基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法技术

本发明专利技术公开一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，从宏观上采集轴承在整个变转速运行过程中的变转速信号，并对其采用阶次谱的方法初步确定故障的有无及可能存在的故障类型；再从微观上截取采集轴承在整个变转速运行过程中的某一段恒定转速信号，并对其采用包络谱的方法验证故障的类型是否正确，作为阶次谱方法诊断结果的补充；最终结合阶次谱和包络谱的诊断结果，得到最终的诊断结论，从而避免了单一诊断结果受干扰的影响，提高了诊断的精度。

【技术实现步骤摘要】
基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法
本专利技术涉及轴承故障诊断
，具体涉及一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法。
技术介绍
随着机械装备向着高速、重载、精密方向发展，系统对机械传动设备的要求越来越高。不仅要求机械传动设备能够传递较大的功率和载荷，而且传动系统本身必须具有很好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。旋转机械一旦出现故障，轻则降低产品质量或者导致停产，重则会带来巨大的经济损失和人员伤亡。滚动轴承作为旋转机械的重要组成部分，其运行状态的监测和故障的诊断对工业生产的安全性和可靠性具有十分重要的意义。传统基于信号处理的轴承故障诊断大都假定轴承运行在恒定转速下，而实际机械装备在运行时，轴承都是处于变转速的工作状态。目前针对变转速轴承的诊断方法对系统硬件要求较高，诊断方法复杂，易受干扰的影响从而难以准确诊断出轴承故障，因而在实际应用中会存在局限性。
技术实现思路
本专利技术针对现有变转速轴承的诊断方法对系统硬件要求较高，诊断方法复杂，易受干扰的影响从而难以准确诊断出轴承故障，在实际应用中会存在局限性的问题，提供一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法。为解决上述问题，本专利技术是通过以下技术方案实现的：通过传感器采集滚动轴承振动信号，传输并存储到计算机中。采用COT算法将时域非平稳信号转化为角域平稳信号；使用VMD算法对角域平稳信号进行分解；对分解后的信号求阶次谱从而得到故障信息；同时提取滚动轴承在变转速过程中出现的一段恒定转速信号；将信号输入到VMD算法中并求其包络谱以得到故障信息，最后得出综合诊断结论。基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，包括步骤如下：步骤1、通过传感器采集滚动轴承在运行过程中的振动时域信号，并将该振动时域信号存储于计算机中；步骤2、采用计算阶次跟踪算法对采集到的振动时域信号进行处理，将振动时域信号转变为振动角域信号；步骤3、采用变分模态分解算法对振动角域信号进行分解，得到一系列带宽限制的变转速本征模态，并对这些变转速本征模态进行里叶变换，将角域的重采样信号转换为阶次域信号，得到阶次谱；步骤4、通过将阶次谱中的对应阶次和旋转机械滚动轴承的固有阶次进行对比，初步确定故障的有无及可能存在的故障类型；步骤5、通过分析存储在计算机中的振动时域信号的速度变化趋势，并截取一段出现在滚动轴承变转速运行过程中出现的恒定转速信号；步骤6、采用变分模态分解算法对恒定转速信号进行分解，得到一系列带宽限制的恒定转速本征模态，并对每个恒定转速本征模态分别绘制包络谱；步骤7、通过分析包络谱上是否出现了步骤4所初步确定的故障类型所对应的特征频率，来验证验证阶次谱诊断出的故障类型是否正确：当包络谱中存在步骤4所初步确定的故障类型所对应的特征频率时，则最终认定该故障类型存在，否则最终认定该故障类型不存在。上述步骤1中，所述传感器为压电加速度传感器。与现有技术相比，本专利技术针对实际机械装备在运行时，轴承都是处于变转速的工作状态，结合阶次谱和包络谱来实现轴承故障诊断；考虑到现有阶次谱虽然能适用于变转速的工作状态，但是无法准确诊断出轴承故障；而包络谱虽然能够准确诊断出轴承故障，但仅适用于恒定转速的工作状态；本专利技术从宏观上采集轴承在整个变转速运行过程中的变转速信号，并对其采用阶次谱的方法初步确定故障的有无及可能存在的故障类型；再从微观上截取采集轴承在整个变转速运行过程中的某一段恒定转速信号，并对其采用包络谱的方法验证故障的类型是否正确，作为阶次谱方法诊断结果的补充；最终结合阶次谱和包络谱的诊断结果，得到最终的诊断结论，从而避免了单一诊断结果受干扰的影响，提高了诊断的精度。本专利技术能够适用于变转速的工作状态轴承，具有简单和准确的特点。附图说明图1为基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法的流程图。图2为外圈变转速振动信号及其频谱图；(a)外圈变转速振动信号，(b)频谱图。图3为内圈变转速振动信号及其频谱图；(a)内圈变转速振动信号，(b)频谱图。图4为外圈变转速振动信号角域图。图5为内圈变转速振动信号角域图。图6为滚动轴承外圈阶次谱。图7为滚动轴承内圈阶次谱。图8为外圈固定转速振动信号及其频谱图；(a)外圈固定转速振动信号，(b)频谱图。图9为内圈固定转速振动信号及其频谱图；(a)内圈固定转速振动信号，(b)频谱图。图10为滚动轴承外圈包络谱。图11为滚动轴承内圈包络谱。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本专利技术进一步详细说明。针对现有变转速轴承的诊断方法对系统硬件要求较高，诊断方法复杂，易受干扰的影响从而难以准确诊断出轴承故障，在实际应用中会存在局限性的问题。本专利技术通过分析变转速信号和一段在变转速过程中出现的短暂恒定转速信号，分别使用阶次谱和包络谱方法诊断滚动轴承故障。在变转速条件下，传统的时频分析方法会造成故障的漏诊或误判，而计算阶次分析(COT)方法可以通过角域重采样技术，将时域中的非平稳信号变化为角域中的平稳信号，从而实现信号的诊断。同时，考虑到旋转机械滚动轴承在变转速过程中会出现短暂的恒定转速信号，可以通过包络谱的方法对其诊断并将诊断结论作为变转速条件下诊断结论的验证和补充。因此，本专利技术提出了一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，对滚动轴承变转速信号成分进行COT和变分模态分解(VMD)得到阶次谱，通过分析阶次谱初步确定故障的有无及可能存在的故障类型。对滚动轴承变转速过程中出现的短暂固定转速成分进行VMD得到包络谱，通过分析包络谱验证故障的类型是否正确并将诊断结果作为前者的验证和补充。最后，得出综合诊断结论。参见图1，一种基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，其具体包括步骤如下：第一步：通过传感器采集滚动轴承的振动信号，并存储于计算机中。针对旋转机械中的滚动轴承，采用振动传感器，如使用压电加速度传感器采集振动信号，。滚动轴承的特征频率、特征阶次公式如下：其中，z表示滚动体个数，d表示滚动体直径，D表示节圆直径，fr表示转频，f外圈、f内圈分别为外圈特征频率和内圈特征频率，J外圈、J内圈分别为外圈特征阶次和内圈特征阶次。在本实施例中，采用16通道便携式数据采集仪和IEPE压电式加速度传感器，分别采集轴承内、外圈振动信号，设备参数如表1所示。其中，采样频率为25.6KHz、变转速信号采样点为262144个。表1实验设备相关参数其中：本实例所用轴承规格参数如表2所示，使用试验台如图所示，振动信号及其频谱如图2和图3所示。表2ER-12K轴承的规格参数由上述参数和公式可得到滚动轴承内圈、外圈的特征频率分别是197.2Hz、121.5Hz。特征阶次分别是4.95、3.05。第二步：使用COT算法处理变转速轴承振动信号。将变转速信号输入到COT算法中，时域非平稳信号将转变为角域平稳信号。COT算法具体如下：对原始振动信号和转速计脉冲信号以等时间间隔Δt采样时，需要确定恒角度增量Δθ的发生时刻。为了确定重采样发生时刻，假定轴以恒定的角加速度进行运动，则转过的角度与时间的关系如下：θ(t)＝b0+b1t+b2t2(5)式中，b0,b1和b2由三个连续的键相脉冲到达本文档来自技高网...

【技术保护点】
1.基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，其特征是，包括步骤如下：步骤1、通过传感器采集滚动轴承在运行过程中的振动时域信号，并将该振动时域信号存储于计算机中；步骤2、采用计算阶次跟踪算法对采集到的振动时域信号进行处理，将振动时域信号转变为振动角域信号；步骤3、采用变分模态分解算法对振动角域信号进行分解，得到一系列带宽限制的变转速本征模态，并对这些变转速本征模态进行里叶变换，将角域的重采样信号转换为阶次域信号，得到阶次谱；步骤4、通过将阶次谱中的对应阶次和旋转机械滚动轴承的固有阶次进行对比，初步确定故障的有无及可能存在的故障类型；步骤5、通过分析存储在计算机中的振动时域信号的速度变化趋势，并截取一段出现在滚动轴承变转速运行过程中出现的恒定转速信号；步骤6、采用变分模态分解算法对恒定转速信号进行分解，得到一系列带宽限制的恒定转速本征模态，并对每个恒定转速本征模态分别绘制包络谱；步骤7、通过分析包络谱上是否出现了步骤4所初步确定的故障类型所对应的特征频率，来验证验证阶次谱诊断出的故障类型是否正确：当包络谱中存在步骤4所初步确定的故障类型所对应的特征频率时，则最终认定该故障类型存在，否则最终认定该故障类型不存在。...

【技术特征摘要】
1.基于阶次谱和包络谱的旋转机械滚动轴承故障诊断方法，其特征是，包括步骤如下：步骤1、通过传感器采集滚动轴承在运行过程中的振动时域信号，并将该振动时域信号存储于计算机中；步骤2、采用计算阶次跟踪算法对采集到的振动时域信号进行处理，将振动时域信号转变为振动角域信号；步骤3、采用变分模态分解算法对振动角域信号进行分解，得到一系列带宽限制的变转速本征模态，并对这些变转速本征模态进行里叶变换，将角域的重采样信号转换为阶次域信号，得到阶次谱；步骤4、通过将阶次谱中的对应阶次和旋转机械滚动轴承的固有阶次进行对比，初步确定故障的有无及可能存在的故障类型；步骤5、通过分析存储在计算机中...

【专利技术属性】
技术研发人员：蒋占四，徐飞，宋威震，黄惠中，余鼐，谢凤乐，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45