一种轴承故障的诊断方法技术

一种轴承故障的诊断方法，属于机械故障领域，其特征在于，包括如下步骤：对采集到的振动信号进行降噪，提高信噪比；对降噪后的振动信号进行LMD分解，得到PF分量；对每一个PF分量进行频谱分析，得到频谱图。本发明专利技术的有益效果：原本包含在原信号的频率成分，被分解到不同的PF分量上，可以更容易的找到故障特征频率。经过频谱校正后的故障频率比未校正的故障频率，更接近于真实的故障特征频率，提高了轴承故障诊断的准确性。

【技术实现步骤摘要】
【专利摘要】，属于机械故障领域，其特征在于，包括如下步骤：对采集到的振动信号进行降噪，提高信噪比；对降噪后的振动信号进行LMD分解，得到PF分量；对每一个PF分量进行频谱分析，得到频谱图。本专利技术的有益效果：原本包含在原信号的频率成分，被分解到不同的PF分量上，可以更容易的找到故障特征频率。经过频谱校正后的故障频率比未校正的故障频率，更接近于真实的故障特征频率，提高了轴承故障诊断的准确性。【专利说明】
本专利技术属于机械故障领域，涉及一种LMD和频谱校正相结合的轴承故障诊断方 法。
技术介绍
传统的方法是将故障数据进行降噪后，直接进行频谱分析，观察频率图，寻找到 的故障特征频率。还有一些时频分析方法有小波变换和经验模态分解（Empirical mode decomposition，EMD)等，这些方法对故障数据进行分解后，再进行频谱分析，观察频率图， 寻找到的故障特征频率。 传统的方法是对降噪后的数据直接进行频谱分析，频谱图上包含了所有的频率， 频率成分比较复杂，不易提取故障频率。虽然小波变换和EMD方法可以对故障数据进行分 解，但小波变换对时频面的分割是机械格型，而且小波基不同，分解结果不同，小波基比较 难选择；EMD方法能将信号分解为多个iMF(Intrinsic mode function)分量，对所有IMF分 量做Hilbert变换能得到信号的时频分布，但在理论上还存在一些问题，如EMD方法中的模 态混淆、欠包络、过包络、端点效应等问题，均处在研究之中。 不论采取上述的哪种方法，用于受到轴承参数误差、采样数据长度等干扰，会使得 寻找到的故障特征频率会与实际的真实值存在误差。
技术实现思路
本专利技术的目的： 第一，对降噪后的故障数据进行分解，得到的每个分量包含着原信号部分特征信 息，其复杂程度要比原信号相对简单得多。 第二，避免像小波变换和EMD方法的缺陷。 第三，减小由于受到轴承振动信号采样数据长度干扰带来的误差。 本专利技术的技术方案： 本方法首先采用局部均值分解（Local mean decomposition，简称LMD)方法对降 噪后的故障数据进行分解，对分解后的得到PF分量进行频谱分析，接着进行频率校正，提 高频率和峰值的准确性，观察频率图，寻找到的故障特征频率。 LMD方法是自适应的时频方法，能有效处理非线性、非平稳信号，并且可以避免小 波变换和EMD方法的缺陷。 对降噪后的故障数据进行LMD分解，得到的每个PF分量包含着原信号部分特征信 息，其复杂程度要比原信号相对简单得多。这样就把对原信号各种特征信息的分析，转化为 对各个PF分量的分析，更容易对原信号进行认识和把握。由于PF分量所含信号的成份较 为简单，其中所包含的故障特征信息就不易被其他信息所淹没，因此从PF分量中提取故障 信息就变的相对简单。 对得到的PF分量进行频率校正，可以减小由于采样数据长度短带来的频率误差， 提高特征频率的准确性。 ，其特征在于，包括如下步骤： 第一，对采集到的振动信号进行降噪，提高信噪比； 第二，对降噪后的振动信号进行LMD分解，得到PF分量； 第三，对每一个PF分量进行频谱分析，得到频谱图。 第四，采用校正算法对频谱进行校正，提高特征频率的准确性。 本专利技术的有益效果：原本包含在原信号的频率成分，被分解到不同的PF分量上， 可以更容易的找到故障特征频率。经过频谱校正后的故障频率比未校正的故障频率，更接 近于真实的故障特征频率，提高了轴承故障诊断的准确性。 【专利附图】【附图说明】 图1为该专利技术的降噪后的轴承滚珠故障数据时域波形 图2为该专利技术的降噪后的轴承滚珠故障数据频谱图 图3为该专利技术的降噪后的轴承滚珠故障数据LMD分解图 图4为该专利技术的降噪后轴承滚珠故障数据PF分量频谱图 图5为该专利技术的降噪后轴承滚珠故障数据PF分量频谱校正后频谱图 【具体实施方式】 利用LMD和频谱校正相结合的方法，可以更容易、更准确的提取故障特征频率。为 成功对直升机自动倾斜器轴承故障进行诊断提供了更有效的方法。 为验证本方法的效果，本文选用美国凯斯西储大学电气工程与计算机科学系轴承 实验数据进行实验分析，支承电机传动轴端的62〇5-2RS SKF深沟球轴承为测试轴承，由功 率为1.47kW的电动机、电器控制装置和测力计、扭矩译码器/传感器构成试验台。其结构 参数如表1。 表1轴承结构参数表 【权利要求】1. ，其特征在于，包括如下步骤： 第一，对采集到的振动信号进行降噪，提高信噪比； 第二，对降噪后的振动信号进行LMD分解，得到PF分量； 第三，对每一个PF分量进行频谱分析，得到频谱图。2. 根据权利要求1所述的轴承故障的诊断方法，其特征在于，所述第三步骤完成后，采 用校正算法对频谱进行校正，得到校正后的频谱图。3. 根据权利要求1所述的轴承故障的诊断方法，其特征在于，所述第一步骤中对采集 到的振动信号进行小波或小波包降噪。4. 根据权利要求1所述的轴承故障的诊断方法，其特征在于，所述第一步骤中对降噪 后的振动信号进行LMD分解，得到PF分量的具体方法为：对于任意给定信号x(i)，其分解 过程如下：找出信号x(i)所有局部极值点化，求出所有相邻局部极值点平均值和所有相邻 局部极值点相减的绝对值，并分别除以 2,得到叫和A :C1J (2| 然后将所有相邻叫用直线连接起来，再用滑动平均法进行平滑处理，得到局部均值函 数mn⑴。用同样的方法得到包络估计函数an (t)i 将局部均值函数muU)从原始信号x(t)中分离出来，得到： hn (t) = x (t) -mn (t) (3)再用hn (t)除以包络估计函数an (t)以对hu (t)进行 解调，得到： sn(t) = hn (t)/an (t) (4) 理想地，Sll⑴是一个纯调频信号，即它的包络估计函数a12⑴满足a12(t) = 1，如果 a12 (t)矣1，则将Sll (t)作为原始数据重复上述迭代过程，直到sln(t)是一个纯调频信号，即 它的包络估计函a1(n+D(t)满足a 1(n+1)(t) = 1。实际应用中，在不影响分解效果的前提下，设 定一个变动量Δ ,当满足1- Δ < aln < 1+ Δ时，迭代终止。 最后把迭代过程中产生的所有包络估计函数相乘得到包络信号：m 将包络信号ai(t)和纯调频信号sln(t)相乘得到原始信号第一个PF分量： PF^t) = a1(t)sln (6) 它包含给定信号中最高频率成分，PFjt)是一个单分量调幅-调频信号，其瞬时幅值就 是包络信号ajt)，其瞬时频率f\(t)则可由纯调频信号sln(t)求出。 将？匕(1:)从给定信号以1:)中分离出来，得到一个新信号^(1)，将11七）作为原始数据 重复以上步骤，循环k次，直到uk(t)为一个单调函数为止。 这样给定原始信号X (t)被分解成k个PF分量和uk (t)之和，即m 式中：Uk(t)是残余项；PFn(t)为包络信号和纯调频信号乘积。【文档编号】G01M13/04GK1042154本文档来自技高网...

【技术保护点】
一种轴承故障的诊断方法，其特征在于，包括如下步骤： 第一，对采集到的振动信号进行降噪，提高信噪比； 第二，对降噪后的振动信号进行LMD分解，得到PF分量； 第三，对每一个PF分量进行频谱分析，得到频谱图。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙伟，李新民，刘正江，邓建军，陈焕，金小强，王江华，陈卫星，陈峰，熊景斌，蔡士整，
申请(专利权)人：中国直升机设计研究所，
类型：发明
国别省市：江西;36