CN109946081B - 一种用于变转速下滚动轴承打滑时的故障诊断方法 - Google Patents
一种用于变转速下滚动轴承打滑时的故障诊断方法 Download PDFInfo
- Publication number
- CN109946081B CN109946081B CN201910297473.5A CN201910297473A CN109946081B CN 109946081 B CN109946081 B CN 109946081B CN 201910297473 A CN201910297473 A CN 201910297473A CN 109946081 B CN109946081 B CN 109946081B
- Authority
- CN
- China
- Prior art keywords
- qhsi
- frequency band
- signal
- fault
- omega
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
一种用于变转速下滚动轴承打滑时的故障诊断方法,将振动加速度传感器吸附于被测试滚动轴承的轴承座上,进行高频采样,得到振动信号,并利用键相传感器同步采集键相信号,通过构建树状滤波器组,对原始信号进行带通滤波,然后通过希尔伯特变换得到窄带信号的包络信号,再利用相位信息对窄带信号的包络信号等角度重采样,最后构建准谐波性筛选指标选择最优解调频带,确定故障的有无和类型,本发明既考虑了滚动轴承变转速易打滑的服役特点,又抑制了随机强干扰的影响,实现滚动轴承故障共振频带的准确提取。
Description
技术领域
本发明涉及滚动轴承故障诊断技术领域,特别涉及一种用于变转速下滚动轴承打滑时的故障诊断方法。
背景技术
滚动轴承是一种应用最广泛的通用机械部件,它的健康状况直接影响整机设备的运行质量,一旦滚动轴承发生故障,往往伴随着重大的经济损失甚至人员伤亡,因此,对滚动轴承进行健康监测和故障诊断具有重要意义。近几十年,基于振动信息的滚动轴承故障诊断技术得到了长足发展,主要分为频谱分析技术、脉冲冲击诊断技术、共振解调技术和智能诊断技术等。其中,共振解调技术融合了包络谱分析,在对滚动轴承等早期损伤类故障进行诊断时比频谱分析和冲击脉冲技术更有效,可以检测故障有无以及故障类型,对故障的严重程度也有一定的诊断能力,因此被广泛应用。
共振解调技术的关键在于最优频带的确定,由于峭度指标对冲击的敏感性,传统的谱峭度方法利用滤波后信号的峭度值大小来衡量滤波结果的好坏,将峭度值最大的频带作为共振频带,但是当故障比较轻微时,故障引起的冲击较小,容易被信号中的随机强干扰淹没,导致利用峭度指标确定共振频带时出错,达不到故障诊断的目的。
为克服上述问题,包络谐噪比指标被提出用于确定共振频带,该指标可以很好地抑制随机强干扰的影响,保留周期性分量。但是该指标对冲击的敏感性不足,尤其是当轻微故障造成的周期性分量能量有限时,容易被非故障引起的周期性分量淹没。此外,包络谐噪比指标依赖于平稳转速,而当轴承处于变转速工况,尤其是轴承发生打滑情况时,故障冲击的周期性遭到破坏,这将导致利用包络谐噪比指标确定共振频带时出错,同样难以达到故障诊断的目的
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供了一种用于变转速下滚动轴承打滑时的故障诊断方法,既考虑了滚动轴承变转速易打滑的服役特点,又抑制了随机强干扰的影响,实现滚动轴承故障共振频带的准确提取。
为了达到上述目的,本发明采取的技术方案为:
一种用于变转速下滚动轴承打滑时的故障诊断方法,包括以下步骤:
步骤一,将振动加速度传感器吸附于滚动轴承的轴承座上,进行高频采样,得到振动信号,并利用键相传感器同步采集键相信号;根据采样频率fs及轴承转速,截取一段时间内的振动信号作为原始信号y(t),同时利用键相信号计算转速v(t)和相位ph(t);
步骤二,计算滚动轴承的各故障特征阶次:外圈故障特征阶次Ωo,内圈故障特征阶次Ωi,滚动体故障特征阶次Ωb;构建树状滤波器组,通过树状滤波器组对原始信号y(t)进行频带划分,得到一系列窄带信号yi,j(t),yi,j(t)由树状滤波器组中对应的第i行第j列的有限脉冲响应(finite impulse response,FIR)带通滤波器滤波得到,并且获得窄带信号yi,j(t)所对应的相位phi,j(t),对窄带信号yi,j(t)进行希尔伯特变换并去均值,得到包络信号y_hi,j(t),根据窄带信号yi,j(t)所对应的相位phi,j(t)对包络信号y_hi,j(t)进行等角度重采样,得到重采样窄带信号ysi,j(t),分别计算重采样窄带信号ysi,j(t)的峭度值Ki,j和准谐波性筛选指标QHSIi,j(ΩQHSI);
步骤三,根据ΩQHSI与轴承各故障特征阶次Ωo,Ωi,Ωb的关系将故障频带进行分类,如果0.97Ωo<ΩQHSI<1.03Ωo,频带归属于为外圈故障信息频带集,如果0.97Ωi<ΩQHSI<1.03Ωi,频带归属于为内圈故障信息频带集,如果0.97Ωb<ΩQHSI<1.03Ωb,频带归属于为滚动体故障信息频带集,否则,QHSIi(ΩQHSI)=0,频带归属于无故障信息频带集;
步骤四,判定各故障信息频带集是否为空集,如果非空,针对各故障信息频带集,选择QHSI最大值对应的频带作为最优解调频带,进行共振解调,如果某故障信息频带集为空集,则对应的轴承部件无故障,如果各个故障信息频带集均为空集,则轴承无故障。
所述的步骤二中,如果Ki,j≤3,则令QHSIi(ΩQHSI)=0,否则按式(1)和(2)计算QHSIi,j(ΩQHSI):
QHSI(ΩQHSI)=max(eY(Ω)), (2)
其中,M=ε*detΩ,detΩ表示阶次分辨率,ε表示阶次模糊的范围,ε=5~7,X(Ω)表示阶次谱信号,N(Ω)表示在阶次Ω处的估计噪声。
本发明相比现有技术,具有以下有益效果:
a)本发明构建了准谐波性筛选指标QHSI(ΩQHSI),结合阶次跟踪方法,能够有效应对变转速下轴承打滑带来的准周期性问题,具有鲁棒性。
b)本发明提出利用信号的峭度值Ki筛选QHSIi(ΩQHSI),可大大提高计算效率。
c)本发明针对不同故障给出不同的最优频带,能够有效解决复合故障易漏诊的难题。
附图说明
图1为本发明方法的流程图。
图2为本发明实施例的原始信号示意图。
图3为本发明实施例的转速信号示意图。
图4为本发明实施例构建的树状滤波器组示意图。
图5为本发明实施例的阶次谱信号X(Ω)和在阶次Ω处的估计噪声N(Ω)。
图6为本发明实施例外圈故障信息频带集中的QHSI。
图7为本发明实施例的外圈故障信息频带集中的QHSI最大值对应的最优频带。
图8为本发明实施例外圈故障信息频带集中的最优频带所对应的包络阶次谱。
图9为本发明实施内圈故障信息频带集中的QHSI。
图10为本发明实施例内圈故障信息频带集中的QHSI最大值对应的最优频带。
图11为本发明实施例内圈故障信息频带集中的最优频带所对应的包络阶次谱。
图12为本发明实施例基于峭度指标确定的最优频带。
图13为本发明实施例基于峭度指标确定最优频带的包络阶次谱。
图14为本发明实施例基于包络谐噪比指标确定的最优频带。
图15为本发明实施例基于包络谐噪比指标确定最优频带的包络阶次谱。
具体实施方式
下面结合附图和实施例对本发明做详细描述。
以某车辆段的机车滚动轴承故障检测试验台为例,轴承故障位置在外圈/内圈处,故障类型为剥落。轴承具体参数:某型角接触球轴承,轴承的节径为183.929mm,轴承滚子个数为19,轴承滚子半径为26mm,接触角10°。
如图1所示,一种用于变转速下滚动轴承打滑时的故障诊断方法,包括以下步骤:
步骤一,将振动加速度传感器吸附于被测试滚动轴承的轴承座上,进行高频采样,得到振动信号,并利用键相传感器同步采集键相信号;根据采样频率fs及轴承转速,截取一段时间内的振动信号作为原始信号y(t),如图2所示;同时利用键相信号计算转速v(t)和相位ph(t),转速v(t)信号如图3所示;
步骤二,计算滚动轴承的各故障特征阶次:外圈故障特征阶次Ωo,内圈故障特征阶次Ωi,滚动体故障特征阶次Ωb,如表1所示;构建树状滤波器组,如图4所示,通过树状滤波器组对原始信号y(t)进行频带划分,得到一系列窄带信号yi,j(t),yi,j(t)由树状滤波器组中对应的第i行第j列的有限脉冲响应(finite impulse response,FIR)带通滤波器滤波得到,并且获得窄带信号yi,j(t)所对应的相位phi,j(t),对窄带信号yi,j(t)进行希尔伯特变换并去均值,得到包络信号y_hi,j(t),根据窄带信号yi,j(t)所对应的相位phi,j(t)对包络信号y_hi,j(t)进行等角度重采样,得到重采样窄带信号ysi,j(t),分别计算重采样窄带信号ysi,j(t)的峭度值Ki,j和准谐波性筛选指标QHSIi,j(ΩQHSI),如果Ki,j≤3,则令QHSIi(ΩQHSI)=0,否则按式(1)和(2)计算QHSIi,j(ΩQHSI):
QHSI(ΩQHSI)=max(eY(Ω)), (2)
其中,M=ε*detΩ,detΩ表示阶次分辨率,ε表示阶次模糊的范围,一般地ε=5~7,X(Ω)表示阶次谱信号,N(Ω)表示在阶次Ω处的估计噪声,如图5中所示;
表1轴承故障特征阶次
步骤三,根据ΩQHSI与轴承各故障特征阶次Ωo,Ωi和Ωb的关系将故障频带进行分类,如果0.97Ωo<ΩQHSI<1.03Ωo,频带归属于为外圈故障信息频带集,如果0.97Ωi<ΩQHSI<1.03Ωi,频带归属于为内圈故障信息频带集,如果0.97Ωb<ΩQHSI<1.03Ωb,频带归属于为滚动体故障信息频带集,否则,QHSIi(ΩQHSI)=0,频带归属于无故障信息频带集;
步骤四,判定各故障频带集是否为空集,如果非空,针对各故障信息频带集,选择QHSI最大值对应的频带作为最优解调频带,在外圈故障信息频带集中QHSI取最大值时ΩQHSI=8.04∈[0.97Ωo,1.03Ωo],如图6所示,图6中QHSI最大值对应的最优频带如图7所示,选择图7中最优的解调频带进行共振解调,得到的包络阶次谱如图8所示,可以看到明显的外圈故障特征;在内圈故障信息频带集中QHSI取最大值时ΩQHSI=11.01∈[0.97Ωi,1.03Ωi],如图9所示,此时QHSI对应的最优频带如图10所示,选择图10中最优的解调频带进行共振解调,得到的包络阶次谱如图11所示,可以看到明显的内圈故障特征;而在滚动体故障信息频带集中无元素,表明滚动体无故障。
传统的峭度(K)指标确定的最优频带如图12所示,图12中最优频带的包络阶次谱如图13所示,传统的包络谐噪比(HNR)指标确定的共振频带如图14所示,图14中包络阶次谱如图15所示,均未能发现外圈/内圈的故障特征。
本发明提出的一种用于变转速下滚动轴承打滑时的故障诊断方法,考虑了变转速和滚动轴承打滑的影响,克服了传统峭度指标以及谐噪比指标的缺陷,准确提取了故障特征信息,对滚动轴承外圈/内圈微弱故障进行了有效诊断,具有良好的鲁棒性。
Claims (2)
1.一种用于变转速下滚动轴承打滑时的故障诊断方法,其特征在于,包括以下步骤:
步骤一,将振动加速度传感器吸附于滚动轴承的轴承座上,进行高频采样,得到振动信号,并利用键相传感器同步采集键相信号;根据采样频率fs及轴承转速,截取一段时间内的振动信号作为原始信号y(t),同时利用键相信号计算转速v(t)和相位ph(t);
步骤二,计算滚动轴承的各故障特征阶次:外圈故障特征阶次Ωo,内圈故障特征阶次Ωi,滚动体故障特征阶次Ωb;构建树状滤波器组,通过树状滤波器组对原始信号y(t)进行频带划分,得到一系列窄带信号yi,j(t),yi,j(t)由树状滤波器组中对应的第i行第j列的有限脉冲响应带通滤波器滤波得到,并且获得窄带信号yi,j(t)所对应的相位phi,j(t),对窄带信号yi,j(t)进行希尔伯特变换并去均值,得到包络信号y_hi,j(t),根据窄带信号yi,j(t)所对应的相位phi,j(t)对包络信号y_hi,j(t)进行等角度重采样,得到重采样窄带信号ysi,j(t),分别计算重采样窄带信号ysi,j(t)的峭度值Ki,j和准谐波性筛选指标QHSIi,j(ΩQHSI);
步骤三,根据ΩQHSI与轴承各故障特征阶次Ωo,Ωi,Ωb的关系将故障频带进行分类,如果0.97Ωo<ΩQHSI<1.03Ωo,频带归属于为外圈故障信息频带集,如果0.97Ωi<ΩQHSI<1.03Ωi,频带归属于为内圈故障信息频带集,如果0.97Ωb<ΩQHSI<1.03Ωb,频带归属于为滚动体故障信息频带集,否则,QHSIi(ΩQHSI)=0,频带归属于无故障信息频带集;
步骤四,判定各故障信息频带集是否为空集,如果非空,针对各故障信息频带集,选择QHSI最大值对应的频带作为最优解调频带,进行共振解调,如果某故障信息频带集为空集,则对应的轴承部件无故障,如果各个故障信息频带集均为空集,则轴承无故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910297473.5A CN109946081B (zh) | 2019-04-15 | 2019-04-15 | 一种用于变转速下滚动轴承打滑时的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910297473.5A CN109946081B (zh) | 2019-04-15 | 2019-04-15 | 一种用于变转速下滚动轴承打滑时的故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109946081A CN109946081A (zh) | 2019-06-28 |
CN109946081B true CN109946081B (zh) | 2020-09-22 |
Family
ID=67015081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910297473.5A Active CN109946081B (zh) | 2019-04-15 | 2019-04-15 | 一种用于变转速下滚动轴承打滑时的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109946081B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024397B (zh) * | 2019-12-20 | 2021-05-07 | 北京航空航天大学 | 基于振动信息解调分析的滚动轴承打滑率评估方法 |
CN111238813B (zh) * | 2020-01-19 | 2021-05-07 | 西安交通大学 | 一种强干扰下提取滚动轴承故障特征的方法 |
CN111521400B (zh) * | 2020-06-24 | 2021-06-29 | 北京航空航天大学 | 一种基于edm及谱峭度的轴承早期故障诊断方法 |
CN113033304B (zh) * | 2021-02-18 | 2021-10-22 | 北京科技大学 | 一种克服频域重叠干扰的多共振频带幅值解调分析方法 |
CN114738389B (zh) * | 2022-03-29 | 2023-03-28 | 南京航空航天大学 | 一种面向打滑诊断的智能轴承***及打滑诊断预测方法 |
CN117589456B (zh) * | 2024-01-19 | 2024-04-02 | 中国航发四川燃气涡轮研究院 | 增强稀疏分解的滚动轴承变转速故障诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706555A (zh) * | 2012-01-05 | 2012-10-03 | 重庆大学 | 一种复解析最优小波解调法 |
CN105181019A (zh) * | 2015-09-15 | 2015-12-23 | 安徽精科检测技术有限公司 | 用于旋转类机械早期故障预警分析的计算机程序产品 |
CN107036815A (zh) * | 2015-10-20 | 2017-08-11 | 斯凯孚公司 | 对轴承缺陷进行严重程度评估的方法和数据处理装置 |
CN107941510A (zh) * | 2017-10-19 | 2018-04-20 | 西安交通大学 | 基于等角度双重采样的滚动轴承故障特征的提取方法 |
CN108801634A (zh) * | 2018-03-21 | 2018-11-13 | 昆明理工大学 | 基于奇异值分解和优化的频带熵提取轴承故障特征频率的方法及其应用 |
CN109668733A (zh) * | 2018-12-21 | 2019-04-23 | 苏州大学 | 变分非线性模式分解变转速轴承故障诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014161587A1 (en) * | 2013-04-05 | 2014-10-09 | Aktiebolaget Skf | Method for processing data obtained from a condition monitoring system |
-
2019
- 2019-04-15 CN CN201910297473.5A patent/CN109946081B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102706555A (zh) * | 2012-01-05 | 2012-10-03 | 重庆大学 | 一种复解析最优小波解调法 |
CN105181019A (zh) * | 2015-09-15 | 2015-12-23 | 安徽精科检测技术有限公司 | 用于旋转类机械早期故障预警分析的计算机程序产品 |
CN107036815A (zh) * | 2015-10-20 | 2017-08-11 | 斯凯孚公司 | 对轴承缺陷进行严重程度评估的方法和数据处理装置 |
CN107941510A (zh) * | 2017-10-19 | 2018-04-20 | 西安交通大学 | 基于等角度双重采样的滚动轴承故障特征的提取方法 |
CN108801634A (zh) * | 2018-03-21 | 2018-11-13 | 昆明理工大学 | 基于奇异值分解和优化的频带熵提取轴承故障特征频率的方法及其应用 |
CN109668733A (zh) * | 2018-12-21 | 2019-04-23 | 苏州大学 | 变分非线性模式分解变转速轴承故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
Harmonics-to-noise ratio guided deconvolution and its application for bearing fault detection;Miao Yonghao;《Prognostics and System Health Management Conference》;20170731;全文 * |
行星齿轮箱振动信号特征提取与故障诊断研究;陈伟;《中国优秀硕士学位论文全文数据库》;20180315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109946081A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109946081B (zh) | 一种用于变转速下滚动轴承打滑时的故障诊断方法 | |
CN108195587B (zh) | 一种电机滚动轴承故障诊断方法及其诊断*** | |
CN109883702B (zh) | 一种基于时频域统计特征的电机轴承故障诊断方法 | |
CN104535323B (zh) | 一种基于角域‑时域‑频域的机车轮对轴承故障诊断方法 | |
US9989439B2 (en) | Method and data processing device for severity assessment of bearing defects using vibration energy | |
RU2470280C2 (ru) | Способ обнаружения и автоматической идентификации повреждения подшипников качения | |
KR920002072B1 (ko) | Ae 방식 회전기 이상진단 시스템 | |
CN107941510B (zh) | 基于等角度双重采样的滚动轴承故障特征的提取方法 | |
CN108151869B (zh) | 一种机械振动特征指标提取方法、***及装置 | |
CN104819766A (zh) | 基于谐噪比的包络解调频带确定方法 | |
CN110987438B (zh) | 水轮发电机变转速过程周期性振动冲击信号检测的方法 | |
CN111238812B (zh) | 一种滚动轴承保持架故障的自诊断方法 | |
CN110274764A (zh) | 一种基于振动加速度信号的机车电机轴承自动诊断方法 | |
CN105865794B (zh) | 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法 | |
CN110595764B (zh) | 一种基于振动特征提取的直升机传动***故障诊断方法 | |
JPH09113416A (ja) | ころがり軸受の損傷診断方法 | |
CN104215456B (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
CN107665337B (zh) | 一种轴承滚动体故障增强诊断方法 | |
CN106226078A (zh) | 一种基于麦克风阵列的多普勒畸变声学信号的校正方法 | |
JPH1026580A (ja) | 変速型回転機械設備の診断方法および装置 | |
CN109724802A (zh) | 一种基于频谱图评价与优选的电机轴承微弱故障诊断方法 | |
CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
CN113326782B (zh) | 基于包络谱形态拟合的滚动轴承故障特征自动提取方法 | |
CN106441899A (zh) | 基于振动信号检测卫星动量轮轴承损伤诊断及筛选方法 | |
CN114739671A (zh) | 一种基于改进广义s变换的轴承故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |