剥落、裂纹、磨损、烧伤,且适于早期检测和在线检测,因而,对于振动检测的研究十分广泛。对于轴承的振动检测大致经历了四个时期:(1)频谱分析仪诊断;(2)冲击脉冲计诊断;(3)共振解调法诊断;(4)基于新的信号处理技术的以微机为中心的诊断系统。20世纪80年代随着小波分析的出现,人们开始采用小波分析处理振动信号,取得了明显的效果[1-7]。这此方法的基本思想都是对测得的振动信号进行小波(或小波包)分解,由分解结果直接提取故障特征进行诊断。但是如果环境噪声过大,效果并不理想。这是因为故障信号几乎在每个频段都被噪声淹没,直接进行小波分析无法提取出故障信息。为了解决这个问题,本文提出了两种基于小波包变换的滚动轴承故障诊断方法,即基于自相关小波包消噪的滚动轴承故障诊断法和基于互相关小波包消噪的滚动轴承故障诊断法。仿真结果表明,两种方法均极大地增强了滚动轴承的故障诊断能力,在强噪声背景下能够有效提取滚动轴承的故障频率。1滚动轴承的失效形式及其振动特点滚动轴承常见的失效方式有磨损、疲劳、腐蚀、断裂、压痕、胶合失效等。当轴承元件(包括外圈、内圈和滚珠)的工作表面出现局部缺陷时,会以一定的通过频率(限决于转频、轴承型号)产生一系列的宽带冲击,称为轴承的“通过振动”,如图1所示。通过振动的频率称为“通过频率”或“故障频率”,实际中滚动轴承故障振动检测就是要检测这个频率。同时,轴承系统会被这些冲击所激励,产生一系列的冲击衰减响应。一般情况下,无论滚动轴承出现何种损伤,其振动形式往往是复杂的调幅振动。载波是轴承各元件的以其固有频率振动的高频部分(几千到几万赫兹)。载波频率可以由机械转速、零件尺寸和缺陷位置等参数求得。此外轴瓦损坏、齿轮轮齿损伤等缺陷也会产生类似的振动。故障频率一般较低,大约在几赫兹到几百赫兹的范围内,在频谱上很难找到这个频率。其原因有二:一是由于这种冲击的周期较大,所以冲击成分的能量在总能量中所占比例较少;二是由于频率较低,与机械中动力噪声等干扰的频率相近,容易被这些干扰所淹没。因此,直接对这一频带进行信号分析很难检测到故障频率[1]。图1通过振动的典型波形图2小波理论及相关分析小波变换是一种信号的时间-尺度分析方法,它具有多分辨率分析的特点,而且在时频两域都具有表征信号局部特征的能力,是一种窗口面积固定不变,时间窗和频率窗都可以改变的时频局部化分析方法。利用小波变换的动态系统故障诊断取得了良好的效果。2.1小波变换多采样率滤波器组是数字信号处理领域在20世纪80年代中发展起来的技术,它和小波变换有着特别的相似性。对信号进行小波变换相当于信号经过特定滤波器组的滤波。图2为小波变换的2层分解结构。S为输入信号,H、L分别为高、低通分解滤波器。2为抽样器(抽样间隔为2)。S经过高低通滤波器后,分别被2抽样后得到cD1、cA1。cD1、cA1对应着小波分解的第一层系数,即cD1为小波分解的细节信号,对应着S的高频,而cA1对应着小波分解的趋势信号,对应着S的低频;之后对于趋势信号再用同样的滤波器进行分解,再经过2抽样得到信号cD2、cA2,对应着小波分解的第二层系数,cD2为细节信号,cA2为趋势信号。原信号S被分解为趋势信号cA2及一系列细节信号cD1、cD2。对于第j层分解:S=cAj+ijcDi(1)cAj-1=cAj+cDj(2)可

参考文献

引证文献

问答

我要提问