关于滚动轴承故障检测的改进包络分析
来源:用户上传
作者:马春文
摘 要：本文主要以连续小波的变换、谱峭度的改进包络分析的方法进行研究，在将其有效地落实到滚动轴承故障的检测工作当中，发挥其优势和作用的同时，确保滚动轴承良好运行。其方法的核心就是明确在轴承缺陷中带来的共振频率的频带进行分析，并构建起完善的包络来实施故障诊断，可以对故障的轴承振动信号进行仿真以及实测，最后得到满意结果，保障各项工作有效开展。
关键词：滚动轴承 故障检测 改进包络分析
中图分类号：TH133.33 文献标识码：A 文章编号：1674-098X（2020）02（a）-0059-02
在当前实际的滚动轴承故障的监测中，其有效的方法就是包络分析法，一些学者通过运用直观的图解形式指出两种包络分析过程，让包络分析变得更加实用化和有效性。可是在实际运用中却呈现一定的缺陷，就是在操作中某参数选择是受操作者经验和历史数据所决定的。随后又有学者运用时频分析的形式开展了自动轴承的故障诊断，提出以小波变换来建立的最大包络的形式，可其中参数选择依据是非常复杂的。为了减轻人们对经验和历史数据的依赖性，确保轴承故障检查自动化思路的落实，因此本文就通过运用改进包络的形式开展相应分析，以此确保轴承故障检测工作有效开展，进而保障其检测结果的准确性。
1 主要的理论基础分析
1.1 滚动轴承的关键振动机理分析
针对实际的滚动轴承存在的故障形式，包括疲劳剥落、设备磨损、塑性变形以及锈蚀还有断裂等问题。如果轴承的元件工作表面存在局部的缺陷问题时，会运用频率形成的宽带冲击，在经过振动频率而获得相应数据，这也被叫做故障频率。
1.2 Morlet复小波的滤波器组分析
对于小波变换，属于较为有效的信号处理技术形式，在机械故障的诊断当中得到有效地落实和运用。而对于伸缩以及平移之后的小波能够有效地展示出：
在其中的α是尺度的因子，而τ为平移的因子，而其中具有的有限能量的函数和其中的解析小波变换能够运用两者的卷积进行表达。
其中X（f）的代表了，而对于其中的就表示了复共轭的转变。针对各个α与τ，其定义形式是影响CET时频呈现不同相平面的分割形式。可以选着运用平移参数就是采用周期的形式为主，也就是时频在相平面的上沿时轴间隔能够展示出信号的采样周期情况，其对于具体的计算提供了极大的帮助。针对各个小波的函数，呈现不同时频结构表现的[1]。针对已经拥有小波函数的部分，其Morlet复小波和故障轴承形成的冲击振动响，会呈现出相似的成分，所以会运用Morlet复小波的形式来针对原始的信号开展小波的变换工作。
2 有效改善包络分析法的构建步骤
针对谱峭度来说，其属于在信号通过时频分解，包括小波变换的形式，在哪之后展示出原始信号在一些频率点上的成分峭度值的大小指标。而实际中有效地运用谱峭度概念，其定义就在于信号，并以连续的小波变换为基础。其将信号定义为连续的小波变换的第几个阶段的谱矩，之后其谱峭度就可以展示出各个频率上的峭度情况，如果更定了一个的尺度，其对信号的小波变换后，获得的系数在获得其绝对的值，通过明确其时域峭度数值就是谱峭度的最后值[2]。
而针对其Morlet复小波中心的频率比较接近因轴承故障而带来的共振的频率情况下，其CWT最后的结果，也就是对应小波系数，会包括因共振而带来的脉冲响应的成分，而这一点就能是所需要活动的有利的可用诊断的信息。
而针对以上情况进分析，其改进的最佳包络分析的构建步骤有以下几点：首先，结合文章所简述的几种方法，对优化和形成Morlet复小波的滤波器组有极大帮助。其次，针对其各个尺度当中，会把原始的信号FFT和其滤波器组所矩阵的虽有行列复共轭进行相乘计算，之后在对其结果，运用IEFT的方法进行运算，这样能够获得其尺度下的信号小波的系数。针对其几个尺度进行相同的运算，最后就可以获得小波系数的矩阵。第三，获得小波系数矩阵当中的绝对值。其各个行列就会相对应到中心频率中的小波系数时域包络。再次，在开展计算各个行列中的SK值时，其取得了最大值而对应的一行就是小波系数最为合理的包络。最后，针对其最佳包络来自FFT的运算，这样就能得到包络谱，进而确保故障诊断工作的有效开展。
3 滚动轴承故障检测中运用改进包络的主要实例研究
针对实际的滚动轴承的故障振动信号，其仿真的模型是以单自由度的系统脉冲的响应序列所表现的，而在实际当中添加噪声后仿真信号的波形，其故障特征的表现频率大约是200Hz，共振频率也在9kHz左右。
对于仿真信号来说，其一般会经过Modet复小波的变换，通过时频相平面进行有效的分解，获得其小波系数中的绝对值后，就会获得小波系数的相应包络。而对于为小波系数的包络为SK波形的情况下，那么其频率将会呈现9723Hz，呈现出在SK的最大值，而这样展示出最佳包络相对应的频带中心的频率是9723Hz。在该频带中包含了共振频率大约为9kHz，这一点就表示了共振频率频带会通过自动化的形式挑选出，和理论的分析也是相同的。针对该频带中，相应的包络能够视为最佳的包络，能够展示出因故障而带来的脉冲成分是较为显著的[3]。针对实际中的最佳包络频谱中，其特征的频率呈现出BPF为200Hz，而且高次的谐波是较为清楚的，这样可以针对设备的故障问题进行诊断，预设故障也能达到完全一致的效果，进而制定完善解决对策。
而實际的振动信号能够在变速箱当中进行采集，而变速箱的轴承内圈会有点蚀。其轴转速是600r/nan，采样的频率是4.8kHz。而其滚动的体数是Z为12，直径d为7.12mm，滚子的节圆直径是38.5mm。这样就可以针对相应的公式计算出其轴承内圈的故障特征的频率是71.1Hz，之后就可以结合该数据制定相应的应对和解决对策，使得其设备能够良好运作。
在对那些采集到的振动信号进行时域波形的分析中，在其具体实验中是不能发现任何的因故障而带来的周期性脉冲振动的成分。而运用Modet复小波的滤波器组来针对其信号开展时频分解中，运用三维谱图把小波系数包络矩阵表现出来，能够在高频区域中，有效地明确因轴承故障而引发的周期性的脉冲成分。
而通过对改进的包络的时域波形进行观察，在和原始的信号进行对比，可以了解到因最佳的包络能够看到因轴承缺陷而带来的冲击振动的成分，并了解到周期是0.14S，原始的信号是看不出来的;另外，在信号最佳包络中的两个最小值中间隔为0.1s，这也展示出信号幅值会因轴回转频率而调制，最后获得改进的包络谱。
4 结语
对于峭度指标是会根据时域信号的变换而产生敏感的陡峭程度，对原始信号开展时频分解时，借助谱峭度进行分析，可以明确因轴承故障带来的冲击响应对应频带来开展包络的分析工作。而对于连续小波的变换来说，能够针对原始信号开展特殊滤波，提供对比正交小波变换还要精细的尺度的分辨率，比较适合开展机械信号故障检测。针对该方法来说，能够对轴承故障诊断带来自动的效果，而且诊断的效果也是比较好的。
参考文献
[1] 石林锁.滚动轴承故障检测的改进包络分析法[J].轴承，2006（2）：39-42.
[2] 郝高岩，刘永强，廖英英.一种基于改进阶次包络谱的滚动轴承故障诊断算法[J].振动与冲击，2016，35（15）：144-148.
[3] 史东锋，鲍明，屈梁生.小波包络分析在滚动轴承诊断中的应用[J].中国机械工程，2000，11（12）：1382-1385.
转载注明来源:https://www.xzbu.com/1/view-15215587.htm
