基于信号处理的滚动轴承故障诊断_王政.pdf

基于信号处理的滚动轴承故障诊断王 政,赵 娟(青岛理工大学机械与汽车工程学院,山东 青岛2 6 6 5 0 0)摘 要:利用信号处理中的时域分析、频域分析以及时频分析的知识,采集滚动轴承的不同振动信号,并对不同状态下的滚动轴承的振动信号进行分析,进行滚动轴承不同状态下的时域分析对比、频域分析对比和时频分析对比,实现滚动轴承的故障诊断,得出时频分析判断更加准确但要综合各种分析考量的结论。关键词:信号处理;滚动轴承;故障诊断中图分类号:TH 1 3 3.3 3 D O I:1 0.1 9 7 6 8/j.c n k i.d g j s.2 0 2 3.0 2.0 4 5R o l l i n gB e a r i n gF a u l tD i a g n o s i sB a s e do nS i g n a lP r o c e s s i n gWAN GZ h e n g,Z HAOJ u a n(S c h o o l o fM e c h a n i c a l&A u t o m o t i v eE n g i n e e r i n g,Q i n g d a oU n i v e r s i t yo fT e c h n o l o g y,Q i n g d a o2 6 6 5 0 0,C h i n a)A b s t r a c t:U s i n gt h ek n o w l e d g eo f t i m ed o m a i na n a l y s i s,f r e q u e n c yd o m a i na n a l y s i sa n dt i m e-f r e q u e n c ya n a l y s i s i ns i g n a lp r o c e s s i n g,d i f f e r e n t v i b r a t i o ns i g n a l s o f r o l l i n gb e a r i n g sw e r e c o l l e c t e d,a n d t h e v i b r a t i o ns i g n a l s o f r o l l i n gb e a r i n g s i nd i f-f e r e n t s t a t e sw e r ea n a l y z e d.T h e t i m ed o m a i na n a l y s i s,f r e q u e n c yd o m a i na n a l y s i s a n d t i m e-f r e q u e n c ya n a l y s i s c o m p a r i s o no f r o l l i n gb e a r i n g su n d e r d i f f e r e n t s t a t e sw e r e c a r r i e do u t.T h e f a u l t d i a g n o s i s o f r o l l i n gb e a r i n g sw a s r e a l i z e d,a n d t h e c o n-c l u s i o nt h a t t h e t i m e-f r e q u e n c ya n a l y s i s j u d g m e n tw a sm o r ea c c u r a t eb u t r e q u i r e sv a r i o u sa n a l y s i sc o n s i d e r a t i o n s.K e yw o r d s:t h es i g n a l p r o c e s s i n g;r o l l i n gb e a r i n g;f a u l td i a g n o s i s收稿日期:2 0 2 2-0 5-0 9作者简介:王政(1 9 9 8-),硕士研究生,研究方向为智能信息处理与复杂装备状态监测诊断。0引言滚动轴承作为机械旋转装置中最重要的零部件之一,其性 能 优 良、价 格 便 宜,被 广 泛 应 用 于 各 种 工 业 活 动中1,但是其自身承受载荷和冲击,容易发生故障,如果不及时诊断出故障,就易引发事故2。传统的故障诊断方法效率偏低、准确率不高,易造成误判。近年来,随着计算机技术的进步,基于信号处理的故障诊断方法应运而生3-5。本文基于信号处理方法,采集三种不同状态下的滚动轴承振动信号,并对振动信号分别进行时域分析、频域分析和时频分析,结果表明时频分析更为直观、准确,但要结合多种方法综合考量。1信号处理原理1.1时域分析滚动轴承在故障状态下的振动幅值因不同的故障形式而表现得不同,表现形式为随时间变化的波形曲线。对不同形式的波形曲线进行分析,在其时间域内称作时域分析。通过对这些波形曲线一些特征参数的提取,可以进行简单的故障诊断。特征参数分为两种:一种是有量纲型参数,包括方根幅值、均方根幅值、平均值、峰值等;另一种是无量纲型参数,包括脉冲指标、峰值指标、峭度指标、裕度指标等。时域特征参数具体公式见表1,其中x(t)为输入的原始信号,x为幅值,p(x)为幅值概率密度函数。有量纲型参数和无量纲型参数在工程应用中有着不一样的意义。用有量纲型参数来表达一个机械工作状态,往往是不准确的,因为有量纲型参数不仅与机械的工作状态有关还与机械的运动参数有关,比如转速、载荷等。而无量纲型参数具有对机械工况变化不敏感的特点,也就是说,它与机械的运动条件无关,只与概率密度函数p(x)有关,因此无量纲型参数对轴承的振动信号分析具有重要意义。表1时域特征参数有量纲型公式均方值xr m s=1TT0 x2(t)dt1/2平均值x-=1TT0|x(t)|dt峰值xp=Em a x|x(t)|方根幅值xr=1TT0|x(t)|dt2无量纲型公式脉冲指标I=xPx峰值指标C=xPxr m s裕度指标L=Xpxr峭度指标K=+-X4(t)p(x)dx+-x(t)-x-2p(x)dx21.2频域分析信号的频域分析是借助快速傅里叶变换(F F T),将信号从时域转换到频域,由频谱图显示出构成信号的不同频率成分。在滚动轴承的故障诊断中,可以用频域分析,051电工技术 系统解决方案 通过频谱图显示出不同状态下滚动轴承的原始信号频率成分,进而实现故障诊断。信号的频域分析实际上就是把原始信号用傅里叶级数分解成若干个不同频率的正弦信号和余弦信号,傅里叶级数公式为:x(t)=a0+n=1(anc o s 2 f0t+bns i n 2 f0t),n=1,2,3(1)a0=2TT2-T2x(t)dt(2)an=2TT2-T2x(t)c o s(2 n f t)dt,n=1,2,3(3)bn=2TT2-T2x(t)s i n(2 n f t)dt,n=1,2,3(4)式中,x(t)为原始信号;a0为直流分量;an为余弦系数;bn为正弦系数。1.3时频分析时频分析可简单地理解为既有时间也有频率的分析。时间和频率可表达一个信号最根本的特征,信号的时频分析把二者结合,使其既有时域分析也有频域分析,让信号的特征信息更加丰富。此次实验使用短时傅里叶时频分析法(S T F T),其核心思想是用一个相对短的窗函数截取信号,用截取的部分信号来进行它的频域分析(用傅里叶级数分解),然后移动窗函数,再截取下一部分信号,再计算,直至全部信号截取并计算完毕。这就是短时傅里叶分析的原理。用这种方式可以计算出不同时刻的频率特性,进而可以得到既有时间特性,也有频率特性的一个三维S T F T谱阵,从三维S T F T谱阵中可以轻松地判断不同时刻的频率特性,能较为准确地达到诊断滚动轴承故障的目的。S T F T的数学公式为:S T F T(t,f)=x(t)W(t-t)e-j 2 f tdt(5)式中,t为时间参数;f为频率参数;x(t)为原始信号;W(t-t)为滑移窗函数。2实验分析2.1振动信号采集实验实验采集了齿轮箱中滚动轴承的振动信号,实验台如图1所示,数据采集装置如图2所示,变速控制装置如图3所示。实验流程为打开变频控制开关,设置好转速使电机带动齿轮箱转动,通过数据采集装置中的加速度传感器(如图4所示)采集不同状态下的滚动轴承振动信号,设定采样频率为5 1 2 0H z,采样点数为3 2 7 6 8,共采集了正常状态、外圈故障状态(如图5所示)、滚动体故障状态(如图6所示)的轴承振动信号。2.2时域分析实验首先进行滚动轴承三种不同状态下的原始振动信号波形对比,如图7所示,可以看出不同状态下的滚动轴承振动信号在波形上有着明显的区别,但仅靠原始波形来判断 图1实验台 图2数据采集装置 图3变频控制装置 图4加速度传感器 图5外圈故障 图6滚动体故障滚动轴承的故障状态是不准确的,需要对其进行进一步分析。将此次实验采集的正常滚动轴承状态下的3 2 7 6 8个振动点划分为3 2个样本,每个样本的长度为1 0 2 4个点,并分别将外圈故障状态、滚动体故障状态依次划分。计算每个样本的峭度指标,并把三种不同状态下的峭度指标放在图中进行对比,如图8所示,不同状态下的峭度值分布范围不同。峭度值属于无量纲型参数,因为无量纲型参数比有量纲型参数在轴承的故障信号分析方面更有优势,且峭度指标对信号的敏感性较高6,所以选用峭度指标来进行时域特征提取7。由于滚动轴承滚动体故障状态下和外圈故障状态下的折线相比正常状态下的折线峭度更大,因此将峭度值作为故障特征进行提取,与正常轴承状态下的峭度值进行比对,以初步判断滚动轴承的故障。图7滚动轴承原始振动信号波形对比151系统解决方案 电工技术 图8滚动轴承不同状态下的峭度指标对比2.3频域分析实验对采集到的三种不同状态下的滚动轴承振动信号进行快速傅里叶变换(F F T)后,将其实部乘方,得到其功率图,如图9所示。功率图是反映频率与能量之间关系的频谱图,之所以选用功率图是因为其具有掩盖掉小能量信号的特点,一般滚动轴承在发生故障时,能量有较大的变化,把小能量部分信号掩盖掉,可使判断更加清晰明了。图9滚动轴承不同状态下的功率谱对比如图9所示,能量与频率的分布随着不同的滚动轴承状态而表现得不同。正常状态下的滚动轴承的高能量一般集中在5 0 0H z周围,外圈故障的滚动轴承高能量集中在4 0 0H z周围,而 滚 动 体 故 障 的 滚 动 轴 承 高 能 量 分 布 在4 0 05 0 0H z。通过对振动信号进行频域分析处理,得到其频谱图,通过对频谱图的能量分布观察,结合之前的时域分析,可以进一步判断滚动轴承的故障。2.4时频分析实验根据S T F T原 理,首 先 选 择 滑 移 窗 函 数 的 长 度 为1 0 2 4,设置每次滑移的长度为5 1 2,然后将滑移窗放在滚动轴承原始信号的首端,也就是t=0时刻,随后开始用滑移窗截取信号,最后计算这段截取信号的频谱。重复以上步骤,直至此次实验所采集的3 2 7 6 8个振动点全部计算完毕,得到三种不同状态下的滚动轴承S T F T谱阵图的对比,如图1 0所示。图1 0滚动轴承不同状态下的S T F T谱阵图对比从图1 0可看出,S T F T谱阵图是个三维图,其中包含了时间、频率、幅值常量,并可显示出不同时刻下的频率,灰色部分代表此频率段的幅值较高,黑色部分则代表此频率段的幅值较低。对比不同状态下的滚动轴承谱阵图,可看出时间、频率、幅值以及幅值随时间的变化。这样综合幅值频率、时间频率以及时间幅值,可以更加精确地判断滚动轴承的故障。滚动轴承正常状态与外圈故障状态及滚动体故障状态有着明显的区别,综合不同视角的对比可以更加精确地判断滚动轴承的故障。3结语通过时域分析实验,可以得到不同时刻下的波形,在提取特征后,虽然可以提高故障的判断正确率但是缺乏频率参数,此方法仅对简单的振动信号(即单频率信号)分析判断有用,而在面对多频率的振动信号