一种基于时频域统计特征的电机轴承故障诊断方法技术

本发明专利技术公开了一种基于时频域统计特征的电机轴承故障诊断方法，方法包括以下步骤：同时采集电机轴承T时段的转速脉冲信号和振动信号，根据转速脉冲信号计算转频曲线f；根据转频曲线截取平稳转速下的振动信号并分段；根据健康指标公式计算所述所有段振动信号的健康指标，将健康指标对比故障阈值表得到每一段的故障程度等级，统计故障程度等级最多的故障等级为电机轴承的故障等级；计算所有段振动信号的希尔伯特包络谱，根据有效频率计算方法确定所有包络谱的有效频率，统计有效频率出现次数最多的频率为故障频率，进而确定轴承的故障部位。通过统计多个时段振动信号的故障等级与包络谱的有效频率，准确得到电机轴承总体故障程度及故障部位。

【技术实现步骤摘要】
一种基于时频域统计特征的电机轴承故障诊断方法
本专利技术属于信号处理分析与故障诊断
，特别是一种基于时频域统计特征的电机轴承故障诊断方法。
技术介绍
电机轴承的工作状态直接影响整个设备的运行安全与性能，目前，关于电机轴承的检测设备与检测方法种类繁多，通常是依据轴承行业的相关标准，在一定转速和测试载荷下，通过测量轴承的振动加速度、温度以及声发射等信息，根据时频域特征实现电机的监测、振动与报警。然而现有的电机轴承故障诊断方法仍存在故障诊断准确率低的问题，轴承故障引起的冲击信号通常混杂在背景噪声中，故障特征不明显，而且轴承的运行工况以及外部环境干扰都在不断变化，干扰源造成振动信号的信噪比实时变化。传统电机轴承故障诊断方法采用均方幅值及峰值等简单的时域指标作为预警指标，当报警后截取短时间段的振动数据，用快速傅里叶变换或希尔伯特变换对信号进行频谱分析，由于频谱分析所选用的数据时间短，常会导致故障信息提取失败，造成误诊及漏诊率高。基于上述不足，本方法提出一种基于时频域统计特征的电机轴承故障诊断技术，通过统计分析多个时间段的信号时频域特征来降低噪声影响，并发现隐含的早期故障特征，提高故障诊断准确率。在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。
技术实现思路
针对现有技术中存在的问题，本专利技术提出一种基于时频域统计特征的电机轴承故障诊断方法，能很好地解决传统方法中信号提取效果差，故障诊断准确率低的问题，通过统计分析时域指标及包络频谱图能量分布的变化规律对轴承故障程度及故障类型进行判定。本专利技术的目的是通过以下技术方案予以实现，一种基于时频域统计特征的电机轴承故障诊断方法，所述方法包括以下步骤：第一步骤中，同时获取电机轴承T时段的转速脉冲信号和振动信号；第二步骤中，基于所述转速脉冲信号短时傅里叶变换时频分析以获取时频图，其中，所述时频图中能量强度最大的频率线作为转频曲线f，然后对转频曲线f进行规范化处理及分段：S2-1，规范化处理，转速序列R＝[r1，r2，…，ri，...，rn]为按时间顺序排列的n个转速的集合，基于规范化公式规范化处理所述转速序列R以将序列值规范化到[0,1]之间，其中，规范化公式为：其中，Norm表示规范化处理函数，ri表示转速序列R中的第i个转速，max(R)表示转速序列R的最大转速，min(R)表示转速序列R的最小转速。S2-2，确定分段点，计算转速序列R中ri与其左边的邻点ri-1确定的线段的斜率k1，以及ri与其右边的邻点ri+1确定的线段的斜率k2，当斜率的变化|k2-k1|大于等于参数β时，此点定义为分段点，否则，此点不是分段点，分段点组成分段序列，其中，参数β为常数，S2-3，振动信号分段，T时刻的分段序列被分为m段平稳段，每段的转速分别为Rev1、Rev2、…….、Revm，对应的时间段分别为T1、T2、…….、Tm,根据对应的时间段截取振动信号为m段，分段后的振动信号分别为：SC1、SC2、…….、SCm；第三步骤中，基于转频曲线f截取平稳转速下的振动数据并分段，所述分段为转速相同的时间段分为一组，非平稳信号被抛弃；第四步骤中，根据传感器的频响范围对振动信号SC1、SC2、…….、SCm进行带通滤波，滤波后的信号记录为FSC1、FSC2、…….、FSCm；第五步骤中，根据健康指标公式计算所述振动信号SC1、SC2、…….、SCm的健康指标H1、H2、…….、Hm，健康指标公式为其中，C、α1、α2、α3、α4为经验常数，峰值指标Peak为均方根值RMS为峭度Kurtosis为脉冲指标If为其中，x为振动信号，N为振动信号x的总点数，xi为振动信号x的第i个点，为振动信号x的平均值，|xi|表示xi的绝对值，Xrms表示振动信号x的均方根值，xmax表示振动信号x的最大值，∑表示求和运算。所述的方法中，定义健康指标轻度故障阈值Lowk、中度故障阈值Mediumk及严重故障阈值Highk，其中，k表示k个不同工况，若健康指标H1、H2、…….、Hm均小于对应工况下的Mediumi，且存在至少一个指标大于Lowi，则表明轻微故障，故障级别为1；若所有健康指标均小于对应工况下的Highi，且存在至少一个指标大于Mediumi，则表明中等故障，故障级别为2；若存在至少一个指标大于Highi，则表明严重故障，故障级别为3。所述的方法中，统计T时刻内的m组振动向量SC1、SC2、…….、SCm对应的健康指标H1、H2、…….、Hm及对应的报警程度，以个数最多的报警程度作为电机的整体报警级别。所述的方法中，第六步骤中，所述振动信号进行Hilbert(希尔伯特)包络解调，得到的SC1、SC2、…….、SCm对应的包络谱频谱图EenvSP1、EenvSP2、……、EenvSPm；第七步骤中，基于频谱图，找出频率f0的幅值高于周围[f0-bw/2,f0+bw/2]Hz，且频率带宽内的平均幅值p％的频率，标识频率段的峰值及量化程度形成比色条，当比色条中轴承故障的倍频、谐波或边带出现次数超过预定阈值，则判断轴承发生故障。所述的方法中，第一步骤中，振动加速度传感器获取电机轴承T时段的振动信号，霍尔传感器获取电机轴承T时段的转速脉冲信号。所述的方法中，第二步骤S2中，β为分段点的变化率可取的最小值。所述的方法中，第四步骤中，带通滤波器滤去小于0.7Hz并大于10000Hz以外的低频及高频成分。所述的方法中，第七步骤中，根据轴承的特征频率公式计算轴承各部件的故障频率，其中，外圈故障频率：fo＝r/60*1/2*n(1-d/D*cosα)，内圈故障频率：fi＝r/60*1/2*n(1+d/D*cosα)，滚动体故障频率：fb＝r/60*1/2*D/d*[1-(d/D)^2*cos2α]，保持架故障频率：fc＝r/60*1/2*(1-d/D*cosα)，其中，轴承转速r，单位：转/分钟(RPM)；n：滚珠个数；d:滚动体直径；D:轴承节径；α：滚动体接触角，单位为弧度。所述的方法中，第七步骤中，设定带宽为10Hz，参数p为50，频谱图横坐标的划分为50个频率细分带，每个细分的频谱带中找出峰值最大的频率fmax，若其幅值高于所在频率细分带的平均值50％的频率，则认为此最大峰值为有效峰值，将此频率段的峰值及量化程度的用不同比色条表示，统计比色条中内圈、外圈、保持架、滚子的倍频、谐波或边带以对内圈、外圈、保持架、滚子故障判定。所述的方法中，第三步骤中，根据曲线斜率的变化来检测分段点，计算连接转速曲线中曲线两个端点外的同一点的左右两条线段的斜率，然后通过斜率的幅度来确定该点是否是分段点，当斜率变化幅度大于等于参数β，则该点为分段点。和现有技术相比，本专利技术具有以下优点：本专利技术选取较长时间段的振动数据与转速数据，截取平稳工况进行分段分析，然后，在每段平稳时间段，对振动信号的时频域特征进行统计平均，得到平均频谱图及时域特征，最后，提出一种直观的比色图进行故障诊断，所述方法能够抑制噪音，凸显故障信息，减少故障的误诊及漏诊率，能提升故障诊断的准确性与可靠性。附图说明通过阅读下文优选的具体实施方式中的详细描述，本专利技术各种其他的优点和益处对于本领本文档来自技高网...

【技术保护点】
1.一种基于时频域统计特征的电机轴承故障诊断方法，所述方法包括以下步骤：第一步骤(S1)中，同时获取电机轴承T时段的转速脉冲信号和振动信号；第二步骤(S2)中，基于所述转速脉冲信号短时傅里叶变换时频分析以获取时频图，其中，所述时频图中能量强度最大的频率线作为转频曲线f，然后对转频曲线f进行规范化处理及分段：S2‑1，规范化处理，转速序列R＝[r1，r2，…，ri，...，rn]为按时间顺序排列的n个转速的集合，基于规范化公式规范化处理所述转速序列R以将序列值规范化到[0，1]之间，其中，规范化公式为：

【技术特征摘要】
1.一种基于时频域统计特征的电机轴承故障诊断方法，所述方法包括以下步骤：第一步骤(S1)中，同时获取电机轴承T时段的转速脉冲信号和振动信号；第二步骤(S2)中，基于所述转速脉冲信号短时傅里叶变换时频分析以获取时频图，其中，所述时频图中能量强度最大的频率线作为转频曲线f，然后对转频曲线f进行规范化处理及分段：S2-1，规范化处理，转速序列R＝[r1，r2，…，ri，...，rn]为按时间顺序排列的n个转速的集合，基于规范化公式规范化处理所述转速序列R以将序列值规范化到[0，1]之间，其中，规范化公式为：其中，Norm表示规范化处理函数，ri表示转速序列R中的第i个转速，max(R)表示转速序列R的最大转速，min(R)表示转速序列R的最小转速；S2-2，确定分段点，计算转速序列R中ri与其左边的邻点ri-1确定的线段的斜率k1，以及ri与其右边的邻点ri+1确定的线段的斜率k2，当斜率的变化|k2-k1|大于等于参数β时，此点定义为分段点，否则，此点不是分段点，分段点组成分段序列，其中，参数β为常数，S2-3，振动信号分段，T时刻的分段序列被分为m段平稳段，每段的转速分别为Rev1、Rev2、…….、Revm，对应的时间段分别为T1、T2、…….、Tm，根据对应的时间段截取振动信号为m段，分段后的振动信号分别为：SC1、SC2、…….、SCm；第三步骤(S3)中，基于转频曲线f截取平稳转速下的振动数据并分段，所述分段为转速相同的时间段分为一组，非平稳信号被抛弃；第四步骤(S4)中，根据传感器的频响范围对振动信号SC1、SC2、…….、SCm进行带通滤波，滤波后的信号记录为FSC1、FSC2、…….、FSCm；第五步骤(S5)中，根据健康指标公式计算所述振动信号SC1、SC2、……、SCm的健康指标H1、H2、…….、Hm，健康指标公式为其中，C、α1、α2、α3、α4为经验常数，峰值指标Peak为均方根值RMS为峭度Kurtosis为脉冲指标If为其中，x为振动信号，N为振动信号x的总点数，xi为振动信号x的第i个点，为振动信号x的平均值，|xi|表示xi的绝对值，Xrms表示振动信号x的均方根值，xmax表示振动信号x的最大值，∑表示求和运算。2.根据权利要求1所述的方法，优选的，其中，定义健康指标轻度故障阈值Lowk、中度故障阈值Mediumk及严重故障阈值Highk，其中，k表示k个不同工况，若健康指标H1、H2、…….、Hm均小于对应工况下的Mediumi，且存在至少一个指标大于Lowi，则表明轻微故障，故障级别为1；若所有健康指标均小于对应工况下的Highi，且存在至少一个指标大于Mediumi，则表明中等故障，故障级别为...

【专利技术属性】
技术研发人员：刘一龙，陈雪峰，张兴武，白晓博，张启旸，张子泷，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61