本发明专利技术公开了基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，包括：步骤S100：轴承滚动体振动信号分离：对于每一个给定滚动体，根据滚动体的自转周期和公转周期，提取滚动体的分离信号；步骤S100：分离信号特征提取：计算每一个滚动体的分离信号的包络谱特征，根据包络谱特征值的大小确定损伤滚动体，并使用损伤滚动体特征代替原始信号的特征，用于诊断滚动体损伤。本发明专利技术具有能够提高损伤信号的信噪比、提高对滚动体损伤的故障诊断能力的优点。
【技术实现步骤摘要】
本专利技术主要涉及到健康监测与故障诊断领域，特指采用振动信号分离和分离信号包络谱特征提取所进行的轴承滚动体损伤的增强诊断，其主要适用于各种旋转机械滚动轴承的故障诊断。
技术介绍
滚动轴承故障若没有及时发现并采取控制措施，将可能引起整个旋转机械失效。滚动轴承的故障诊断可以为维修决策提供支持，帮助预防机械失效。基于振动的轴承故障诊断方法，假设滚动体经过损伤位置时会造成冲击响应，该响应的频率为滚动轴承的特征故障频率。由于损伤滚动体在进入承载区和离开承载区时造成的冲击幅值会被调制，因此滚动体损伤通常比外环损伤更难检测。很多种振动信号处理方法被用于故障诊断领域，如傅里叶变换、短时傅里叶变换、经验模式分解、小波分析、调制边带双谱等。这些方法被用于从振动信号中提取数值特征，这些数值特征可以作为模式识别模型的输入，用于实现智能故障诊断。为了增加所提取特征的可分离性，可以使用信号预处理方法提高原始采样振动信号的信噪比。时域同步平均（TSA）是一种广为人知的提高信号信噪比的信号预处理方法（参考文献：“S. Braun. The extraction of periodic waveforms by time domain averaging. Acta Acustica united with Acustica 32 (2)(1975) 69-77(9) / 布劳恩. 使用时域平均提取周期波形. 联合声学学报，32 (2)(1975) 69-77(9)”）。该方法将齿轮振动信号划分为一系列信号段，信号段长度等于目标信号的周期的整数倍；然后通过对分离出的信号段求平均来降低随机噪声。定轴齿轮的故障特征频率通常是轴转速的Z倍，其中Z是齿轮齿数，因此TSA可以成功的用于定轴齿轮的故障诊断。相比之下，行星轮系的故障特征频率通常不是轴转频的整数倍，因此TSA不能直接用于行星轮系。P.D. McFadden为行星轮系提出了一种改进的TSA，用于分离对应于太阳轮和行星轮的振动信号。这种改进的TSA被称作振动分离（参考文献：“P.D. Samuel, D.J. Pines, Vibration separation and diagnostics of planetary gears, in: Proceedings of the American Helicopter Society 56th Annual Forum, Virginia Beach, Va, 2000 / 塞缪尔, 帕恩斯. 行星轮系的振动分离与诊断. 56届美国直升机协会年度论坛论文集, 维吉尼亚州, 2000”）。行星轮系振动分离方法根据齿的通过时序，提取出对应于给定行星轮或太阳轮旋转一圈的信号段。轴承与行星轮类似，内环对应于太阳轮，滚动体对应于行星轮，外环对应于齿圈。但是轴承与行星轮系不同的是，轴承中没有齿，无法根据啮合时序来定位不用运动部件对应的信号段。因此，如何能够提高损伤信号的信噪比，识别出损伤滚动体，以提高对滚动体损伤的故障诊断能力，成为本领域技术人员亟需解决的问题。
技术实现思路
本专利技术要解决的技术问题在于：针对现有技术存在的技术问题，本专利技术提供基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，该方法能够提高损伤信号的信噪比，可以识别出损伤滚动体提高对滚动体损伤的故障诊断能力。为解决上述技术问题，本专利技术采用以下技术方案：基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，步骤为：步骤S100： 轴承滚动体振动信号分离：对于每一个给定滚动体，根据滚动体的自转周期fBSF和公转周期fC，提取滚动体的分离信号；步骤S200： 分离信号特征提取：计算每一个滚动体的分离信号的包络谱特征，根据包络谱特征值的大小，确定损伤滚动体的编号，并使用损伤滚动体特征代替原始信号的特征，用于诊断滚动体损伤。优选地，所述步骤步骤S100的具体为：步骤S101：滚动体编号：按照滚动体通过轴承承载中心的顺序，给依次通过承载中心的滚动体编号为1～Z，Z为滚动体个数；步骤S102：搜索滚动体的自转周期：根据滚动体的直径d、轴承节经D、接触角、轴的转速fr，计算第i个滚动体的自转周期fBSF，确定第i个滚动体的第j自转周期的起始时间ti,j和长度TS；步骤S103：提取距离承载中心最近的自转周期：计算每个自转周期滚动体的行程，筛选出行程穿过承载中心的自转周期为最近自转周期，即最近自转周期的起始时间满足：（1）其中，TR= 1/fC，fC为滚动体的公转周期；步骤S104：合成分离信号：对于每个滚动体，按照其最近自转周期的起始时间和长度截取信号段，将最近自转周期对应的所有振动信号段按顺序拼接起来构造每个滚动体的分离信号。优选地，所述步骤步骤S200的具体为：步骤S201：计算分离信号的包络谱特征：使用Hilbert变换和FFT得到分离信号的包络谱，计算包络谱在故障特征频率及其谐波分量处的峰值和均方根值比，其中均方根值比定义为故障特征频率所在频带的均方根值与整个包络谱的均方根值的比值；步骤S202：确定损伤滚动体编号：比较不同滚动体分离信号包络谱的故障特征幅值，选择故障特征幅值最大的滚动体为最可能发生损伤的滚动体；步骤S203：选择滚动体损伤特征：用损伤滚动体的分离信号代替原始信号，用于轴承滚动体损伤的增强诊断。本专利技术公布基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，该方法根据轴承运动学规律为每个滚动体提取信号段序列，将对应于给定滚动体的信号段序列依次拼接形成对应于该滚动体的分离信号。分别从分离信号和原始信号的包络谱中提取特征，并通过对比分离信号的特征确定损伤滚动体的编号。用损伤滚动体的分离信号代替原始信号，用于轴承滚动体损伤的增强诊断。采用振动信号分离和分离信号包络谱特征对比分析，优势在于可以识别出损伤滚动体的编号，尽管识别损伤发生在哪个滚动体上在工程中并没有意义，但是损伤滚动体的分离信号比原始信号的信噪比更高，对滚动体损伤更敏感，可以增强对滚动体损伤的诊断能力。附图说明图1是本专利技术提供的一种基于分离信号包络谱特征的轴承滚动体故障增强诊断方法的流程示意图；图2是本专利技术提供的一种应用实例中轴承故障仿真信号的时域波形和包络谱；图3是本专利技术提供的一种应用实例中8个滚动体的分离信号的时域波形和包络谱；图4是本专利技术提供的一种应用实例中原始信号的包络谱特征和8个滚动体的分离信号的包络谱特征。具体实施方式以下将结合说明书附图和具体实施例对本专利技术做进一步详细说明。如图1所示，图1本专利技术提供的一种基于分离信号包络谱特征的轴承滚动体故障增强诊断方法的流程示意图；本专利技术基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，其步骤为：步骤S100： 轴承滚动体振动信号分离：对于每一个给定滚动体，根据滚动体的自转周期fBSF和公转周期fC，提取滚动体的分离信号；步骤S200：分离信号特征提取：计算每一个滚动体的分离信号的包络谱特征，根据包络谱特征值的大小，确定损伤滚动体的编号，并使用损伤滚动体特征代替原始信号的特征，用于诊断滚动体损伤。在进一步的方案中，上述步骤步骤S100的具体为：步骤S101：滚动体编号：按照滚动体通过轴承承载中心的顺序，给依次通过承载中心的滚动体编号为1～Z，Z为滚动体个数，通本文档来自技高网...
【技术保护点】
一种基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，其特征在于，包括：步骤S100：轴承滚动体振动信号分离：对于每一个给定滚动体，根据滚动体的自转周期fBSF和公转周期fC，提取滚动体的分离信号；步骤S200：分离信号特征提取：计算每一个滚动体的分离信号的包络谱特征，根据包络谱特征值的大小，确定损伤滚动体的编号，并使用损伤滚动体特征代替原始信号的特征，用于诊断滚动体损伤。
【技术特征摘要】
1.一种基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，其特征在于，包括：步骤S100：轴承滚动体振动信号分离：对于每一个给定滚动体，根据滚动体的自转周期fBSF和公转周期fC，提取滚动体的分离信号；步骤S200：分离信号特征提取：计算每一个滚动体的分离信号的包络谱特征，根据包络谱特征值的大小，确定损伤滚动体的编号，并使用损伤滚动体特征代替原始信号的特征，用于诊断滚动体损伤。2.根据权利要求1所述的一种基于分离信号包络谱特征的轴承滚动体故障增强诊断方法，其特征在于，所述步骤步骤S100的具体为：步骤S101：滚动体编号：按照滚动体通过轴承承载中心的顺序，给依次通过承载中心的滚动体编号为1～Z，Z为滚动体个数；步骤S102：搜索滚动体的自转周期：根据滚动体的直径d、轴承节经D、接触角、轴的转速fr，计算第i个滚动体的自转周期fBSF，确定第i个滚动体的第j自转周期的起始时间ti,j和长度TS；步骤S103：提取距离承载中心最近的自转周期：计算每个自转周期滚动体的行程...
【专利技术属性】
技术研发人员：胡雷，胡茑庆，张伦，程哲，陈凌，何林，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。