一种滚动轴承复合故障提取方法及***
技术领域
本发明涉及一种滚动轴承故障冲击特征提取方法,具体涉及一种基于变分模态分解与快速谱峭度图的滚动轴承故障特征提取方法及***。
背景技术
滚动轴承是筑路机械设备中应用最广泛的零部件之一,其运行状况影响着整个***的工作状态,滚动轴承的故障识别与诊断对于保证机械设备安全可靠运行具有重要意义。
实际工况下,滚动轴承的故障通常表现为复合故障,且受到运行环境影响,常常出现是复合故障与复合噪源相互作用,从强背景噪声中准确提取轴承复合故障成分,才能够对机械运行状况有较为可靠的判断。
传统的频谱分析、包络分析、小波分析、形态学滤波等在处理复合故障问题时,会存在故障成分提取不彻底,造成误判和漏判等情况,对机械设备运行评估不完全。
为了解决以上问题,本发明提出了一种滚动轴承复合故障提取方法及***,采用加速度传感器获取轴承故障振动信号,以变分模态分解作为振动信号升维和降噪的处理方法,得到K个IMF,以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则,对SIMFi进行快速谱峭度频谱滤波,通过比较包络谱与轴承故障理论计算结果,诊断出原始信号中所包含的故障类型,可准确有效的诊断出复合故障组合形式,避免漏诊误诊,对机械设备运行状况的精确评估有重要价值。
发明内容
本发明的目的是提供一种滚动轴承复合故障提取方法及***,通过采用加速度传感器获取轴承故障振动信号,以变分模态分解作为振动信号升维和降噪的处理方法,得到K个IMF,以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则,对SIMFi进行快速谱峭度频谱滤波,通过比较包络谱与轴承故障理论计算结果,诊断出原始信号中所包含的故障类型。
本发明提供了如下方案:
一种滚动轴承复合故障提取***,包括振动信号采集装置,振动信号分解装置,振动信号分析装置,滤波装置,故障输出装置;振动信号采集装置为振动加速传感器,用于获取轴承复合故障的振动信号并传送给振动信号分解装置和振动信号分析装置,振动信号分解装置用于对振动信号通过变分模态分解进行升维及降噪,并分解为K个IMF分量,振动信号分析装置用于对振动信号通过快速谱峭度图进行分析,得到J个共振频带,其中J小于等于K;滤波装置用于对振动信号分解装置输出的IMF分量进行滤波,故障输出装置用于对滤波后的IMF分量进行包络谱分析,通过对比理论计算所得轴承故障特征频率,得出原始信号复合故障类型。
一种滚动轴承复合故障提取方法,包括步骤:
(1)获取轴承复合故障的振动信号;
(2)对振动信号通过变分模态分解进行升维及降噪,并分解为K个IMF分量;
(3)对振动信号通过快速谱峭度图进行分析,得到J个共振频带,其中J小于等于K;
(4)选取与共振频带对应的IMF分量,命名为SIMFi;
(5)对SIMFi做快速谱峭度图滤波,得到滤波后的SIMFi;
(6)对滤波后的SIMFi进行包络谱分析,通过对比理论计算所得轴承故障特征频率,得出原始信号复合故障类型。
可选的,步骤1中轴承复合故障的振动信号,既可以是单故障振动信号,也可以多种故障组合的复合故障振动信号。
可选的,步骤2中分量个数K的选取,采用中心频率相离准则,避免由于过分解或欠分解所导致的模态混叠,其过程如下,
a、对原始信号进行频谱分析,从频谱图中估计共振频带个数k;
b、设定k为信号初始分解个数对原始信号进行变分模态分解,得到各IMF的共振频带中心频率系数O;中心频率系数乘以采样频率即可得分解所得到的k个IMF的中心频率;
c、观测中心频率:若存在混叠,则减小分解个数为k=k-1,直至中心频率不再混叠,此时k即为最优变分模态分解个数;若不存在混叠,则增加模态分解个数k=k+1,直至出现模态混叠,此时k-1即为最优变分模态分解个数。
可选的,步骤3以快速谱峭度图作为IMF筛选准则,以快速谱峭度图确定原始信号的共振频带个数及中心频率范围,选取频谱共振区间在此范围的IMF。
可选的,步骤5以快速谱峭度图作为频谱滤波手段,设定快速谱峭度图采用短时傅立叶变换及classical峭度值算法组合,根据快速谱峭度图所提示共振中心频率滤波,得到滤波后的SIMFi。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明的一种滚动轴承复合故障提取方法及***,采用加速度传感器获取轴承故障振动信号,以变分模态分解作为振动信号升维和降噪的处理方法,得到K个IMF,以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则,对SIMFi进行快速谱峭度频谱滤波,通过比较包络谱与轴承故障理论计算结果,诊断出原始信号中所包含的故障类型,可准确有效的诊断出复合故障组合形式,避免漏诊误诊,对机械设备运行状况的精确评估有重要价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种滚动轴承复合故障提取方法及***的结构示意图;
图2为本发明一种滚动轴承复合故障提取方法及***的流程图;
图3为本发明一种滚动轴承复合故障提取方法及***的实施例的时域波形图;
图4为本发明一种滚动轴承复合故障提取方法及***的实施例的变分模态分解所得信号时域波形及频谱图;
图5为本发明一种滚动轴承复合故障提取方法及***的实施例的由快速谱峭度选择谱峭度较大频带所对应的IMF分量图;
图6为本发明一种滚动轴承复合故障提取方法及***的实施例的IMF分量进行快速谱峭度滤波;
图7为本发明一种滚动轴承复合故障提取方法及***的实施例的故障类型输出图;
图中,1-振动信号采集装置,2-振动信号分解装置,3-振动信号分析装置,4-滤波装置,5-故障输出装置。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种滚动轴承复合故障提取方法及***,通过采用加速度传感器获取轴承故障振动信号,以变分模态分解作为振动信号升维和降噪的处理方法,得到K个IMF,以快速谱峭度图共振频带作为有效IMF(SIMFi)的筛选准则,对SIMFi进行快速谱峭度频谱滤波,通过比较包络谱与轴承故障理论计算结果,诊断出原始信号中所包含的故障类型,可准确有效的诊断出复合故障组合形式,避免漏诊误诊,对机械设备运行状况的精确评估有重要价值。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
一种滚动轴承复合故障提取***,包括振动信号采集装置(1),振动信号分解装置(2),振动信号分析装置(3),滤波装置(4),故障输出装置(5);振动信号采集装置(1)为振动加速传感器,用于获取轴承复合故障的振动信号并传送给振动信号分解装置(2)和振动信号分析装置(3),振动信号分解装置(2)用于对振动信号通过变分模态分解进行升维及降噪,并分解为K个IMF分量,振动信号分析装置(3)用于对振动信号通过快速谱峭度图进行分析,得到J个共振频带,其中J小于等于K;滤波装置(4)用于对振动信号分解装置(2)输出的IMF分量进行滤波,故障输出装置(5)用于对滤波后的IMF分量进行包络谱分析,通过对比理论计算所得轴承故障特征频率,得出原始信号复合故障类型。
一种滚动轴承复合故障提取方法,包括步骤:
获取轴承复合故障的振动信号;轴承复合故障的振动信号,既可以是单故障振动信号,也可以多种故障组合的复合故障振动信号;
对振动信号通过变分模态分解进行升维及降噪,并分解为K个IMF分量;分量个数K的选取,采用中心频率相离准则,避免由于过分解或欠分解所导致的模态混叠,其过程如下,a、对原始信号进行频谱分析,从频谱图中估计共振频带个数k;b、设定k作为信号初始分解个数对原始信号进行变分模态分解,得到各IMF的共振频带中心频率系数O;中心频率系数乘以采样频率即可得分解所得到的k个IMF的中心频率;c、观测中心频率:若存在混叠,则减小分解个数为k=k-1,直至中心频率不再混叠,此时k即为最优变分模态分解个数;若不存在混叠,则增加模态分解个数k=k+1,直至出现模态混叠,此时k-1即为最优变分模态分解个数。
对振动信号通过快速谱峭度图进行分析,得到J个共振频带,其中J小于等于K;以快速谱峭度图作为IMF筛选准则,以快速谱峭度图确定原始信号的共振频带个数及中心频率范围,选取频谱共振区间在此范围的IMF;
选取与共振频带对应的IMF分量,命名为SIMFi;
对SIMFi做快速谱峭度图滤波,得到滤波后的SIMFi;以快速谱峭度图作为频谱滤波手段,设定快速谱峭度图采用短时傅立叶变换及classical峭度值算法组合,根据快速谱峭度图所提示共振中心频率滤波,得到滤波后的SIMFi;对滤波后的SIMFi进行包络谱分析,通过对比理论计算所得轴承故障特征频率,得出原始信号复合故障类型。
为了验证该方法对强背景噪声下轴承故障分离的有效性,在QPZZ轴承故障模拟实验台上完成了滚动轴承内圈、外圈复合故障故障模拟实验,试验采用6205E轴承,使用线切割机在轴承内圈、外圈上各加工出深1.5、宽0.2mm的凹槽来模拟轴承复合故障。采用数据采集卡由安装在轴承座上的加速度传感器采集振动信号。其中采样频率12800Hz,电机转速1466r/min,轴承参数尺寸如表1所示。
表1滚动轴承参数
轴承内、外圈故障特征频率计算为:
步骤1:利用振动加速度传感器获得轴承运行过程的时域信号样本集f,其时域波形如图3所示。
步骤2:对信号样本f进行变分模态分解,得到K个IMF分量,其中K值以中心频率相离准则确定,本实验K=3。
表2不同K值各模态分量的中心频率
K的确定过程如表2,K=4时出现中心频率相近的模态分量(3832Hz、3916Hz),故K=3。
对变分模态分解所得的3个IMF分别进行频谱分析,其结果如图4所示。
步骤3:对原始信号样本f进行快速谱峭度分析,从谱峭度图中可以看出两个谱峭度值较大的频带,其中心频率分别为3000Hz、6000Hz,由此选出步骤2中IMF2及IMF3为待分析样本。
步骤4:对步骤3中所选IMF2、IMF3分别进行快速谱峭度滤波,其滤波后样本定义为BIMF1、BIMF2,如图6所示。
步骤5:对步骤4中所得BIMF1、BIMF2分别进行包络谱分析,得到的特征频率与公式(1)对比,即得故障类型。
变分模态分解(variational modedecomposition,简称VMD)整体框架是约束性变分问题,与传统的递归式EMD方法不同,其运算过程摒弃了递归筛选剥离这一信号分解方式的束缚,能够将被噪声淹没的微弱冲击信号成分分离,从而实现对轴承早期故障及微弱故障进行准确诊断。VMD具有类似于小波包的频域分割特性,相较于EMD及LMD等方法,具有更优异的分解性能。
快速谱峭度图是基于短时傅立叶变换的峭度图的概念,在时频图上计算每个频率的谱峭度值,使得谱峭度最大的f和Δf就是滤波器的最佳中心频率和带宽,其原理是将信号按照二分/三分交替进行的方式不断进行分解,然后计算每层每个频段上的谱峭度值,并用颜色深浅代表谱峭度值得大小,其频率分辨率为Δf=2-(k+1)fs,其中fs为采样频率,谱峭度值最大的中心频率f和带宽Δf就是滤波器的最佳中心频率和带宽。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。