基于谐波小波和Hilbert的滚动轴承故障诊断方法

作者:张邦成;陈珉珉;尹晓静;高智;吴立刚 刊名:现代制造工程 上传者:许英凤

【摘要】主轴滚动轴承是数控机床的重要部件,它的运行状态往往直接影响整套机械设备的性能。为了提高主轴滚动轴承的故障诊断可靠性,针对数控机床主轴轴承振动信号非平稳的特点,利用谐波小波滤波的方法对现场采集的振动信号进行滤波,并提出对滤波后的信号进行Hilbert包络分析,从而提取出故障激发的共振信号。实例验证表明,谐波小波具有良好的滤波效果,Hilbert包络分析能有效地提取滤波后信号的故障特征,此方法提高了数控机床主轴滚动轴承故障诊断的准确性。

全文阅读

张邦成,等:基于谐波小波和 Hilbert的滚动轴承故障诊断方法 2015年第 6期 图3 谐波小波重构算法原理 图3中: (r)为任意离散信号;F 为 (r)的快速 傅里 叶变换 ;r为采样点的个数。 滤波后,从提取出来的信号波形图中并不能直接 看出数控机床主轴滚动轴承的故障特征频率 ,因此也 无法确定故障类型,需要利用 Hilbert变换对滤波后的 信号进行包络分析 。 3 Hilbert包络分析原理 Hilbert包络分析是对时域信号绝对值的包络,可 从信号中提取出调制信号并进行分析,得出信号变化 状态 ,故 Hilbert包络分析在故障特征提取方面具有很 大的优 越 性。一个 实信 号 (t)的 Hilbert变 换 ( )为¨ : , 1 、 戈 ( )= ( )]= (t)( ) (6) 式 中: (t)]为对实信号 (t)的 Hilbert变换。 实信号 (t)的包络 A(t)为 : A(t)=~/ (t)+ (t) (7) (t)的傅里叶变换 F[ (t)]为: F[ (t)]=FEz(t)] 1/(叮T )]=日( -,∽ (8) 式中:F[ (t)]为 (t)的傅里 叶变换 ;F[1/(1T )]为 1/(1T£)的傅里叶变换 为频率;日( 为频率厂的 Hil— bert变换 ;.,( 为实信号 (t)的傅里叶积分。 = 三 (9) (t)的傅里叶变换是实信号 (t)在频域做相移, 在正频域内相对原位置推迟 /2,在负频域 内相对原 位置提前 w/2,因此,对信号 (t)进行 Hilbert变换 ,就 是对 (t)进行快 速傅 里叶变换 (F丌 )得到变换后 的 函数 (t)],移 相 /2后 ,再进 行傅 里 叶逆 变 换 (IFFT),最终得到 (t)。 经过 Hilbert包络分析后 ,再对 H[ (t)]进行包络 谱分析 ,最终得 出故障特征频率 。 4 滚动轴承故障诊断实例分析 为了研究数控机床主轴滚动轴承的故障,利用 以上方法对采集到的信号进行分析。本次实验所用 装置有数 控机 床试验 台、传 感器、数据 采集系 统 BK2526和计 算机 。将 外 圈有磨损 的滚 动轴 承安装 于数控铣床 主轴 中,并通过 加工铸 铁测 得轴 承 的振 动信号。其 中电动机 转 速为 1 000r/min,进给 量 为 40mm,采样 频率 为 20kHz,已知 滚动 体直 径 d= 10.25mm,轴承节径 D=102.5mm,滚动轴 承 内圈 回 转频率. =50.42Hz,所采集的信号时域波形图如图 4所示 。同时利用式(1)、式 (2)和式 (3),计算 出所 用轴承故 障的理论特征频率 ,如表 1所示。 0 o.05 o.1O 0.15 0.20 o.25 o.30 0.35 0.40 时问 t/s 图4 采样信号时域波形图 表 1 故 障的理论特 征频 率 : 旦! ! 1 22 l5.5 612.69 501.17 244.98 从图4中显然无法判断故障的原因和部位。实际 测量的故障振动信号主要由两部分组成:1)振源振动 引起 的周期性响应 ,主要发生在低频 区域 ;2)局 部缺 陷振动脉冲引起的系统共振。 窗函数是频谱分析中一个重要 的部分 ,窗 函数修 正了由于信号 的非周期性而导致 的测量不准确 并减 小了频谱 的泄漏 。采用 hann窗对谐 波小波进行加 窗处理 ,并对加窗处理后的故 障振动信号进行频谱分 析,其功率谱密度如图5所示。从图5中可以发现,能 量主要集中在 4.4~4.9kHz,因此采用谐波小波

参考文献

引证文献

问答

我要提问