基于能量切片小波變換的滾動軸承故障特征提取方法
【專利摘要】本發(fā)明公開了一種基于能量切片小波變換的滾動軸承故障特征提取方法，涉及軸承故障診斷方法技術(shù)領(lǐng)域。所述方法包括如下步驟：首先將能量切片引入小波變換，然后利用小波變換獲取振動信號在全頻帶的時頻分布，依據(jù)得到的振動信號能量分布特點選擇時頻目標(biāo)區(qū)域，分割出含有故障特征的時頻區(qū)域；最后，通過逆變換對目標(biāo)區(qū)域的信號分量進(jìn)行重構(gòu)，分離出有效的信號時頻特征。仿真數(shù)據(jù)和滾動軸承數(shù)據(jù)的故障診斷實驗結(jié)果表明，該方法可有效提取滾動軸承故障特征頻率信息，驗證了所提方法的有效性。
【專利說明】
基于能量切片小波變換的滾動軸承故障特征提取方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及軸承的固定診斷方法技術(shù)領(lǐng)域，尤其涉及一種基于能量切片小波變換 的滾動軸承故障特征提取方法。
【背景技術(shù)】
[0002] 滾動軸承作為旋轉(zhuǎn)機(jī)械中應(yīng)用最廣的關(guān)鍵零部件，其工作狀態(tài)直接影響旋轉(zhuǎn)機(jī)械 系統(tǒng)的運(yùn)行效率及使用壽命。然而由于軸承內(nèi)部激勵機(jī)理作用，復(fù)雜背景噪聲以及其它干 擾源影響，故障特征信息較微弱且通常以調(diào)制形式出現(xiàn)難以提取故障特征。
[0003] 時頻分析方法能同時提取信號時域和頻域的局部信息，在旋轉(zhuǎn)機(jī)械振動故障診斷 中得到了廣泛應(yīng)用。典型的時頻分析方法有短時傅立葉變換、維格納-威爾分布、小波變換 和Hilbert-Huang變換等，但它們都有各自的局限性。2009年，Yan提出了一種新的時頻分析 方法 -頻率切片小波變換（Frequency Slice Wavelet Transform，F(xiàn)SWT)，F(xiàn)SWT結(jié)合STFT和 小波變換的優(yōu)點，通過引入頻率切片函數(shù)使傳統(tǒng)的Fourier變換可以進(jìn)行時頻分析，能靈活 地實現(xiàn)信號的濾波與分割。段晨東等將FSWT應(yīng)用到煉油廠齒輪箱摩擦故障診斷中，取得了 較好的效果?，F(xiàn)場采集的振動信號中往往混入了較強(qiáng)的窄帶脈沖和隨機(jī)噪聲干擾，研究發(fā) 現(xiàn)，混入信號中的噪聲會降低FSWT分析的頻率分辨率，因此，F(xiàn)SWT的在抗噪性方面存在嚴(yán)重 的不足。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種基于能量切片小波變換的滾動軸承故障 特征提取方法，所述方法通過引入能量切片，可以在強(qiáng)噪聲環(huán)境下分離出有效的信號時頻 特征。
[0005] 為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案是：一種基于能量切片小波變換 的滾動軸承故障特征提取方法，其特征在于包括如下步驟：
[0006] 通過加速度傳感器采集滾動軸承的振動信號；
[0007] 采用基于能量切片小波變換分解振動信號；
[0008] 選擇合適的能量切片函數(shù)!k(t)后，確定針對信號特性估算頻率分辨比率n及幅值 期望響應(yīng)比率U，計算初步的時頻分辨系數(shù)k;
[0009] 針對滾動軸承故障的特點，選取零到軸承故障特征頻率三倍頻作為頻率切片區(qū)間 進(jìn)行能量切片小波變換細(xì)化分析，提取故障特征，輸出診斷結(jié)果。
[0010] 進(jìn)一步的技術(shù)方案在于:所述的采用基于能量切片小波變換分解振動信號的方法 如下：
[0011] 設(shè)信號f(t)GL2(R)，若iKt)的傅立葉變換#(?存在，其能量切片小波變換為：

[0014] 其中，0為尺度因子，〇#0;A為能量系數(shù)，A辛〇;o、A為常數(shù)或為頻率《、U和時間t的 函數(shù);在能量切片小波變換中，是!k[x(t)]的能量形式，*[X(/)]為&[沖)]的共輒 函數(shù)，_/(?；)是f⑴的傅立葉變換、/(0是f⑴的一階導(dǎo)數(shù)，頻率分辨比率n= A ?/?。
[0015] 進(jìn)一步的技術(shù)方案在于:采用Parseval方程，可以將式（1)轉(zhuǎn)換到時域：
[0016] W U- (jXe'"1 [ /' (r) c""''y/c * [x(/)]d r ( 3 )
[0017] 能量切片小波變換實現(xiàn)了信號的時頻分解，通過逆變換重構(gòu)原始信號，它的逆變 換為：
[0019] 進(jìn)一步的技術(shù)方案在于:幅值期望相應(yīng)比率u，〇<u< 1，，u為W/2、0 ? 5或0 ? 25，通
來確定時頻分辨系數(shù)k。
[0020] 采用上述技術(shù)方案所產(chǎn)生的有益效果在于：該方法首先將能量切片引入小波變 換，然后利用小波變換獲取振動信號在全頻帶的時頻分布，依據(jù)得到的振動信號能量分布 特點選擇時頻目標(biāo)區(qū)域，分割出含有故障特征的時頻區(qū)域;最后，通過逆變換對目標(biāo)區(qū)域的 信號分量進(jìn)行重構(gòu)，分離出有效的信號時頻特征。仿真數(shù)據(jù)和滾動軸承數(shù)據(jù)的故障診斷實 驗結(jié)果表明，該方法可有效提取滾動軸承故障特征頻率信息，驗證了所提方法的有效性。
【附圖說明】
[0021 ]圖1是本發(fā)明所述方法的流程圖；
[0022] 圖2是軸承故障仿真信號的時域波形圖；
[0023] 圖3是軸承故障仿真信號的頻譜圖；
[0024]圖4是軸承故障仿真信號ESWT結(jié)果的時頻圖；
[0025] 圖5是軸承故障仿真信號ESWT結(jié)果的時頻幅值圖；
[0026] 圖6是軸承故障仿真信號FSWT結(jié)果的時頻圖；
[0027] 圖7是軸承故障仿真信號FSWT結(jié)果的時頻幅值圖；
[0028] 圖8是軸承內(nèi)圈故障振動信號波形圖；
[0029] 圖9是軸承內(nèi)圈故障振動信號頻譜圖；
[0030] 圖10是軸承內(nèi)圈故障信號ESWT結(jié)果的時頻圖；
[0031 ]圖11是軸承內(nèi)圈故障信號ESWT結(jié)果的時頻幅值圖。
[0032] 圖12是軸承內(nèi)圈故障信號FSWT結(jié)果的時頻圖；
[0033] 圖13是軸承內(nèi)圈故障信號FSWT結(jié)果的時頻幅值圖；
【具體實施方式】
[0034] 下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整 地描述，顯然，所描述的實施例僅僅是本發(fā)明的一部分實施例，而不是全部的實施例。基于 本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護(hù)的范圍。
[0035]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施例的限制。
[0036]針對頻率切片小波變換(FSWT)在強(qiáng)背景噪聲中提取沖擊故障特征的不足，如圖1 所示，本發(fā)明實施例提出了一種基于能量切片小波變換的滾動軸承故障特征提取方法，包 括如下步驟：
[0037]通過加速度傳感器采集振動信號；
[0038]引入能量切片ik(t);
[0039] 選擇合適的能量切片函數(shù)!k(t)之后，針對信號特性估算頻率分辨比率n及幅值期 望響應(yīng)比率U，計算初步的時頻分辨系數(shù)k;
[0040] 針對軸承故障的特點，選零到軸承故障特征頻率三倍頻作為頻率切片區(qū)間進(jìn)行 ESWT細(xì)化分析，之后進(jìn)行傅立葉逆變換轉(zhuǎn)換到時頻，進(jìn)而提取故障特征。
[0041] 設(shè)信號f(t)GL2(R)，若iKt)的傅立葉變換存在，其能量切片小波變換為：
[0044]其中，〇為尺度因子，o#〇;A為能量系數(shù)，A辛0。〇、\為常數(shù)或為頻率《、u和時間t的 函數(shù)。在ESWT中，y>c [40]是ik [ x (t)]的能量形式，#cK〇]為A WO]的共輒函數(shù)。是f (〇的傅立葉變換、/的是汽〇的一階導(dǎo)數(shù)。幅值期望相應(yīng)比率〇,0<〇<1，，〇為^/2、0.5 或0.25，
來確定時頻分辨系數(shù)k。
[0045] 從式（1)可以看出，ESWT拓展了短時傅立葉變換的功能，通過引入尺度因子和平移 因子，獲得了可變的時頻窗，通過引入仏*[.v(0]使傳統(tǒng)的傅立葉變換具有了時頻分析的功 能。
[0046] 采用Parseval方程，可以將式（1)轉(zhuǎn)換到時域：
[0048] ESWT實現(xiàn)了信號的時頻分解，通過逆變換重構(gòu)原始信號，它的逆變換為：
[0050] 仿真信號分析
[0051] 為了驗證基于ESWT在軸承故障特征提取中的有效性，對式(2)的滾動軸承故障模 擬信號進(jìn)行分析，采樣頻率為2048Hz，采樣時長為1秒，模擬信號為：
[0052] x(t) =xi(t)+X2(t)+n(t) (5)
[0053] 式中諧波信號XI(t) = sin(2〇Jit) +cos(6〇Jit)，模擬軸承系統(tǒng)中的低頻干擾;X2(t) 為周期性指數(shù)衰減沖擊信號，模擬滾動軸承內(nèi)圈損傷故障，沖擊頻率為70Hz，每周期內(nèi)沖擊 函數(shù)為1.3€3()(^111(2000對），11(〇為高斯白噪聲。仿真信號的時域波形和頻譜如圖2-圖3所 示，在圖中低頻10Hz和30Hz成分突出，由于存在噪聲信號和低頻信號的干擾，從時域波形圖 中可以看出脈沖信號的周期特征不明顯，頻譜中70Hz頻率成分幅值太小，很難以識別。 [0054]采用所述方法對仿真信號進(jìn)行分析，對振動信號進(jìn)行ESWT分析。圖4-圖5為該信號 的ESWT結(jié)果，從圖中可以明顯看到故障特征頻率一倍頻（70Hz)及其倍頻，由此可見，基于 ESWT強(qiáng)化了故障沖擊特征，能夠?qū)崿F(xiàn)故障特征的提取。
[0055]作為對比，采用頻率切片小波變換對仿真信號進(jìn)行處理，結(jié)果如圖6-7,從圖中可 以清楚地看到，10Hz和30Hz的頻率成分的幅值突出，由于低頻干擾，無法識別出軸承故障特 征。從圖4-5中可以看出，相比于頻率切片小波變換的分析結(jié)果，本發(fā)明所用方法受噪聲影 響較小，克服了頻率切片小波變換(FSWT)在強(qiáng)背景噪聲中提取沖擊故障特征的不足，故障 特征頻率更明顯，能夠清晰得看到故障特征的1倍頻(70Hz )、2倍頻（140Hz)和3倍頻(210Hz) 等各諧波頻率，并且噪聲成分微弱，凸顯了故障特征，能直觀有效地分析出故障類型，與理 論結(jié)果一致。
[0056] 軸承診斷實例
[0057] 為了進(jìn)一步驗證本發(fā)明提出方法在滾動軸承故障特征提取中的有效性，采用實際 滾動軸承故障信號進(jìn)行了驗證，實驗平臺采用QPzz-n旋轉(zhuǎn)機(jī)械故障試驗臺。信號的采樣頻 率為25600Hz，軸承轉(zhuǎn)速為314r/min。根據(jù)滾動軸承的參數(shù)(表1)得到理論故障特征頻率分 別為:外圈故障特征頻率37.5Hz。
[0058] 表1滾動軸承N205EM參數(shù)
[0060] 軸承內(nèi)圈故障診斷
[0061 ]滾動軸承發(fā)生內(nèi)圈故障時，滾動體經(jīng)過故障位置時會引起沖擊振動，內(nèi)圈轉(zhuǎn)動所 引起的沖擊振動呈現(xiàn)出周期性的變化，故障表面撞擊軸承的其它零部件的表面，產(chǎn)生峰值 較高的高頻振動序列。采用本發(fā)明所述方法對實際采集的振動信號進(jìn)行處理。內(nèi)圈故障信 號的時域和頻域波形如圖8-9所示，從圖中可以看出，時域波形比較復(fù)雜，難以分辨出信號 的具體特征;在頻譜圖中，故障信號的低頻特征淹沒在背景噪聲中，無法識別故障特征頻率 及其倍頻。對信號進(jìn)行ESWT分析，得到的分析結(jié)果如圖10-11所示，從圖中可以明顯看到故 障特征頻率一倍頻(37.5Hz)和二倍頻，由此可見，本發(fā)明所述方法強(qiáng)化了故障沖擊特征，實 現(xiàn)了故障特征的提取。
[0062] 作為對比，采用FSWT對同一故障信號進(jìn)行分析，結(jié)果如圖12-13所示。從圖12-13可 以看出，相比于FSWT的分析結(jié)果，本發(fā)明所用方法受噪聲影響較小，抗噪能力明顯強(qiáng)于FSWT 方法，故障特征頻率更明顯，能夠清晰得看到故障特征的1倍頻(38Hz )、2倍頻(76Hz)和3倍 頻（114Hz)，并且噪聲成分微弱，凸顯了故障特征，能直觀有效地分析出故障類型，與理論結(jié) 果一致。
[0063] 通過滾動軸承故障診斷實例驗證表明，采用基于ESWT進(jìn)行滾動軸承故障診斷是可 行的。本發(fā)明得到的主要結(jié)論有：
[0064] (1)在滾動軸承早期微弱故障信號通常被強(qiáng)烈的背景噪聲淹沒，提取故障特征十 分困難的情況下，基于ESWT的滾動軸承故障診斷方法能有效的提取出故障特征。
[0065] (2)相比FSWT分析方法，本文所提方法能夠很好地消除了背景噪聲對特征信號的 干擾，使得特征信號凸顯，有利于微弱特征信號的特征提取，通過仿真的故障軸承信號和滾 動軸承實驗進(jìn)行了驗證，結(jié)果證明了該方法的可行性和有效性。
【主權(quán)項】
1. 一種基于能量切片小波變換的滾動軸承故障特征提取方法，其特征在于包括如下步 驟： 通過加速度傳感器采集滾動軸承的振動信號； 采用基于能量切片小波變換分解振動信號； 選擇合適的能量切片函數(shù)ik(t)后，確定針對信號特性估算頻率分辨比率n及幅值期望 響應(yīng)比率u，計算初步的時頻分辨系數(shù)k; 針對滾動軸承故障的特點，選取零到軸承故障特征頻率三倍頻作為頻率切片區(qū)間進(jìn)行 能量切片小波變換細(xì)化分析，提取故障特征，輸出診斷結(jié)果。2. 如權(quán)利要求1所述的基于能量切片小波變換的滾動軸承故障特征提取方法，其特征 在于，所述的采用基于能量切片小波變換分解振動信號的方法如下： 設(shè)信號f(t)GL2(R)，若iKt)的傅立葉變換存在，其能量切片小波變換為：其中，〇為尺度因子，為能量系數(shù)，x辛0;〇、x為常數(shù)或為頻率《、u和時間t的函 數(shù);在能量切片小波變換中，#辦(0]是Mx(t)]的能量形式，沁*[雄)]為A[沖)]的共輒函 數(shù)，/⑷是f⑴的傅立葉變換、/(?)是f⑴的一階導(dǎo)數(shù)，頻率分辨比率n= A ?/?。3. 如權(quán)利要求2所述的基于能量切片小波變換的滾動軸承故障特征提取方法，其特征 在于： 采用Parseval方程，可以將式(1)轉(zhuǎn)換到時域：能量切片小波變換實現(xiàn)了信號的時頻分解，通過逆變換重構(gòu)原始信號，它的逆變換為：4. 如權(quán)利要求2所述的基于能量切片小波變換的滾動軸承故障特征提取方法，其特征 在于： 幅值期望相應(yīng)比率u，0<u<l，，uS 、0.5或0.25，來確定時頻分 辨系數(shù)k。
【文檔編號】G01M13/04GK106053080SQ201610674445
【公開日】2016年10月26日
【申請日】2016年8月16日 公開號201610674445.7, CN 106053080 A, CN 106053080A, CN 201610674445, CN-A-106053080, CN106053080 A, CN106053080A, CN201610674445, CN201610674445.7
【發(fā)明人】馬增強(qiáng), 李亞超, 楊紹普, 劉永強(qiáng), 王建東, 張俊甲, 王夢奇, 王永勝, 宋子彬, 張安
【申請人】石家莊鐵道大學(xué)