基于角域经验小波变换的滚动轴承故障诊断

作者:杨长征; 刊名:机械传动 上传者:徐更田

【摘要】针对变转速条件下滚动轴承故障特征难以提取的问题,提出了一种基于角域经验小波变换的变转速滚动轴承故障诊断方法。该方法首先利用等角度重采样将变转速下非平稳的滚动轴承故障振动信号转化为角域平稳信号,然后应用经验小波变换(Empirical mode decomposition,EWT)对角域平稳信号进行自适应分解,得到若干个经验模态分量,最后选择峭度值最大的经验模态分量进行包络谱分析,提取出滚动轴承故障的阶比特征。为提高经验小波变换的分解效率,对其频谱分割方法进行了改进。滚动轴承故障诊断实例表明,该方法能够有效地抑制噪声等干扰成分的影响,精确提取滚动轴承故障的阶比特征,为变转速条件下的滚动轴承故障诊断提供一种有效方法。

全文阅读

0引言滚动轴承是旋转机械的关键部件,对于整个系统的安全运行具有重要影响[1]。由于轴承工作环境恶劣、负载较大,使其成为极易损坏的部件之一。研究有效的故障诊断方法,及时判别出滚动轴承的运行状态,对于保障系统的安全运行具有重要意义[2]。当滚动轴承的各组成元件(内圈、外圈、滚动体、保持架)出现局部损伤故障时,其故障振动信号为受噪声干扰的冲击调制信号[3-4]。同时根据滚动轴承故障特征频率计算公式可知,滚动轴承各组成元件的故障特征频率与轴承的几何尺寸和转速直接相关,故障特征频率与转速成比例关系[5-6]。当转速固定时,滚动轴承的各故障特征频率也为某一固定值,因而常采用传统的频域分析方法识别轴承的故障特征频率。包络分析是目前被广泛认可的恒定转速下的滚动轴承故障诊断方法[7]。该方法的思想是利用共振解调将滚动轴承的故障特征信号从低频干扰和噪声背景中提取出来。但实际工况下,滚动轴承的转速通常是变化的,使得滚动轴承故障振动信号为非平稳时变信号。滚动轴承的故障特征频率不再是某一固定值,而是随转速变化的一条故障频率曲线,传统的谱分析方法分析此类故障振动信号时会出现频率模糊现象[8]。因此,如何从包含背景噪声和干扰信号的变转速滚动轴承故障诊断振动信号中精确提取滚动轴承的故障特征已成为滚动轴承故障诊断的研究热点。阶比跟踪方法是处理变转速故障诊断问题的有效方法[9-10]。该算法的核心是根据转速信息,利用角域重采样将时域非平稳信号变为角域平稳信号,使得因转速变化而失效的故障诊断方法恢复功效。本文中我们主要研究了变转速条件下的滚动轴承故障诊断问题。为抑制噪声和干扰成分对滚动轴承故障特征信号的影响,首先改进了经验小波变换的频谱分割方法,然后将其同阶比分析结合,提出了基于角域经验小波变换的变转速滚动轴承故障诊断方法。该方法首先对变转速滚动轴承故障振动信号进行角域重采样获得角域平稳信号,然后应用EWT方法对角域平稳信号进行分解,得到若干经验模态分量,最后对峭度值最大的经验模态分量进行包络分析,提取滚动轴承的故障阶次特征。分析了变转速条件下的滚动轴承实验测试信号,结果表明该方法能够精确提取变转速滚动轴承故障的特征阶次,分析效果优于直接包络阶比方法,验证了该方法的有效性。1角域经验小波变换1.1阶次重采样将时域变转速下的非平稳信号转化为与参考轴转速相对应的角域平稳信号是处理变转速故障诊断问题的有效方法[11]。阶次重采样的关键是如何实现被分析信号相对于参考轴的等角度重采样。计算阶次跟踪法通过软件实现[12],具有分析精度高、无需特定硬件等优点,是实现阶次重采样中应用最广泛的方法。计算阶次重采样的步骤如下所述。假设转子系统在匀角加速情况下,累积转角可以表示为(t)=b0+b1t+b2t2(1)式中,b0、b1、b2为待定系数。设时域中1个键相脉冲对应参考轴的增量为,通过拟合3个连续的键相脉冲到达时刻t1、t2、t3,即(t1)=0(t2)=(t3)=2{(2)将式(2)代入式(1)可得02??=1t1t211t2t221t3t?3?3b0b1b?2(3)通过式(3)可以求出b0、b1、b2的值,将其代入式(1)可以得到任意角度与时间的表达式为t()=12b2(4b2(-b0)+b槡21-b1)(4)令等角度重采样间隔为,等角度重采样点数为N,根据式(4)可以求出等角度重采样的键相时标Tn,利用拉格朗日插值求出重采样信号为x(Tn)=x(ti)+x(ti+1)-x(ti)ti+1-ti(Tn-ti),tiTnti+1(5)1.2经验小波变换经验小波变换(EWT)是一种新的自适应信号分解

参考文献

引证文献

问答

我要提问