基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法
【專利摘要】本發(fā)明公開了一種基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法，涉及齒輪或傳動(dòng)機(jī)構(gòu)的測試方法技術(shù)領(lǐng)域。所述方法可將齒輪箱軸承故障信號中與齒輪振動(dòng)相關(guān)的諧振分量和與軸承故障信息相關(guān)的沖擊分量用不同的字典進(jìn)行稀疏表示，利用形態(tài)分量分析并結(jié)合其他信號處理方法可將信號中具有不同形態(tài)分量的故障成分進(jìn)行有效地分離。所述方法原理簡單，算法容易實(shí)現(xiàn)，信號的物理含義明確，是一種有效的齒輪箱軸承故障診斷方法，且該方法還可以降低角域重采樣階次，減少階次跟蹤的計(jì)算量。
【專利說明】
基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及齒輪或傳動(dòng)機(jī)構(gòu)的測試方法技術(shù)領(lǐng)域，尤其涉及一種基于形態(tài)分量分 析的變工況齒輪箱軸承故障診斷方法。
【背景技術(shù)】
[0002] 近年來，在國內(nèi)外經(jīng)常有因齒輪箱中各種故障而造成的災(zāi)難性事故發(fā)生，而這些 事故主要是由于齒輪箱在運(yùn)行過程中發(fā)生的故障而引起的。目前，為了防止此類事故的發(fā) 生而必須定期頻繁地進(jìn)行檢修以排除齒輪箱故障，這樣不但增加了齒輪箱的正常運(yùn)行和維 護(hù)成本，而且會(huì)使齒輪箱的正常運(yùn)行受到嚴(yán)重影響，容易造成齒輪箱的損壞。研究快速有效 的齒輪箱故障診斷方法，對于防止齒輪箱突發(fā)性故障，降低其維護(hù)修理費(fèi)用，保障齒輪箱運(yùn) 行安全，避免造成重大經(jīng)濟(jì)損失和人員傷亡意義重大。
[0003] 形態(tài)分量分析(MCA)方法可利用信號組成成分的形態(tài)差異性和稀疏性，將多分量 信號中不同形態(tài)分量信號進(jìn)行分離。傳統(tǒng)的信號分解方法大都是基于各信號分量頻率帶的 不同而分離，而MCA方法即使各信號分量的頻率帶存在相互疊加的情況，依然可將信號進(jìn)行 分離。MCA方法原理簡單，具有更好的自適應(yīng)性，算法容易實(shí)現(xiàn)，而且稀疏表示后的信號結(jié)構(gòu) 簡單，信號的物理含義明確。
[0004] 階次跟蹤是一種針對變轉(zhuǎn)速振動(dòng)信號進(jìn)行分析處理與故障診斷的重要方法，其基 本思想是將轉(zhuǎn)速信號與非平穩(wěn)振動(dòng)信號結(jié)合起來，從而使非平穩(wěn)振動(dòng)信號能夠進(jìn)行角域重 采樣而轉(zhuǎn)化為角域準(zhǔn)平穩(wěn)信號。現(xiàn)常用的計(jì)算階次跟蹤方法利用鍵相裝置來采集脈沖信 號，利用相應(yīng)的傳感器同時(shí)采集齒輪箱的振動(dòng)信號及其轉(zhuǎn)速信號，再利用軟件的形式對采 集到的非平穩(wěn)信號進(jìn)行角域重采樣，用以得到其角域準(zhǔn)平穩(wěn)信號。因基于硬件方式的階次 跟蹤方法的相關(guān)裝置安裝復(fù)雜，成本較貴，且不適用于轉(zhuǎn)速較快的場合，這一定程度上限制 了其應(yīng)用范圍。與這種方法相比，計(jì)算階次跟蹤技術(shù)則具有精度高、實(shí)時(shí)性好、容易實(shí)現(xiàn)，成 本低等優(yōu)點(diǎn)。根據(jù)計(jì)算階次跟蹤技術(shù)理論，階次的定義為振動(dòng)頻率與相應(yīng)參考軸轉(zhuǎn)速的比 值。在角域重采樣過程中，存在著與時(shí)域采樣定理近似的角域重采樣定理。
[0005] 目前，若已知信號中所包含的最大階次，則可依據(jù)采樣定理確定重采樣階次，但實(shí) 際應(yīng)用過程中往往不清楚信號中的最大階次，這樣就會(huì)導(dǎo)致出現(xiàn)階次混疊的現(xiàn)象。階次跟 蹤中重點(diǎn)的問題是怎樣確定角域重采樣階次，從而避免上述現(xiàn)象。本方法提出了基于低通 濾波的改進(jìn)方案，其主要是為了保證在進(jìn)行重采樣過程中避免出現(xiàn)上述現(xiàn)象，該方法還可 以降低角域重采樣階次，從而減少階次跟蹤的計(jì)算量。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題是提供一種基于形態(tài)分量分析的變工況齒輪箱軸承 故障診斷方法，所述方法可將齒輪箱軸承故障信號中與齒輪振動(dòng)相關(guān)的諧振分量和與軸承 故障信息相關(guān)的沖擊分量有效地進(jìn)行分離，具有原理簡單，容易實(shí)現(xiàn)，稀疏表示后的信號結(jié) 構(gòu)簡單，信號的物理含義明確等優(yōu)點(diǎn)。
[0007] 為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案是：一種基于形態(tài)分量分析的變 工況齒輪箱軸承故障診斷方法，其特征在于包括如下步驟：
[0008] 1)構(gòu)建出局部離散余弦變換字典和非抽樣離散小波變換字典，分別用于稀疏地表 示齒輪箱原始軸承故障信號中存在的諧振成分和沖擊成分，利用選定的字典及其參數(shù)，設(shè) 定形態(tài)分量分析的前提條件，通過形態(tài)分量分析方法對原始故障信號進(jìn)行分解，得出與齒 輪振動(dòng)相關(guān)的諧振分量和與軸承元件故障相關(guān)的沖擊分量；
[0009] 2)根據(jù)故障振動(dòng)信號中想要分析的最大階次來設(shè)置階次跟蹤方法中低通濾波器 的截止頻率fc，進(jìn)而計(jì)算出經(jīng)濾波后信號中所隱藏的最高階次〇h lde，最后計(jì)算得出角域重采 樣階次Os ;
[0010] 3)對經(jīng)形態(tài)分量分析方法分解得出的沖擊分量進(jìn)行Hilbert包絡(luò)分析，用以獲取 其包絡(luò)；
[0011] 4)對沖擊分量的包絡(luò)信號進(jìn)行角域重采樣，獲取其角域包絡(luò)信號，再對其進(jìn)行離 散傅里葉變換，得出其包絡(luò)階次譜，通過分析角域包絡(luò)信號階次譜中的故障特征階次，診斷 軸承故障相關(guān)信息。
[0012] 進(jìn)一步的技術(shù)方案在于:齒輪箱軸承故障信號的提取通過以下手段實(shí)現(xiàn)：
[0013] 采用壓電式加速度傳感器采集齒輪箱軸承振動(dòng)信號，得到變工況下滾動(dòng)軸承外圈 輕微裂紋的故障信號;采用激光傳感器采集轉(zhuǎn)軸的轉(zhuǎn)速信號。
[0014] 進(jìn)一步的技術(shù)方案在于:所述的步驟1)中利用形態(tài)分量分析方法分解振動(dòng)信號的 過程包括以下步驟：
[0015] 1)選擇形態(tài)字典〇k(k=l，…，K)，采用非抽樣離散小波變換字典用來稀疏地表示 原信號中的瞬態(tài)沖擊成分，其小波函數(shù)采用8階消失矩Symlet小波，小波的粗分解尺度為0; 采用局部離散余弦變換字典用來稀疏表示原信號中的諧振成分，加窗函數(shù)采用正弦窗函 數(shù)，其窗間重疊度為50%，窗寬為N/8，N為信號的長度，假定最大的迭代次數(shù)為L max，設(shè)定閾 值Sk=L腹X入k/2，其中，入k為初始化變量；
[0016] 2)對各形態(tài)分量sk = 0，k=l，…，K進(jìn)行初始化； M'
[0017] 3)計(jì)算出各殘余的形態(tài)分量r, = …; m=l
[0018] 4)對信號n+sk進(jìn)行計(jì)算，求得各形態(tài)分量的稀疏變換系數(shù)+<%);
[0019] 5)對各稀疏變換系數(shù)ak采用選定的閾值篩選法進(jìn)行去噪，閾值為sk，得到更新以后 的稀疏變換系數(shù)a'k;
[0020] 6)利用稀疏變換系數(shù)a'k結(jié)合算法對信號進(jìn)行重構(gòu)，gpSk=〇 ka'k;
[0021] 7)得到更新以后的閾值Sk = Sk-Ak/2;
[0022] 8)若更新以后的閾值Sk>Ak/2,則跳至第3)步進(jìn)入循環(huán)，否則結(jié)束循環(huán)，得到各形 態(tài)分量sk(k=l,…，K)和殘余成分n-芝乂。
[0023] 進(jìn)一步的技術(shù)方案在于：所述的步驟2)中角域重采樣階次0S的求解包括如下步 驟：
[0024] 假設(shè)轉(zhuǎn)速信號采樣頻率為fs，nmax為參考軸的最高轉(zhuǎn)速，nmin為參考軸的最低轉(zhuǎn)速， 〇 max為所需分析的最高階次，最高階次0max內(nèi)的階次分量的頻率變化范圍為
[0025] f (0^Omax) ^Omax X Umax/60 (1)
[0026] 計(jì)算得出低通濾波器的截止頻率fc為
[0027] fc^0maxXnmax/60 (2)
[0028] 使在階次帶寬Om范圍內(nèi)信號的全部特征信息得以保留；
[0029]若信號中存在k階階次分量，那么該階次分量所對應(yīng)的頻率范圍為Ok X nmin/60 < fk <0max X nmax/60，在信號通過低通濾波后，f多f。的頻率范圍內(nèi)的階次分量都被過濾掉，故信 號經(jīng)過低通濾波后的最高階滿足
[0030] 0hideXnmin/60 = fc (3)
[0031] 此時(shí)，信號中的最高階次為
[0032] 0hide = 60 Xfc/nmin (4)
[0033] 通過轉(zhuǎn)速范圍得出信號中所隱藏的最高階次，再根據(jù)采樣定理來得到其角域重采 樣階次，保證在重采樣過程中不發(fā)生階次混疊現(xiàn)象；
[0034]得出信號的角域重采樣階次為
[0035] Os ^20hide= 120 Xfc/nmin (5)0
[0036] 采用上述技術(shù)方案所產(chǎn)生的有益效果在于:所述方法利用故障振動(dòng)信號中形態(tài)的 差異性，且各形態(tài)均可用相應(yīng)的字典進(jìn)行稀疏表示，結(jié)合其他的信號處理方法可將信號中 形態(tài)不同的分量進(jìn)行有效地分離。在實(shí)測信號中該方法可將齒輪箱軸承故障信號中與齒輪 振動(dòng)相關(guān)的諧振分量和與軸承故障信息相關(guān)的沖擊分量有效地進(jìn)行分尚，同時(shí)該方法還具 有原理簡單，算法容易實(shí)現(xiàn)，而且稀疏表示后的信號結(jié)構(gòu)簡單，信號的物理含義明確等優(yōu) 點(diǎn)。
【附圖說明】
[0037]圖1實(shí)施例中仿真信號的轉(zhuǎn)速曲線圖；
[0038]圖2實(shí)施例中變轉(zhuǎn)速齒輪噪聲源仿真振動(dòng)信號；
[0039]圖3實(shí)施例中變轉(zhuǎn)速軸承元件故障仿真振動(dòng)信號；
[0040] 圖4實(shí)施例中受噪聲干擾的變轉(zhuǎn)速軸承故障仿真振動(dòng)信號；
[0041] 圖5a實(shí)施例中仿真信號經(jīng)MCA分離后的諧振分量；
[0042]圖5b實(shí)施例中仿真信號經(jīng)MCA分離后的沖擊分量；
[0043]圖6實(shí)施例中采用傳統(tǒng)階次跟蹤的沖擊分量階次譜；
[0044] 圖7實(shí)施例中經(jīng)改進(jìn)后的階次跟蹤的沖擊分量階次譜；
[0045] 圖8實(shí)施例中傳統(tǒng)階次跟蹤避免階次混疊現(xiàn)象的階次譜；
[0046] 圖9實(shí)施例中變轉(zhuǎn)速軸承外圈故障信號的時(shí)域波形；
[0047] 圖10實(shí)施例中故障信號的轉(zhuǎn)速曲線圖；
[0048 ]圖11 a實(shí)施例中故障信號經(jīng)MCA分離后的諧振分量；
[0049]圖lib實(shí)施例中故障信號經(jīng)MCA分離后的沖擊分量；
[0050] 圖12實(shí)施例中沖擊分量采用傳統(tǒng)的階次跟蹤的階次譜；
[0051] 圖13實(shí)施例中沖擊分量經(jīng)改進(jìn)后的階次跟蹤的階次譜；
[0052]圖14實(shí)施例中傳統(tǒng)的階次跟蹤避免階次混疊現(xiàn)象的階次譜。
【具體實(shí)施方式】
[0053]下面結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整 地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0054]在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是本發(fā)明還可以 采用其他不同于在此描述的其它方式來實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的 情況下做類似推廣，因此本發(fā)明不受下面公開的具體實(shí)施例的限制。
[0055] 本發(fā)明公開了一種基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法，所述方 法包括如下步驟：
[0056] 1)采用壓電式加速度傳感器采集齒輪箱軸承振動(dòng)信號，得到變工況下滾動(dòng)軸承外 圈輕微裂紋的故障信號;采用激光傳感器采集轉(zhuǎn)軸的轉(zhuǎn)速信號。
[0057] 2)構(gòu)建出局部離散余弦變換字典和非抽樣離散小波變換字典分別用于稀疏表示 原始故障信號中存在的諧振成分和沖擊成分。利用選定的字典及其參數(shù)，設(shè)定MCA的前提條 件。通過MCA方法對信號進(jìn)行有效分解，從而得出與齒輪振動(dòng)相關(guān)的諧振分量和與軸承故障 相關(guān)的沖擊分量。
[0058] 3)根據(jù)故障振動(dòng)信號中想要分析的最大階次來設(shè)置階次跟蹤方法中低通濾波器 的截止頻率fc，進(jìn)而計(jì)算出經(jīng)濾波后信號中所隱藏的最高階次〇hlde，最后計(jì)算得出角域重采 樣階次Os。
[0059] 4)對經(jīng)MCA方法分解得出的沖擊分量進(jìn)行Hilbert包絡(luò)分析，獲取其包絡(luò)。
[0060] 5)對沖擊分量的包絡(luò)信號進(jìn)行角域重采樣，獲取其角域包絡(luò)信號，再對其進(jìn)行離 散傅里葉變換，得出其包絡(luò)階次譜。經(jīng)分析角域包絡(luò)信號階次譜中的故障特征階次可診斷 軸承故障相關(guān)信息。
[0061] 所述的步驟2)中利用MCA方法分解振動(dòng)信號的過程包括以下步驟：
[0062] (1)選擇形態(tài)字典Ok(k=l，…，K)，非抽樣離散小波變換字典用來稀疏地表示原 信號中的瞬態(tài)沖擊成分，其小波函數(shù)采用8階消失矩Symlet小波，小波的粗分解尺度為0。采 用局部離散余弦變換字典用來稀疏表示原信號中的諧振成分，加窗函數(shù)采用正弦窗函數(shù)， 其窗間重疊度為50%，窗寬為N/8(N為信號的長度）；假定最大的迭代次數(shù)L max;設(shè)定閾值Sk =Lmax X Ak/2，其中，Ak為初始化變量。
[0063] (2)對各形態(tài)分量sk = 0，k=l，…，K進(jìn)行初始化。
[0064] ⑶計(jì)算出各殘余的形態(tài)分量^/1^-^^-，^〗,….^^。 m=l
[0065] (4)對信號rj+sk進(jìn)行計(jì)算，求得各形態(tài)分量的稀疏變換系數(shù)％ =€>【(/} +\)。
[0066] (5)對各稀疏變換系數(shù)ak采用選定的閾值篩選法進(jìn)行去噪，閾值為Sk，得到更新以 后的稀疏變換系數(shù)a 'k。
[0067] (6)利用稀疏變換系數(shù)a'k對信號進(jìn)行重構(gòu)，gpSk=〇 ka'k。
[0068] (7)得到更新以后的閾值Sk = Sk-Ak/2。
[0069] (8)若Sk>Ak/2,則跳至第(3)步進(jìn)入循環(huán)，否則結(jié)束循環(huán)。此時(shí)可得到各形態(tài)分量 sk(k=l，???，K)和殘余成分r = s-。 m=l
[0070] 所述的步驟3)中角域重采樣階次0S的求解包括以下步驟：
[0071] 假設(shè)轉(zhuǎn)速信號的采樣頻率為fs，nmax為參考軸的最高轉(zhuǎn)速，nmax為參考軸的最低轉(zhuǎn) 速，〇 max為所需分析的最高階次。最高階次0max內(nèi)的階次分量的頻率變化范圍為
[0072] f(0^0max)^0maxXnmax/60 (1)
[0073] 計(jì)算得出該低通濾波器的截止頻率應(yīng)為
[0074] fc^0maxXnmax/60 (2)
[0075]因此，這樣就可以使在階次帶寬0m范圍內(nèi)信號的全部特征信息得以保留。
[0076]信號中存在k階階次分量，那么該階次分量所對應(yīng)的頻率范圍為0kXnmin/60<fk< 0max Xnmax/60。因此，通過低通濾波后，信號中f?彡f。的頻率范圍內(nèi)的階次分量都被過濾掉。 故信號經(jīng)過低通濾波后的最高階次應(yīng)滿足
[0077] Ohide Xnmin/60 = fc (3)
[0078] 此時(shí)，信號中的最高階次應(yīng)為
[0079] Ohide = 60 Xfc/nmin (4)
[0080] 因此，通過轉(zhuǎn)速范圍就能得出信號中所隱藏的最高階次，再根據(jù)采樣定理來得到 其角域重采樣階次，這樣就能保證在重采樣過程中不發(fā)生階次混疊現(xiàn)象。
[0081] 信號的角域重采樣階次為
[0082] Os ^20hide= 120 Xfc/nmin (5)
[0083] 實(shí)驗(yàn)驗(yàn)證
[0084] 為了驗(yàn)證所述方法在分析變轉(zhuǎn)速齒輪箱軸承故障中的有效性，從而構(gòu)造如式(6) 所示的仿真信號x(t)，式中，X1(t)為一個(gè)調(diào)幅調(diào)頻信號，用來模擬變轉(zhuǎn)速齒輪箱中因齒輪 故障造成的噪聲源，齒輪的齒數(shù)為15,信號的幅值為l;x 2(t)為模擬的變轉(zhuǎn)速下因軸承元件 故障而產(chǎn)生的一系列非周期性的沖擊信號，y(t)為單個(gè)沖擊成分;u(t)為單位階躍函數(shù);X。 (t)為軸承故障的調(diào)制信號，式中，其特征階次0〇為3.5; X3(t)為產(chǎn)生階次混疊現(xiàn)象的階次成 分;P為Xc (t) +X3 (t)中取得最大值的集合;tPi為在P中第i個(gè)最大值所對應(yīng)的時(shí)間點(diǎn);X1 (t)和 x2 (t)相應(yīng)的時(shí)域波形圖如圖2和3所示。n(t)為模擬隨機(jī)干擾噪聲，其幅值為0.5。變轉(zhuǎn)速軸 承故障仿真振動(dòng)信號波形如圖4所示，其仿真轉(zhuǎn)速曲線如圖1所示。仿真信號的采樣頻率為 2048Hz，采樣點(diǎn)數(shù)為2048。從仿真信號中可知，其調(diào)幅調(diào)頻成分比較明顯，而信號中的沖擊 成分則基本被淹沒。
[0085] x(t) =xi(t)+X2(t)+n(t) (6) .v, = 11 + cos!"2 x /r x 2 x (2 x tv x /: -f- 2 x x /)] ^
[0086] , (7) x cos[2 x x 15 x (2 x x / -h 2 x x /)]
[0087] = (8) r=0.
[0088] y(t) = 1.5Xexp(-920Xt) Xcos(2XJiX1200Xt) (9)
[0089] Xc(t) = cos[2XJiX3.5X(2XJiXt2+2XJiXt)] (10)
[0090] x3(t) = cos[2XJiX20X(2XJiXt2+2XJiXt)] (11)
[0091] P= {Max[xc(t)+X3(t) ]} (12)
[0092]由轉(zhuǎn)速曲線圖1可知，仿真信號的轉(zhuǎn)速范圍為383~1129r/min。故障仿真振動(dòng)信號 經(jīng)MCA方法分解后的諧振分量和沖擊分量如圖5a和5b所不。從圖5a和5b中可以看出，故障成 分已基本分離，只是在幅值上存在差異。
[0093]因振動(dòng)信號中軸承外圈故障特征階次為3.5,故應(yīng)考慮沖擊分量信號中的階次范 圍為0到10階。根據(jù)角域重采樣定理，取0s = 20,其所得出的階次譜如圖7所示。從圖6中可以 看出，在10階次的范圍內(nèi)，除了在滾動(dòng)軸承的故障特征階次及其2倍頻階次處出現(xiàn)尖峰外， 在8.25階次也出現(xiàn)尖峰，這說明發(fā)生了階次混疊現(xiàn)象。
[0094]采用基于低通濾波的階次跟蹤算法對沖擊分量信號進(jìn)行計(jì)算和分析處理。在信號 進(jìn)行濾波后，信號中所想要分析的最高階次〇max=2X3.5 = 7,取0max=10。通過計(jì)算，設(shè)置低 通濾波器截止頻率乜彡10 X 1129/60 = 118Hz，取fc = 190Hz。仿真信號在經(jīng)過低通濾波以后， 信號中隱藏的最高階次0hide = 60X 190/383 = 29.76。根據(jù)重采樣定理，信號的角域重采樣 階次〇s彡2 X 29.76 = 58.5 2，取Os = 60。用該方法得出的階次譜如圖7所示。
[0095]因信號中的最高頻率fmax= 20 X (1129/60) = 376Hz，則信號中所隱藏的最高階次 0hide = 60X (376/383) =58.9,傳統(tǒng)的階次跟蹤若要避免階次混疊現(xiàn)象，則要求其角域重采 樣階次〇s彡58.9 X 2 = 117.8，需取Os = 120，經(jīng)計(jì)算求得的階次譜如圖8所示。綜上可知，通過 基于低通濾波的方法既能提取出仿真信號中想要分析的階次成分，又過濾了高階成分，從 而避免了階次混疊現(xiàn)象。該方法還可以降低角域重采樣階次，從而減少階次跟蹤整體的計(jì) 舁里。
[0096]為驗(yàn)證基于MCA與改進(jìn)的階次跟蹤相結(jié)合的包絡(luò)解調(diào)方法在變轉(zhuǎn)速滾動(dòng)軸承故障 診斷中的效果，以滾動(dòng)軸承外圈裂紋故障為例進(jìn)行實(shí)驗(yàn)，將實(shí)測得到的故障振動(dòng)信號采用 本方法進(jìn)行分析。測試滾動(dòng)軸承具有外圈輕微裂紋故障，其基本參數(shù)如表1所示。測試轉(zhuǎn)速 曲線如圖10所示。從圖10中可以看出軸承轉(zhuǎn)速從620r/min上升到1175r/min，此時(shí)滾動(dòng)軸承 的時(shí)域振動(dòng)波形如圖9所示。
[0097]表1實(shí)驗(yàn)所用軸承的幾何參數(shù)
[0099] 根據(jù)滾動(dòng)軸承的基本參數(shù)，可計(jì)算出軸承外圈故障所相應(yīng)的故障特征階次0〇 = Z [l-d/DXC0S(a)]/2 = 5.28。在該軸承的軸承座上安裝用于采集振動(dòng)信號的振動(dòng)加速度傳 感器，以降低實(shí)測信號受其他因素的影響。在該軸承所在的轉(zhuǎn)軸上安裝用于測取實(shí)驗(yàn)中轉(zhuǎn) 速信號的激光傳感器，用以實(shí)際轉(zhuǎn)速信號的采集。所用到的數(shù)據(jù)采集系統(tǒng)將同時(shí)采集轉(zhuǎn)速 信號和振動(dòng)加速度信號，采樣頻率為25 600Hz，采樣時(shí)長為5s。
[0100] 實(shí)測故障振動(dòng)信號經(jīng)MCA方法分解后的諧振分量和沖擊分量如圖11a和lib所示。 從圖11a和lib中可以看出，故障成分已基本分離，只是在幅值上存在差異。
[0101] 因振動(dòng)信號中軸承外圈的故障特征階次為5.28,故應(yīng)考慮沖擊分量信號中的階次 范圍為〇到15階。根據(jù)重采樣定理，取角域重采樣階次0 S = 30,其所得出的階次譜如圖12所 不。
[0102] 從圖12中可以看出，在15階范圍內(nèi)，除了在其故障特征階次及其2倍頻階次處出現(xiàn) 尖峰外，在1和14.15階次也出現(xiàn)尖峰，說明發(fā)生了階次混疊現(xiàn)象。
[0103] 采用基于低通濾波的階次跟蹤算法對信號進(jìn)行計(jì)算和分析處理，在信號通過低通 濾波后，信號中要分析的最高階次0max=10.56,取0 max=ll。經(jīng)計(jì)算，設(shè)置低通濾波器的截止 頻率fc = 11 X (1175/60) = 215.42Hz，取220Hz，濾波后信號中所隱藏的最高階次0hide = 60 X (220/620 ) = 21 ? 29，則信號的角域重采樣階次Os彡2 X 21 ? 29 = 42 ? 58，取Os = 50，用該方法得 出的階次譜如圖13所示。
[0104] 從圖13中可以明顯地看出，在滾動(dòng)軸承外圈局部故障特征階次及其倍頻處出現(xiàn)的 峰值沒有變化，同時(shí)，在1和14.15階次處的峰值被過濾了。
[0105]若采用傳統(tǒng)階次跟蹤算法，根據(jù)信號中的轉(zhuǎn)速范圍，可計(jì)算得出信號中的最高頻 率fmax = 30X( 1175/60) =587.5Hz，從而就能計(jì)算得出其所隱含的最高階次0hide = 60X (587.5/620) =56.85。根據(jù)重采樣定理，重采樣階次Os彡2X56.85 = 113.7,至少要取0S = 120,才能避免出現(xiàn)階次混疊現(xiàn)象，如圖14所示。而基于低通濾波的階次跟蹤算法的重采樣 階次僅為50。因此，該算法不僅可避免在重采樣過程中出現(xiàn)階次混疊的現(xiàn)象，而且降低了其 角域重采樣階次，進(jìn)而減少了重采樣后數(shù)據(jù)量的運(yùn)算，驗(yàn)證了該方法的有效性。
【主權(quán)項(xiàng)】
1. 一種基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法，其特征在于包括如下步 驟： 1) 構(gòu)建出局部離散余弦變換字典和非抽樣離散小波變換字典，分別用于稀疏地表示齒 輪箱原始軸承故障信號中存在的諧振成分和沖擊成分，利用選定的字典及其參數(shù)，設(shè)定形 態(tài)分量分析的前提條件，通過形態(tài)分量分析方法對原始故障信號進(jìn)行分解，得出與齒輪振 動(dòng)相關(guān)的諧振分量和與軸承兀件故障相關(guān)的沖擊分量； 2) 根據(jù)故障振動(dòng)信號中想要分析的最大階次來設(shè)置階次跟蹤方法中低通濾波器的截 止頻率fc，進(jìn)而計(jì)算出經(jīng)濾波后信號中所隱藏的最高階次〇 hlde，最后計(jì)算得出角域重采樣階 次〇s; 3) 對經(jīng)形態(tài)分量分析方法分解得出的沖擊分量進(jìn)行Hilbert包絡(luò)分析，用以獲取其包 絡(luò)； 4) 對沖擊分量的包絡(luò)信號進(jìn)行角域重采樣，獲取其角域包絡(luò)信號，再對其進(jìn)行離散傅 里葉變換，得出其包絡(luò)階次譜，通過分析角域包絡(luò)信號階次譜中的故障特征階次，診斷軸承 故障相關(guān)信息。2. 如權(quán)利要求1所述的基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法，其特征 在于，齒輪箱原始故障信號的提取通過以下手段實(shí)現(xiàn)： 采用壓電式加速度傳感器采集齒輪箱軸承振動(dòng)信號，得到變工況下滾動(dòng)軸承外圈輕微 裂紋的故障信號;采用激光傳感器采集轉(zhuǎn)軸的轉(zhuǎn)速信號。3. 如權(quán)利要求1所述的基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法，其特征 在于，所述的步驟1)中利用形態(tài)分量分析方法分解振動(dòng)信號的過程包括以下步驟： 1) 選擇形態(tài)字典〇k(k= 1，…，K)，采用非抽樣離散小波變換字典用來稀疏地表示原信 號中的瞬態(tài)沖擊成分，其小波函數(shù)采用8階消失矩Symlet小波，小波的粗分解尺度為0;采用 局部離散余弦變換字典用來稀疏表示原信號中的諧振成分，加窗函數(shù)采用正弦窗函數(shù)，其 窗間重疊度為50%，窗寬為N/8，N為信號的長度，假定最大的迭代次數(shù)為L max，設(shè)定閾值Sk = Lmax X Ak/2，其中，初始化變量； 2) 對各形態(tài)分量sk = 0，k = 1，…，K進(jìn)行初始化；4) 對信號rj+sk進(jìn)行計(jì)算，求得各形態(tài)分量的稀疏變換系數(shù)％ = +?) 5) 對各稀疏變換系數(shù)ak采用選定的閾值篩選法進(jìn)行去噪，閾值，得到更新以后的稀 疏變換系數(shù)a'k; 6) 利用稀疏變換系數(shù)a'k結(jié)合算法對信號進(jìn)行重構(gòu)，即sk=?ka'k; 7) 得到更新以后的閾值Sk = Sk-Ak/2; 8) 若更新以后的閾值Sk>Ak/2,則跳至第3)步進(jìn)入循環(huán)，否則結(jié)束循環(huán)，得到各形態(tài)分 量sk(k=l，···，K)4. 如權(quán)利要求1所述的基于形態(tài)分量分析的變工況齒輪箱軸承故障診斷方法，其特征 在于，所述的步驟2)中角域重采樣階次0S的求解包括如下步驟： 假設(shè)轉(zhuǎn)速信號采樣頻率為fs，nmaxS參考軸的最高轉(zhuǎn)速，nmiA參考軸的最低轉(zhuǎn)速，O max為 所需分析的最高階次，最高階次內(nèi)的階次分量的頻率變化范圍為 f(0^0max)^0maxXnmax/60 (1) 計(jì)算得出低通濾波器的截止頻率fc為 fc^0maxXnmax/60 (2) 使在階次帶寬〇m范圍內(nèi)信號的全部特征信息得以保留； 若信號中存在k階階次分量，那么該階次分量所對應(yīng)的頻率范圍為0kXnmin/60<fk< Omax X nmax/60，在信號通過低通濾波后，f多f。的頻率范圍內(nèi)的階次分量都被過濾掉，故信號 經(jīng)過低通濾波后的最高階滿足 0hideXnmin/60 = fc (3) 此時(shí)，信號中的最高階次為 0hide = 60Xfc/nmin (4) 通過轉(zhuǎn)速范圍得出信號中所隱藏的最高階次，再根據(jù)采樣定理來得到其角域重采樣階 次，保證在重采樣過程中不發(fā)生階次混疊現(xiàn)象； 得出信號的角域重采樣階次為 Os ^ 20hide = 120 X f c/nmin (5) 〇
【文檔編號】G01M13/04GK105928702SQ201610287214
【公開日】2016年9月7日
【申請日】2016年4月29日
【發(fā)明人】郝如江, 牛志雷, 王勝江, 楊紅娜, 李輝
【申請人】石家莊鐵道大學(xué)