基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法
【專利摘要】本發(fā)明公開了一種基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法，用于通過振動(dòng)信號分析滾動(dòng)軸承故障。首先采用預(yù)測濾波方法對傳感器采集的信號進(jìn)行故障信息增強(qiáng)處理，然后對濾波后信號進(jìn)行變分模態(tài)分解以獲得四個(gè)模態(tài)，再根據(jù)故障信息指數(shù)選取與滾動(dòng)軸承故障最緊密相關(guān)的模態(tài)，最后對濾波后信號進(jìn)行包絡(luò)自相關(guān)譜分析，匹配故障特征頻率得到故障信息。
【專利說明】
基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及機(jī)械故障診斷領(lǐng)域，涉及振動(dòng)信號處理方法在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域 中的應(yīng)用，具體涉及一種利用預(yù)測濾波和變模態(tài)分解對滾動(dòng)軸承故障進(jìn)行診斷的方法。
【背景技術(shù)】
[0002] 滾動(dòng)軸承是旋轉(zhuǎn)機(jī)械中常用的支撐部件，超過百分之三十的旋轉(zhuǎn)機(jī)械故障與軸承 故障有關(guān)。滾動(dòng)軸承的故障診斷技術(shù)在監(jiān)控軸承的性能狀態(tài)和及早發(fā)現(xiàn)潛在故障等方面具 有至關(guān)重要的作用，可以有效提高機(jī)械設(shè)備的運(yùn)行管理水平，具有顯著的經(jīng)濟(jì)效益。
[0003]由于在實(shí)際的故障診斷過程中，故障信號往往伴隨著比較大的背景噪聲，甚至有 可能出現(xiàn)信號被噪聲覆蓋的情況。為增強(qiáng)故障信息，本發(fā)明運(yùn)用預(yù)測濾波方法對初始信號 進(jìn)行增強(qiáng)處理。預(yù)測濾波中模型的最優(yōu)階數(shù)的確定是一個(gè)復(fù)雜且困難的問題，本發(fā)明提出 了一種基于沖擊指數(shù)SI(Shock Index)的階數(shù)選擇方法，可有效解決軸承故障診斷中預(yù)測 濾波定階問題。
[0004] 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)作為一種自適應(yīng)信號處理方法，一經(jīng)提出就受到機(jī)械故障診 斷領(lǐng)域相關(guān)學(xué)者的廣泛關(guān)注，并在滾動(dòng)軸承故障特征提取上得到了一些成功應(yīng)用。一般來 說，需要對滾動(dòng)軸承故障信號進(jìn)行EMD分解，并對選取的本征模式函數(shù)IMF( intrinsic mode function)再進(jìn)行故障特征提取。EMD屬于遞歸式模態(tài)分解，其缺點(diǎn)有:缺乏理論依 據(jù);包絡(luò)估計(jì)誤差經(jīng)多次遞歸分解而被放大，容易出現(xiàn)模態(tài)混疊;存在端點(diǎn)效應(yīng)，需要進(jìn)行 端點(diǎn)延拓；無法將兩個(gè)頻率相近的分量正確分離。
[0005] 變模態(tài)分解(Variational Mode Decomposition，VMD)克服了經(jīng)驗(yàn)?zāi)B(tài)分解的上 述缺點(diǎn)，具有明顯的優(yōu)越性，因此本發(fā)明將變模態(tài)分解應(yīng)用到滾動(dòng)軸承故障診斷中。變模態(tài) 分解方法將對模態(tài)的估計(jì)轉(zhuǎn)變?yōu)樽兎謫栴}的求解，使得每個(gè)模態(tài)的估計(jì)帶寬之和最小，采 用了交替方向乘子法，在頻域不斷更新各模態(tài)及其中心頻率，最后各模態(tài)經(jīng)傅立葉逆變換 到時(shí)域。VMD算法在獲取頂F分量時(shí)擺脫了 EMD算法所使用的循環(huán)篩分剝離的信號處理方式， 而是將信號分解過程轉(zhuǎn)移到變分框架內(nèi)，通過搜尋約束變分模型最優(yōu)解來實(shí)現(xiàn)信號自適應(yīng) 分解，每個(gè)模態(tài)分量的頻率中心及帶寬在迭代求解的過程中不斷更新，最終可根據(jù)實(shí)際信 號的頻域特性完成信號頻帶的自適應(yīng)剖分，得到若干窄帶模態(tài)分量。

【發(fā)明內(nèi)容】

[0006] 為了克服經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)技術(shù)在滾動(dòng)軸承故障診斷中的不足，本發(fā)明提供了 一種基于預(yù)測濾波和變模態(tài)分解(VMD)的自適應(yīng)包絡(luò)譜分析方法，該方法可對滾動(dòng)軸承故 障進(jìn)行有效的診斷。具體步驟如下。
[0007] (1)采集振動(dòng)信號 通過傳感器測得被檢測滾動(dòng)軸承的振動(dòng)信號，記為X(/3)，/3 =1，2，···，#νν為信號長度； (2)預(yù)測濾波 假設(shè)信號Χ(/0的自回歸模型表示如下：
其中P為模型的階，aU)為自回歸模型參數(shù)，喊為預(yù)測信號。即為 預(yù)測濾波后得到的信號。將預(yù)測濾波的階數(shù)設(shè)置為50，100，150，"_500等十個(gè)數(shù)，選取預(yù)測 濾波后信號的沖擊指數(shù)SI最大值所對應(yīng)的階數(shù)，然后對信號進(jìn)行預(yù)測濾波。沖擊指數(shù)SI的 計(jì)算公式如下： (3) 變模態(tài)分解
變模態(tài)分解通過搜尋約束變分模型最優(yōu)解來實(shí)現(xiàn)信號自適應(yīng)分解，每個(gè)模態(tài)分量的頻 率中心及帶寬在迭代求解變分模型的過程中不斷更新，本發(fā)明中K=4,最終得到4個(gè)窄帶模 態(tài)分量= 叫} = { ，…，ωκ}表不各模態(tài)分量的頻率中心。變模態(tài)分解步 驟如下： 3.1) 初始化 掉}、⑷和 3.2) 根據(jù)下面兩式更新1^和〇^，其中7為輸入信號，<1為懲罰因子(取值1500)，1為拉格 朗日乘法算子；
3.3) 更新人，其中1=〇.1;
3.4) 對于給定判別精度，判斷是否停止迭代。若_^_^/_|^<:_1停止迭 代，否則返回步驟2; (4) 模態(tài)選取 對振動(dòng)信號進(jìn)行變模態(tài)分解之后得到了 4個(gè)模態(tài)，其中的一些模態(tài)與滾動(dòng)故障緊密相 關(guān)，而其他模態(tài)與故障無關(guān)，甚至是噪聲干擾成分。所以在對模態(tài)進(jìn)行包絡(luò)自相關(guān)譜分析之 前，需要篩選與故障相關(guān)的敏感模態(tài)，以提高故障特征提取精度和故障診斷準(zhǔn)確率。計(jì)算4 個(gè)模態(tài)的故障信息指數(shù)FII，選取最大FII值對應(yīng)的模態(tài)進(jìn)行后續(xù)處理； (5) 模態(tài)包絡(luò)自相關(guān)譜分析 模態(tài)狀燈的包絡(luò)的計(jì)算公式如下所示，/3 =1，2，···，/V其中HT表示希爾伯特變換，
為有效地抑制噪聲，突出故障特征，求取eflK/O的自相關(guān)尾xU): 及取(ss)二- ?a)], ss = 03],…況' -1 對尾x(ffi)進(jìn)行FFT(傅里葉變換）即得到包絡(luò)自相關(guān)譜7?xx(/)，公式如下： 屹(/)=腿哪?] (6) 故障信息分析 根據(jù)滾動(dòng)軸承的幾何參數(shù)U為滾動(dòng)體的數(shù)目，c/為球直徑，為節(jié)圓直徑，構(gòu)接觸角） 和軸承的轉(zhuǎn)頻，計(jì)算外圈故障特征頻率&、內(nèi)圈故障特征頻率Λ·、滾動(dòng)體故障特征頻率Λ和 保持架故障特征頻率Λ，公式分別如下：
如果在包絡(luò)自相關(guān)譜中發(fā)現(xiàn)主導(dǎo)頻率成分為和&之一，則表示滾動(dòng)軸承發(fā)生 了故障。
[0008]本發(fā)明對滾動(dòng)軸承運(yùn)轉(zhuǎn)過程中的振動(dòng)信號進(jìn)行分析，通過振動(dòng)信號分析進(jìn)行滾動(dòng) 軸承故障。首先采用預(yù)測濾波方法對原始信號進(jìn)行故障信息增強(qiáng)，階數(shù)選擇依據(jù)故障信息 指數(shù)。然后對預(yù)測濾波后信號進(jìn)行變分模態(tài)分解，根據(jù)故障信息指數(shù)選取與滾動(dòng)軸承故障 最緊密相關(guān)的模態(tài)，最后對該模態(tài)進(jìn)行包絡(luò)自相關(guān)譜分析。本發(fā)明與現(xiàn)有的軸承故障診斷 技術(shù)相比有以下特點(diǎn)： 1. 本發(fā)明不依賴于具體的軸承型號； 2. 本發(fā)明采用預(yù)測濾波方法對初始信號進(jìn)行故障信息增強(qiáng)，發(fā)明了一種根據(jù)沖擊指數(shù) 確定最優(yōu)預(yù)測濾波階數(shù)的方法； 3. 采用了變模態(tài)分解這種信號自適應(yīng)分解方法，根據(jù)故障信息指數(shù)選取與滾動(dòng)軸承 故障最緊密相關(guān)的模態(tài)； 4. 本發(fā)明對富含故障信息的模態(tài)運(yùn)用包絡(luò)自相關(guān)譜分析，可有效地抑制頻譜噪聲，凸 顯故障信息。
【附圖說明】
[0009]圖1為本發(fā)明方法的算法流程圖； 圖2為原始振動(dòng)信號； 圖3為預(yù)測濾波后的信號 圖4變分模態(tài)分解后得到的四個(gè)模態(tài) 圖5對模態(tài)2包絡(luò)自相關(guān)譜圖。
【具體實(shí)施方式】
[0010]下面結(jié)合附圖和實(shí)施例子對本發(fā)明做進(jìn)一步說明。
[0011] 用于實(shí)施的硬件環(huán)境是普通的計(jì)算機(jī)，軟件環(huán)境是:Matlab R12和Windows 8。我 們用Matlab軟件實(shí)現(xiàn)了本發(fā)明提出的方法。被分析信號來自于軸承故障實(shí)驗(yàn)臺。通過安裝 在軸承座上的加速度傳感器，用32768Hz的采樣頻率測得原始振動(dòng)信號。滾動(dòng)軸承型號為 MB ER-10K，轉(zhuǎn)速為2100轉(zhuǎn)/分(fr =35Hz)。
[0012] 參閱圖1，圖1是本發(fā)明方法的算法流程圖，具體實(shí)施還需要包括以下步驟： (1) 通過加速度傳感器獲取被檢測軸承的振動(dòng)信號.如圖2所示； (2) 采用預(yù)測濾波方法對信號進(jìn)行故障信息增強(qiáng)處理。將預(yù)測濾波的階數(shù)設(shè)置為50， 100，150,…500,計(jì)算濾波后信號的沖擊指數(shù)SI。結(jié)果分別是1.9222、1.9289、1.9298、 1 · 9378、1 · 9464、1 · 9583、1 · 9553、1 · 9570、1 · 9567、1 · 9590。選取最大 SI值1 · 9583所對應(yīng)的階 數(shù)300作為預(yù)測濾波的階數(shù)，然后對原始信號進(jìn)行預(yù)測濾波。濾波后得到的信號如圖3所示， 可以看到經(jīng)過預(yù)測濾波，故障信息明顯增強(qiáng)； (3) 對預(yù)測濾波后信號進(jìn)行變模態(tài)分解。變分模態(tài)分解算法的參數(shù)設(shè)置如下:洽4, $ 1500, ^0.1。逐步更新t/k、ωΗΡλ，直到滿足停止迭代的精度條件，得到四個(gè)模態(tài)，如圖4所 示； (4) 根據(jù)故障信息指數(shù)選取與滾動(dòng)軸承故障最緊密相關(guān)的模態(tài)。依次計(jì)算四個(gè)模態(tài)的 故障信息指數(shù)丹1，結(jié)果分別是1.3621、4.4818、1.9934和3.4057,所以選取最大值4.4818 所對應(yīng)的模態(tài)2作為故障信息敏感模態(tài)，進(jìn)行后續(xù)處理； (5) 為有效地抑制噪聲，突出故障特征，對模態(tài)2進(jìn)行包絡(luò)自相關(guān)譜分析。先求模態(tài)2的 包絡(luò)信號，再對包絡(luò)信號進(jìn)行自相關(guān)運(yùn)算，最后求其頻譜； (6) 根據(jù)滾動(dòng)軸承幾何參數(shù)和轉(zhuǎn)速為2100轉(zhuǎn)/分(fr =35Ηζ)，計(jì)算得出軸承的故障特 征頻率為:外圈故障特征頻率fQ= 107Hz，內(nèi)圈故障特征頻率fi= 173Hz。對模態(tài)2包絡(luò)自相關(guān) 譜圖，可以清晰的看到107Hz的軸承故障特征頻率及2~4倍頻，說明了本發(fā)明提出的基于預(yù) 測濾波和變分模態(tài)分解的軸承故障診斷方法的有效性。
[0013] 以上所述僅為本發(fā)明的實(shí)施實(shí)例，并非因此限制本發(fā)明的專利范圍，凡是利用本 發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運(yùn)用在其他相關(guān)的 技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1. 基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法，其特征是包括以下步驟： (1) 通過傳感器測得被檢測滾動(dòng)軸承的振動(dòng)信號； (2) 采用預(yù)測濾波方法對信號進(jìn)行故障信息增強(qiáng)處理； (3) 對預(yù)測濾波后信號進(jìn)行變分模態(tài)分解； (4) 根據(jù)故障信息指數(shù)選取與滾動(dòng)軸承故障最緊密相關(guān)的模態(tài)； (5) 求取模態(tài)信號的包絡(luò)，并進(jìn)行自相關(guān)譜分析； (6) 故障信息分析。2. 根據(jù)權(quán)利要求1所述的基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法，其特征在于：步 驟（2)中將預(yù)測濾波的階數(shù)設(shè)置為50,100,150, "JOO，計(jì)算濾波后信號的沖擊指數(shù) (Shock Index)，選取最大值所對應(yīng)的階數(shù)進(jìn)行預(yù)測濾波以增強(qiáng)故障信息；對于信號Z (/3)，/3=1，2，~見#為信號長度，其沖擊指數(shù)計(jì)算公式如下：3. 根據(jù)權(quán)利要求1所述的基十變模態(tài)分觶的滾動(dòng)軸承故障診斷方法，其特征在于步驟 (3):運(yùn)用了變分模態(tài)分解法對預(yù)測濾波后進(jìn)行信號分解，最終得到4個(gè)窄帶模態(tài)分量{t/ 4} = {?ι，···，?/4};每個(gè)模態(tài)分量的頻率中心表不為:{ ω4} = { W1，…，ω4}，因?yàn)椴襟E(3)米用了 預(yù)測濾波進(jìn)行故障信息增強(qiáng)，所以只需要分解得到4個(gè)模態(tài)即可。4. 在迭代求解的過程中不斷更新模態(tài)分量及其頻率中心，更新步驟如下： (1) 初始{，/3=〇; (2) 根據(jù)下面兩式更新t/k和《k，其中r為輸入信號，σ為懲罰因子(取值1500)，A為拉 格朗日乘法算子；否則遲凹步驟2。 :停止迭代，5. 根據(jù)權(quán)利要求1所述的基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法，其特征在于:步驟 (4 )所述的篩選與故障相關(guān)的敏感模態(tài)，計(jì)算所有模態(tài)的故障信息指數(shù)I (Fa W ? Zo/bi-ffla iio/3 Zoc/ejr )，選取最大/^77值對應(yīng)的模態(tài)進(jìn)行后續(xù)處理;故障信息指數(shù)/7II公式如 下，?表示待濾波信號，其中Wc/為標(biāo)準(zhǔn)偏差函數(shù)，表示最大值函數(shù)：6. 根據(jù)權(quán)利要求1所述的基于變模態(tài)分解的滾動(dòng)軸承故障診斷方法，其特征在于:步驟 (5)所述的對選取模態(tài)求包絡(luò)自相關(guān)譜7? xx(/)，公式如下：其中FFT表示傅里葉變換，7?xx(ffi)為模態(tài)信號包絡(luò)的自相關(guān)，公式如下：共中A表不期聖，/H農(nóng)不延遲，Λ/為信虧長度。
【文檔編號】G01M13/04GK106017926SQ201610314164
【公開日】2016年10月12日
【申請日】2016年5月13日
【發(fā)明人】張丹, 隋文濤
【申請人】山東理工大學(xué)