一种基于故障特征倍频能量判决的滚动轴承故障诊断方法技术

本发明专利技术公开了一种基于故障特征倍频能量判决的滚动轴承故障诊断方法，涉及滚动轴承故障诊断领域，适用于简单和复杂传递路径下轴承故障诊断，采用小波包分析方法对正常轴承和故障轴承振动信号进行分解；基于峭度值指标最大原则筛选出有效的Node分量并进行信号重构；对重构信号进行Hilbert包络解调分析；基于故障特征倍频能量判决的诊断；克服了涉及滚动轴承故障特征倍频能量判决的诊断问题，为航空发动机不分解状态下轴承故障诊断与状态监测提供方法指导。方法指导。方法指导。

【技术实现步骤摘要】
一种基于故障特征倍频能量判决的滚动轴承故障诊断方法


[0001]本专利技术涉及滚动轴承故障诊断领域，尤其涉及一种基于故障特征倍频能量判决的滚动轴承故障诊断方法。

技术介绍

[0002]滚动轴承是各类旋转机械中最常用的零部件之一，是旋转机械的重要组成部分，起着承受载荷和传递载荷的重要作用，它的运行状态好坏直接关系到整个旋转机械系统的工作状态和运行安全，目前，旋转机械的故障中轴承的损坏故障约占百分之三十，轴承缺陷已被公认为是旋转机械故障的主要原因之一，轴承的故障诊断与状态监测是机械设备故障诊断技术的重要内容，据统计，2005至2018年期间，中国某型新机列装后累计发生因中介轴承损伤导致的发动机严重故障多达数十起，多次空中停车以及数起二等重大飞行事故或飞机迫降，直接经济损失达数十亿人民币，轴承故障诊断方法有很多，主要有振动检测、声发射检测、温度检测、润滑剂检测、间隙检测等，其中，振动检测能检测轴承的剥落、裂纹、磨损、烧伤，且适于早期检测和在线检测，因而，振动诊断法得到普遍应用，航空发动机轴承故障诊断主要也是从振动信号检测分析方面对轴承故障进行识别；
[0003]国内外学者针对滚动轴承故障振动信号具有脉冲性、非平稳性、非线性和强背景噪声的特点，国内外学者提出了短时傅里叶变换、小波变换、经验模态分解(empirical mode decomposition，EMD)、随机共振(Stochastic Resonance，SR)、集成经验模态分解(ensemble empirical mode decomposition，EEMD)、样本熵、支持向量机，神经网络、遗传算法、小波包分解(wavelet packet decomposition，WPD)等信号处理方法对轴承故障特征进行提取，但不同的分析方法具有各自适用范围，但均未涉及滚动轴承故障特征倍频能量判决的诊断方法专利技术；
[0004]本专利技术以振动信号分析和处理为基础，以小波包分解与重构、峭度值指标、频谱分析、包络解调为预处理方式，提出基于故障轴承和正常轴承的特征倍频能量百分比的特征差异确定轴承故障的诊断方法，首先，将该方法应用在凯斯西储大学开展的简单传递路径下球轴承典型故障试验中，根据分析获取故障轴承和正常轴承特征倍频能量百分比的差异性来验证方法的有效性；继而，开展复杂传递路径的轴承故障试验，验证提出的方法是否适用于复杂传递路径下轴承故障诊断。本专利技术提出的方法适用于简单和复杂传递路径下轴承故障诊断，为航空发动机不分解状态下轴承故障诊断与状态监测提供一定的方法指导。

技术实现思路

[0005]为解决现有技术的不足，本专利技术提供一种基于故障特征倍频能量判决的滚动轴承故障诊断方法，适用于简单和复杂传递路径下轴承故障诊断，为解决航空发动机不分解状态下轴承故障诊断与状态监测，分为以下步骤：
[0006]步骤1：采用小波包分析方法对正常轴承和故障轴承振动信号进行分解；
[0007]小波基函数ψ(t)∈L2(R)，其傅里叶变换为若ψ(t)满足允许条件：
[0008][0009]其按照伸缩因子a和平移因子b两个参数进行平移、伸缩后得到小波序列{ψ
b,a
(t)}：
[0010][0011]定义函数f(t)∈L2(R)的连续小波变换(CWT)为：
[0012][0013]式中＜,＞代表内积运算；*代表共轭运算；
[0014]对小波变换结果进行反变换，可恢复和重构原函数：
[0015][0016]将小波变换中具有连续性的参数ψ
r,s
(t)进行离散化取值处理，其中，a0按幂级数离散为大于1的数值，b0取为大于0的均匀离散数值，定义：
[0017][0018]函数f(t)∈L2(R)的离散小波变换(DWT)为：
[0019][0020]其中，r为频率范围指数；s为时间步长变化指数；
[0021]小波包变换公式为：
[0022][0023]其中，表示尺度函数；ψ(t)表示小波基函数；h
k
和g
k
分别表示长度为2N的低通滤波器和高通滤波器；k为平移参数，k∈Z；
[0024]小波包分解算法公式为：
[0025][0026]其中，和为不同的小波系数；j为尺度参数，j∈Z
+
；k、n为平移参数，k、n∈Z，Z为整数；m为频率参数，m∈{2
j
‑
1,2
j
‑
2,
…
,0}；h
n
‑
2k
为小波包分解中低通滤波器；g
n
‑
2k
为小波包分解中高通滤波器；
[0027]小波包重构算法公式为：
[0028][0029]其中，和均为小波包重构后小波包系数为小波包重构后小波包系数；h
k
‑
2n
为小波包重构的低通滤波器；g
k
‑
2n
为小波包重构的高通滤波器；
[0030]步骤2：基于峭度值指标最大原则筛选出有效的Node分量并进行信号重构；
[0031]对小波包分解方法处理原始振动信号得到的节点分量，根据峭度值的大小进行剔除和保留，达到对节点分量筛选的效果，重构组成新的信号，峭度值K的计算公式如下：
[0032][0033]其中，E为期望；y代表振动信号幅值；u代表振动信号幅值y的均值；α代表故障信号的标准差；
[0034]步骤3：对重构信号进行Hilbert包络解调分析；
[0035]对高信噪比的高频振动信号进行包络检波处理得到包络波形，而后采用Hilbert变换实现对信号的解包络提取故障信息，重构信号的Hilbert变换，让信号产生一个90
°
的相移，以原信号为实部，Hilbert变换为虚部构成解析信号，求模得到信号的包络，对包络信号低通滤波并作快速傅里叶变换求出包络谱，Hilbert变换定义为：
[0036][0037]其中，x(t)为原始时域信号；为信号x(t)的Hilbert变换；为x(t)做一次卷积分，这个卷积的冲击响应为
[0038]步骤4：基于故障特征倍频能量判决的诊断；
[0039]当正常轴承处在正常运转过程中，轴承不会发生共振；当轴承出现局部损伤故障时，运转过程中产生的周期性脉冲激励将会引起轴承高频冲击振动，对故障轴承的振动信号进行共振解调处理，将与轴承故障有关的低频故障特征倍频信号从高频调制信号中解调出来，获得的包络频谱中故障特征频率及其倍频处将存在特征峰值，故障特征倍频处的能量将在整个包络谱总能量中占有比重最多，故障特征能量占包络谱总能量的百分比公式定义为：
[0040][0041]其中，代表故障特征倍频处能量和；代表整个包络谱中各频率处的能量总和；y
i
代表故障特征倍频处的峰值；代表故障特征倍频处的能量；i代表故障特征第i倍频；y
j
代表包络谱图中第j本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：分为以下步骤：步骤1：采用小波包分析方法对正常轴承和故障轴承振动信号进行分解；步骤2：基于峭度值指标最大原则筛选出有效的Node分量并进行信号重构；步骤3：对重构信号进行Hilbert包络解调分析；步骤4：基于故障特征倍频能量判决的诊断。2.如权利要求1所述的基于故障特征倍频能量判决的滚动轴承故障诊断方法，其特征在于：所述步骤1的具体过程为：小波基函数ψ(t)∈L2(R)，其傅里叶变换为若ψ(t)满足允许条件：其按照伸缩因子a和平移因子b两个参数进行平移、伸缩后得到小波序列{ψ
b,a
(t)}：定义函数f(t)∈L2(R)的连续小波变换(CWT)为：式中＜,＞代表内积运算；*代表共轭运算；对小波变换结果进行反变换，可恢复和重构原函数：将小波变换中具有连续性的参数ψ
r,s
(t)进行离散化取值处理，其中，a0按幂级数离散为大于1的数值，b0取为大于0的均匀离散数值，定义：函数f(t)∈L2(R)的离散小波变换(DWT)为：其中，r为频率范围指数；s为时间步长变化指数；小波包变换公式为：其中，表示尺度函数；ψ(t)表示小波基函数；h
k
和g
k
分别表示长度为2N的低通滤波器和高通滤波器；k为平移参数，k∈Z；
小波包分解算法公式为：其中，和为不同的小波系数；j为尺度参数，j∈Z
+
；k、n为平移参数，k、n∈Z，Z为整数；m为频率参数，m∈{2
j
‑
1,2
j
‑
2,
…
,0}；h
n
‑
2k
为小波包分解中低通滤波器；g
n
‑
2k
为小波包分解中高通滤波器；小波包重构算法公式为：其中，和均为小波包重构后小波包系数为小波包重构后小波包系数；h
k
‑
2n
为小波包重构的低通滤波器；g
k
‑
2n...

【专利技术属性】
技术研发人员：栾孝驰，沙云东，柳贡民，徐石，赵奉同，赵宇，陈兴武，温帅方，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：