基于小波包络分析的滚动轴承故障诊断研究

作者:赵玉菊;陈恩利;史振江 刊名:石家庄铁路职业技术学院学报 上传者:苏志强

【摘要】滚动轴承出现故障时的振动信号是非平稳信号,傅立叶变换方法难以达到满意的效果。小波分析可同时从时域和频域两个方面对信号进行分析,十分适于滚动轴承的故障诊断。根据滚动轴承故障诊断理论,通过构造轴承上有单个损伤点时的仿真信号,应用小波包分析与包络分析相结合的方法,成功提取了滚动轴承的故障特征,并在此基础上对实测的滚动轴承振动信号进行分析,实验结果表明小波包络技术可以有效的提取滚动轴承故障信号。

全文阅读

1前言滚动轴承作为各类旋转机械中最常用的关键零部件之一,它的运行状态直接影响系统的工作状态和运行安全。据统计,旋转机械的故障有30%是由轴承故障引起的,这是因为滚动轴承是机械设备中工作条件最为恶劣的部件,它在机械设备中起着承受载荷和传递载荷的作用,其工作面接触应力的长期反复作用,极易引起轴承疲劳、裂纹、腐蚀、磨损等故障,导致轴承断裂,造成事故[1]。目前,我国已实现了全路货车滚动轴承化,为提高工作效率,确保货车运行安全,减少或杜绝行车事故的发生,最大限度地发挥轴承的工作潜力,开展滚动轴承的工况监测与故障诊断,对实现货车在线检测与快速检测具有重要的理论意义和应用价值。2小波变换及其包络解调原技术傅立叶变换将信号从时间域转换到频率域,是平稳信号处理领域中最完美、应用最广泛、效果最好的一种分析手段[2]。但对于非平稳信号,希望对高频信号采用小时间窗,对低频信号采用大时间窗进行分析,即窗口的大小应随频率而改变,这是加窗傅立叶变换无法实现的。小波变换包括小波分析和小波包分析。小波分析是一种窗口大小固定但其时频窗都可以改变的时频局部化分析方法,在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率[3]。正是这种特性,使小波分析具有对信号的自适应性,能识别振动信号的突变成分。2.1小波包分析小波分析其尺度函数按二进制变化的,在高频段其频率分辨率较差,即存在“高频低分辨率”问题,为此我们引入能够为信号提供一种更加精细的分析方法小波包分析。小波包分析把信号分解为低频和高频两部分,下一层分解时将低频信号和高频信号同时进行分解,是对信号所包含的频率进行划分,原信号经小波包分解后得到的一个个小波包包含信号所包含的不同的频率段,这些小波包的频带相邻,带宽一样。分解后的每一个小波包含有信号的点数比上一层小波包的点数少一半,因此,分解的层数越多频域分辨率越高,时域分辨率越低,这对分析信号是不利的,为提高时域分辨率,可以通过小波包的重构算法,提取某一个或几个有效频带的信号分别进行重构,这样就可以把这一小波包的时域分辨率提高到原来的大小。小波包的分解和重构算法[4]设()njgjntU,则gjn(t)可表示为:gdjnun(jtl)lljn=??2(1)小波包分解算法:由{dlj+1,n}求{dlj,2n}和{dlj,2n+1},即:jnkkkldlj,2na?2d+1,=kjnkkldlj,2n+1b?2d+1,=(2)小波包重构算法:由{dlj,2n}与{dlj,2n+1}求{dlj+1,n},即:[+]??+=+kjnlkkjnlkkdlj1,nh2d,2g2d,21(3)实际应用中,可以根据计算出的轴承的特征频率和信号采样频率,选择小波包分解层数,将分解结果保留,令其他频带小波包系数为零,而后进行小波包系数重构。2.2包络分析包络分析是目前诊断轴承和齿轮故障的最有效的方法[5~6]。它的实质是对周期性的冲击故障信号来说,其宽频带特性常引起系统固有频率处的谐振,从而在该频率附近形成以特征故障频率为基频的边带,此边带是故障信号调制的结果。因此包络分析又称为解调分析。Hilbert谱是信号的幅值随时间和频率变化的精确描述,在线性框架下与小波谱具有相同的表现特征,但是在时域和频域的分辨率都远远高于小波谱。一个实信号的Hilbert变换定义是:x?(t)=x(t)*1t=1?+tx?(tr)dr(4)小波包分解系数di(t)的Hilbert变换结果是d?i(t),则分解系数di(t)的包络:b(t)=di2(t)+d?i2(t)(5)小

参考文献

引证文献

问答

我要提问