基于盲源分離技術(shù)的航空發(fā)動(dòng)機(jī)軸承故障診斷

吳金鐘，艾延廷,陳英濤，田 晶

(沈陽(yáng)航空航天大學(xué) 航空發(fā)動(dòng)機(jī)學(xué)院，遼寧 沈陽(yáng) 110136)

0 引言

在旋轉(zhuǎn)機(jī)械中，滾動(dòng)軸承起著支撐轉(zhuǎn)軸及傳遞軸向載荷的作用，對(duì)于航空發(fā)動(dòng)機(jī)來說，滾動(dòng)軸承更是其核心部件。通常滾動(dòng)軸承的工作環(huán)境惡劣，其故障對(duì)航空發(fā)動(dòng)機(jī)的安全使用危害最高，因此，許多航空發(fā)動(dòng)機(jī)領(lǐng)域的專家越來越重視滾動(dòng)軸承的故障診斷技術(shù)，該技術(shù)對(duì)提高航空發(fā)動(dòng)機(jī)的安全可靠性具有重大的科學(xué)意義和工程使用價(jià)值[1]。

現(xiàn)今已有一些具有代表性的故障診斷方法，例如，軸承振動(dòng)信號(hào)監(jiān)測(cè)、瓦吉姆噪聲信號(hào)檢測(cè)分析、基于快速傅立葉變換的功率譜分析、滑油超譜分析等，這些方法大部分已應(yīng)用到實(shí)際工程中且具有一定效果。但傳統(tǒng)的信號(hào)處理方法對(duì)于軸承上多混疊的振動(dòng)以及通過振動(dòng)信號(hào)進(jìn)行故障診斷來說還有一些不足。盲源分離技術(shù)具有在沒有任何先驗(yàn)知識(shí)以及不知道各源信號(hào)混合過程的情況下，可以僅從觀測(cè)信號(hào)中分離出各振源產(chǎn)生的振動(dòng)信號(hào)的優(yōu)勢(shì)。盲源分離方法還可以與快速傅立葉變換等方法結(jié)合運(yùn)用，為傳統(tǒng)的信號(hào)分析方法增添新的維度。在現(xiàn)有的發(fā)動(dòng)機(jī)試車臺(tái)架上無須改變傳感器位置，對(duì)測(cè)得的航空發(fā)動(dòng)機(jī)軸承振動(dòng)信號(hào)進(jìn)行盲分離處理，完成對(duì)航空發(fā)動(dòng)機(jī)軸承振動(dòng)數(shù)據(jù)采集，為航空發(fā)動(dòng)機(jī)軸承故障診斷提供了一種新的思路[2]。

本文深入研究了盲源分離中的獨(dú)立分量分析(ICA)方法，利用MATLAB軟件編制相應(yīng)的計(jì)算機(jī)程序,通過模擬試驗(yàn)臺(tái)進(jìn)行滾動(dòng)軸承振動(dòng)測(cè)試，并對(duì)振動(dòng)信號(hào)進(jìn)行盲源分離，提取出軸承各部件的故障頻率，分析軸承振動(dòng)特性，進(jìn)行故障診斷與狀態(tài)識(shí)別,并在此基礎(chǔ)上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果說明了該方法的有效性。

1 盲源分離技術(shù)的理論基礎(chǔ)與算法簡(jiǎn)介

盲源分離(Blind Source Separation，BSS)是指在不知道源信號(hào)與混合通道的參數(shù)情況下，僅根據(jù)觀測(cè)到的混合信號(hào)來恢復(fù)并提取出無法直接觀測(cè)的各原始信號(hào)的過程，是一種基于人工神經(jīng)網(wǎng)絡(luò)、信號(hào)的統(tǒng)計(jì)處理理論衍生出來的信號(hào)處理方法。這里的“盲”包含兩個(gè)概念：一是指需要得到的信號(hào)來源是未知的且無法直接采集；二是各個(gè)源信號(hào)的混疊過程未知，其混合系統(tǒng)的特征及一些先驗(yàn)信息也未知。因此，盲源分離方法的關(guān)鍵點(diǎn)在于如何尋找分離矩陣，即尋找信號(hào)混合系統(tǒng)的解混過程。盲源分離的基本思路是抽取統(tǒng)計(jì)獨(dú)立的特征作為輸入，而又不丟失信息，屬于無監(jiān)督學(xué)習(xí)[5]。

1.1 盲源分離的數(shù)學(xué)模型

盲源分離問題根據(jù)各源信號(hào)混合方式的不同大體上可分為3種類型：線性瞬時(shí)混合盲分離、線性卷積混合盲分離和非線性混合盲分離?，F(xiàn)對(duì)其混合模型分別陳述如下。

1.1.1 線性瞬時(shí)混合盲分離模型

線性瞬時(shí)混合盲源分離問題可用如下的矩陣形式表示：

x(t)=As(t)+n(t)。

(1)

式中,x(t)為N個(gè)信道通過傳感器獲得的N維觀測(cè)矢量x(t)=[x1(t),x2(t),…,xN(t)]T；s(t)為M個(gè)獨(dú)立源信號(hào)s(t)=[s1(t),s2(t),…,sM(t)]T；n(t)為N維噪聲信號(hào)n(t)=[n1(t),…,nN(t)]T。

從(1)式可知，任意一維的觀測(cè)矢量x(t)都可以表示為關(guān)于源信號(hào)s(t)與噪聲信號(hào)n(t)的線性組合；A為各源信號(hào)混疊的混合矩陣。盲源分離的關(guān)鍵問題在于如何從觀測(cè)矢量中得到獨(dú)立的源信號(hào)。即要尋求混合矩陣A的解混矩陣，分離矩陣W，通過一個(gè)線性變換y=Wx，求得y是源信號(hào)的最優(yōu)估計(jì)。

1.1.2 線性卷積混合盲分離模型

通常某一旋轉(zhuǎn)機(jī)械設(shè)備上的振動(dòng)傳感器所接收的信號(hào)是同一機(jī)械設(shè)備不同振源或不同機(jī)械部件的振動(dòng)以某種混合方式共同作用的結(jié)果。振動(dòng)的每條傳播路徑可以看作是一個(gè)線性濾波器，當(dāng)激振源經(jīng)過不同的線性濾波器后形成觀測(cè)信號(hào)，則可以表示為下面的矩陣形式：x(t)=A(t)*s(t)+n(t)。式中,x(t)、s(t)、n(t)的含義與式(1)中一致；A(t)為未知的線性濾波器矩陣，表征從振動(dòng)源到傳感器的傳播路徑。

1.1.3 非線性混合盲分離模型

在實(shí)際工程應(yīng)用中非線性混疊的情況較為普遍。采集的觀測(cè)信號(hào)通常也是經(jīng)過非線性混合的，那么線性混合的盲分離算法就不再適用，否則會(huì)得到完全錯(cuò)誤的結(jié)果。該模型主要通過對(duì)線性模型的擴(kuò)展和用自組織特征映射方法求解。其模型可以表示如下：x(t)=f(s(t))+n(t)。式中，x(t)、s(t)的含義與式(1)一致，f(·)是非線性混合函數(shù)矩陣。

1.2 基于獨(dú)立分量分析(ICA)的盲源分離方法

1.2.1 獨(dú)立分量分析的基本模型

根據(jù)上述盲源分離原理建立如圖1所示的基本原理模型。

圖1 盲源分離原理圖

未知的混合系統(tǒng)是各源信號(hào)歸納集合后的傳輸通道，也可以理解為是各未知源信號(hào)的混合過程，其中包含未知的源信號(hào)s(t)，將信號(hào)混疊的混合矩陣A，系統(tǒng)及環(huán)境的噪聲信號(hào)n(t)，通過傳感器采集到的觀測(cè)信號(hào)x(t)。在盲源分離過程中，W是指需要將觀測(cè)信號(hào)解混的分離矩陣，通過分離矩陣能夠?qū)⒃椿旌闲盘?hào)解混，得到未知源信號(hào)的最優(yōu)估計(jì)，因此，y(t)即為未知源信號(hào)的最優(yōu)估計(jì)。

根據(jù)未知源信號(hào)在混合系統(tǒng)內(nèi)的不同混合方式，可將盲源信號(hào)的處理模型分成3類。(1)線性瞬時(shí)混合模型：x=As，A是M×N維矩陣；(2)線性卷積混合模型：x=Aq×s(k)，Aq是第q個(gè)延遲上M×N維矩陣，*為線性卷積;(3)非線性混合卷積。實(shí)際環(huán)境中噪聲信號(hào)的影響是在所難免的，但是可以通過有效的手段盡可能地減少噪聲對(duì)觀測(cè)信號(hào)的干擾。因此，從盡可能簡(jiǎn)化模型的角度，基于獨(dú)立分量分析(ICA)的盲源分離模型可以將噪聲部分去掉。這也是因?yàn)橛性肼暡糠峙c線性卷積混合模型的混合方式比較復(fù)雜，ICA算法在實(shí)際應(yīng)用中會(huì)存在一定的局限性，所以本文選擇的研究對(duì)象均為線性瞬時(shí)混合無噪聲模型。

ICA進(jìn)行盲源分離的基本模型的數(shù)學(xué)表述如下：

x=A·s,

(2)

y=W·x。

(3)

式(2)中，s表示一組由n個(gè)獨(dú)立信號(hào)源組成的源信號(hào)s=[s1(t),s2(t),…,sn(t)]T，在經(jīng)過未知傳輸通道A后，通過傳感器接收到觀測(cè)信號(hào)x=[x1(t),x2(t),…,xm(t)]T，共有m個(gè)觀測(cè)信號(hào)。假設(shè)m≥n，式中s是一個(gè)由n個(gè)獨(dú)立源信號(hào)構(gòu)成的矩陣，A是一個(gè)未知的混合矩陣，與信號(hào)通道密切相關(guān)。式(3)中，x是觀測(cè)到的混合信號(hào)矩陣，W是求解出的m×n的解混矩陣，那么y則是通過ICA方法得到的源信號(hào)s的估計(jì)。因此，運(yùn)用ICA方法進(jìn)行盲源分離的關(guān)鍵就在于如何求解出解混矩陣W。

1.2.2 獨(dú)立分量分析求解的假設(shè)條件

為便于研究，本文選取無噪聲線性瞬時(shí)混合模型進(jìn)行分析。用ICA方法求解時(shí)，各源信號(hào)的混合過程是未知的，只能利用觀測(cè)信號(hào)的信息去求解源信號(hào)的最優(yōu)估計(jì)，從數(shù)學(xué)角度來說，這樣的求解過程是龐雜且無解的，需要對(duì)該模型有一定的先驗(yàn)知識(shí)。因此，運(yùn)用ICA方法求解盲源分離問題時(shí)，需滿足如下幾點(diǎn)假設(shè)條件：(1)各源信號(hào)是零均值的實(shí)隨機(jī)變量，且瞬時(shí)相互獨(dú)立；(2)混合矩陣A存在逆矩陣A-1；(3)需得到的源信號(hào)數(shù)目小于或等于觀測(cè)信號(hào)數(shù)目；(4)源信號(hào)為非高斯信號(hào)或最多允許有一個(gè)獨(dú)立源滿足高斯分布；(5)沒有噪聲或僅有一附加的低噪聲，能量很小。

其中，條件(1)是求解ICA盲源分離問題的重要假設(shè)條件，各源信號(hào)雖然都來自同一混合系統(tǒng)，但具有不同物理特性，因此需要保證所產(chǎn)生的信號(hào)是相互獨(dú)立的。這個(gè)假設(shè)具有一定的現(xiàn)實(shí)意義，在實(shí)際應(yīng)用中大多數(shù)源信號(hào)也能夠滿足這一假設(shè)。條件(4)要求最多只允許有一個(gè)獨(dú)立源滿足高斯分布，否則將會(huì)導(dǎo)致混合信號(hào)無法分離。如果源信號(hào)中只有一個(gè)滿足高斯分布，這樣的ICA盲源分離問題是可以求解的。

2 航空發(fā)動(dòng)機(jī)滾動(dòng)軸承振動(dòng)分析

用于支撐航空發(fā)動(dòng)機(jī)轉(zhuǎn)子系統(tǒng)的滾動(dòng)軸承，起著承受及傳遞載荷的作用，保證高、低速轉(zhuǎn)子良好運(yùn)轉(zhuǎn)，與一般旋轉(zhuǎn)機(jī)械所使用的滾動(dòng)軸承在結(jié)構(gòu)上相同。二者都是將運(yùn)轉(zhuǎn)的軸與軸座之間的滑動(dòng)摩擦變?yōu)闈L動(dòng)摩擦，支承發(fā)動(dòng)機(jī)的轉(zhuǎn)軸及軸上零件，并保持軸的正常支撐和旋轉(zhuǎn)狀態(tài)，從而減少摩擦損失的一種精密的機(jī)械元件。滾動(dòng)軸承摩擦阻力小，易起動(dòng)，承載能力強(qiáng)且工作效率高，便于維護(hù)。

2.1 正常軸承的振動(dòng)特征

(1)滾動(dòng)軸承在承載狀態(tài)下工作時(shí)，由于軸承本身的結(jié)構(gòu)特點(diǎn)，滾動(dòng)體與內(nèi)外環(huán)之間可能產(chǎn)生沖擊從而引起軸承的振動(dòng)，當(dāng)承載元件發(fā)生剛性變化時(shí)就會(huì)引起軸心在周向的振動(dòng)。這種振動(dòng)是由滾動(dòng)體繞轉(zhuǎn)子軸線旋轉(zhuǎn)而產(chǎn)生，因而稱為滾動(dòng)體的公轉(zhuǎn)振動(dòng)。其振動(dòng)主要頻率成分為fcZ,其中Z為滾動(dòng)體數(shù)目，fc為滾動(dòng)體公轉(zhuǎn)頻率。

2.2 故障軸承的振動(dòng)特征

滾動(dòng)軸承故障的種類是各種各樣的，大體可區(qū)分為局部損傷、磨損、膠合等有代表性的3種類型。這里重點(diǎn)討論局部損傷引起的振動(dòng)。局部損傷包括軸承表面剝落、腐蝕、裂紋等使?jié)L動(dòng)面發(fā)生局部異常的狀態(tài)。在發(fā)生局部損傷時(shí)，滾動(dòng)體與滾道之間會(huì)產(chǎn)生沖擊振動(dòng)。滾動(dòng)體依次滾過工作表面缺陷時(shí)受到反復(fù)沖擊而產(chǎn)生的低頻脈動(dòng)，稱為軸承的“通過振動(dòng)”，其振動(dòng)頻率可由轉(zhuǎn)速和零件的尺寸求得。在軸承的滾道上出現(xiàn)了一處剝落時(shí)，滾動(dòng)體滾過此剝落的頻率稱為“通過頻率”。通過頻率因剝落的位置不同而不同。假設(shè)軸承工作時(shí)滾動(dòng)體與滾道之間做純滾動(dòng)；各個(gè)滾動(dòng)體尺寸相同，且在保持架的限制下呈均勻分布；當(dāng)軸承承受軸向或徑向載荷時(shí)，各部分均不變形。滾動(dòng)軸承運(yùn)動(dòng)分析如圖2所示。

圖2 滾動(dòng)軸承運(yùn)動(dòng)分析

內(nèi)環(huán)滾道的切線速度

(4)

式中，d為滾動(dòng)體直徑，Di為內(nèi)環(huán)滾道的直徑，Dm為軸承滾道節(jié)徑，fn為軸的旋轉(zhuǎn)頻率。

單個(gè)滾動(dòng)體(或保持架)相對(duì)于外環(huán)的旋轉(zhuǎn)頻率

(5)

式中，lm為滾動(dòng)體節(jié)圓(即軸承滾道節(jié)圓)的周長(zhǎng)。

單個(gè)滾動(dòng)體(或保持架)相對(duì)于內(nèi)環(huán)的旋轉(zhuǎn)頻率

(6)

如果外環(huán)滾道有一處缺陷時(shí)，這Z個(gè)滾動(dòng)體滾過該缺陷時(shí)的通過頻率

(7)

滾動(dòng)體有缺陷時(shí),滾動(dòng)體相對(duì)于外環(huán)的滾動(dòng)頻率

(8)

3 滾動(dòng)軸承振動(dòng)試驗(yàn)

3.1 滾動(dòng)軸承測(cè)試方案

被測(cè)航空渦扇發(fā)動(dòng)機(jī)為雙涵、雙軸式，兩股氣流在渦輪后混合的、具有共同加力燃燒室和全狀態(tài)超音速可調(diào)噴管的發(fā)動(dòng)機(jī)。由于該型航空發(fā)動(dòng)機(jī)軸承振動(dòng)測(cè)試的工況參數(shù)及圖片資料涉及保密，因此在本文中不予提供和分析，下文只對(duì)模擬試驗(yàn)臺(tái)的滾動(dòng)軸承進(jìn)行振動(dòng)信號(hào)分析。

本次使用的軸承的基本型號(hào)是TMB-N204，其外徑為47 mm,內(nèi)徑為19 mm,接觸角為0°,滾動(dòng)半徑為6 mm。在使用過程中外圈固定。該軸承一般運(yùn)用在低速低載情況下。如果在實(shí)驗(yàn)過程中采用過高的軸承轉(zhuǎn)速必然使得它與真實(shí)情況造成一定的偏差。為了保證實(shí)驗(yàn)的準(zhǔn)確性，選用可調(diào)速電機(jī),電機(jī)轉(zhuǎn)速由轉(zhuǎn)速控制器控制。

本實(shí)驗(yàn)信號(hào)采集部分涉及傳感器、信號(hào)放大器、數(shù)據(jù)采集卡等硬件。實(shí)驗(yàn)采用的單通道傳感器為ICP型壓電式加速度傳感器，靈敏度為 50.312 mV·m-1·s2，根據(jù)其提供的技術(shù)參數(shù)，能滿足本實(shí)驗(yàn)的要求。信號(hào)放大器、數(shù)據(jù)采集卡、實(shí)驗(yàn)數(shù)據(jù)分析這3步采用的是LMS軟件的相關(guān)方面應(yīng)用。實(shí)驗(yàn)臺(tái)如圖3所示。

3.2 滾動(dòng)軸承振動(dòng)測(cè)試工況

本次實(shí)驗(yàn)分別選取了3種軸承，分別是：正常軸承、一道外圈劃痕故障軸承和滾動(dòng)體劃痕故障軸承，每種軸承分別模擬高低兩種轉(zhuǎn)速工況，如表1所示。

表1 軸承工況

4 測(cè)試信號(hào)分析

本文通過對(duì)不同故障類型的軸承進(jìn)行振動(dòng)測(cè)試，并對(duì)振動(dòng)測(cè)試信號(hào)進(jìn)行分析。分析對(duì)象包括正常軸承、外圈故障軸承、滾動(dòng)體故障軸承3種工況。對(duì)每種工況的原始信號(hào)先進(jìn)行快速傅立葉變換，根據(jù)其頻譜圖判斷能否檢測(cè)出故障頻率；再對(duì)原始信號(hào)進(jìn)行盲源分離分析，并根據(jù)其頻譜圖判斷檢測(cè)故障頻率，并比較分離前后的檢測(cè)效果。由于實(shí)驗(yàn)過程中轉(zhuǎn)軸的阻尼影響較大，軸承轉(zhuǎn)速很難保持穩(wěn)定。因此在每種工況下選取轉(zhuǎn)速波動(dòng)相對(duì)小的范圍近似看作穩(wěn)態(tài)來進(jìn)行分析。

4.1 正常軸承振動(dòng)信號(hào)分析

本節(jié)選取準(zhǔn)穩(wěn)態(tài)1212～1217 rpm工況進(jìn)行分析。先用LMS對(duì)原始信號(hào)進(jìn)行頻譜分析。該工況的具體參數(shù)在表1中已給出。其原始信號(hào)的時(shí)域波形和頻譜分析如圖4所示。將原始信號(hào)數(shù)據(jù)輸入MATLAB語(yǔ)言程序中進(jìn)行盲源分離分析，得到時(shí)域波形和頻譜分析如圖5所示。

從圖4和圖5可以看出，原始信號(hào)的頻率成分復(fù)雜，而盲源分離后的信號(hào)頻率成分簡(jiǎn)單清晰。兩組頻譜圖中在一倍、二倍和三倍轉(zhuǎn)頻均處有明顯峰值，可以初步判斷出試驗(yàn)存在轉(zhuǎn)子不對(duì)中的故障，但在本文中不予分析討論。

圖4 振動(dòng)信號(hào)時(shí)域圖和頻譜圖(1)

圖5 盲源分離后的時(shí)域圖和頻譜圖(1)

4.2 一道外圈劃痕故障的振動(dòng)信號(hào)分析

本節(jié)針對(duì)一道外圈劃痕故障的軸承進(jìn)行故障診斷，選取軸承在轉(zhuǎn)速451～456 rpm，952～957 rpm兩種準(zhǔn)穩(wěn)態(tài)工況下的振動(dòng)信號(hào)進(jìn)行分析。兩種工況的具體參數(shù)在表1中已給出。

4.2.1 第一種轉(zhuǎn)速工況下的故障診斷

由式(4)～(7)求得在451～456 rpm的轉(zhuǎn)速下，具有一道外圈劃痕故障的頻率段為33.82～34.20 Hz。

(1)原始信號(hào)時(shí)域波形和頻譜分析如圖6所示。經(jīng)計(jì)算，軸承外圈故障特頻率為34.24 Hz。從上面頻譜圖中可以看出信號(hào)頻率成分復(fù)雜，但能夠找出在故障頻率處的峰值，因此可以診斷出軸承存在滾動(dòng)體故障。

圖6 振動(dòng)信號(hào)時(shí)域圖和頻譜圖(2)

(2)對(duì)上述信號(hào)進(jìn)行盲源分離分析得出時(shí)域波形和頻譜分析如圖7所示。通過盲源分離分析，發(fā)現(xiàn)圖7中明顯存在外圈故障特征頻率34.2 Hz，與理論故障頻率一致，且峰值比較突出，因此可以比較容易診斷出軸承存在外圈故障，且其頻譜圖中信號(hào)頻率成分簡(jiǎn)單清晰。

4.2.2 第二種轉(zhuǎn)速工況下的故障診斷

由式(4)～(7)求得在952～957 rpm的轉(zhuǎn)速下，具有一道外圈劃痕故障的頻率段為71.40～71.78 Hz。

(1)原始信號(hào)時(shí)域波形和頻譜分析如圖8所示。經(jīng)計(jì)算，軸承外圈故障特頻率為71.64 Hz。從上面頻譜圖中可以看出信號(hào)頻率成分復(fù)雜，且在故障頻率處峰值不明顯，因此無法診斷出軸承存在外圈故障。

圖7 盲源分離后的時(shí)域圖和頻譜圖(2)

圖8 振動(dòng)信號(hào)時(shí)域圖和頻譜圖(3)

(2)對(duì)上述信號(hào)進(jìn)行盲源分離分析得出時(shí)域波形和頻譜分析如圖9所示。通過盲源分離分析，發(fā)現(xiàn)圖9中明顯存在外圈故障特征頻率71.6 Hz，與理論故障頻率一致，且峰值比較突出。因此可以比較容易診斷出軸承存在外圈故障，且其頻譜圖中信號(hào)頻率成分簡(jiǎn)單清晰。

圖9 盲源分離后的時(shí)域圖和頻譜圖(3)

4.3 滾動(dòng)體劃痕故障的振動(dòng)信號(hào)分析

本節(jié)針對(duì)具有滾動(dòng)體劃痕故障的軸承進(jìn)行故障診斷分析，選取軸承在245～249 rpm、626～630 rpm兩種準(zhǔn)穩(wěn)態(tài)工況下的振動(dòng)信號(hào)進(jìn)行分析。兩種工況的具體參數(shù)在表1中已給出。

4.3.1 第一種轉(zhuǎn)速工況下的故障診斷

由式(4)～(8)得在245～249 rpm的轉(zhuǎn)速下，具有一道外圈劃痕故障的頻率段為10.86～11.04 Hz。

(1)原始信號(hào)時(shí)域波形和頻譜分析如圖10所示。經(jīng)計(jì)算，軸承滾動(dòng)體故障特頻率為11.19 Hz。從上面頻譜圖中可以看出信號(hào)頻率成分復(fù)雜，但能夠找出在故障頻率處的峰值，因此可以診斷出軸承存在滾動(dòng)體故障。

圖10 振動(dòng)信號(hào)時(shí)域圖和頻譜圖(4)

(2)對(duì)上述信號(hào)進(jìn)行盲源分離分析得出時(shí)域波形和頻譜分析如圖11所示。通過盲源分離分析，發(fā)現(xiàn)圖11中明顯存在滾動(dòng)體故障特征頻率11.2 Hz，與理論故障頻率一致，且峰值比較突出。因此可以比較容易診斷出軸承存在滾動(dòng)體故障，且其頻譜圖中信號(hào)頻率成分簡(jiǎn)單清晰。

圖11 盲源分離后的時(shí)域圖和頻譜圖(4)

4.3.2 第二種轉(zhuǎn)速工況下的故障診斷

由式(4)～(7)求得在626～630 rpm的轉(zhuǎn)速下，具有一道外圈劃痕故障的頻率段為27.75～27.93 Hz。

(1)原始信號(hào)時(shí)域波形和頻譜分析如圖12所示。經(jīng)計(jì)算，軸承滾動(dòng)體故障特頻率為27.85 Hz。從上面頻譜圖中可以看出信號(hào)頻率成分復(fù)雜，但能夠找出在故障頻率處的峰值，因此可以診斷出軸承存在滾動(dòng)體故障。

圖12 振動(dòng)信號(hào)時(shí)域圖和頻譜圖(5)

(2)對(duì)上述信號(hào)進(jìn)行盲源分離分析得出時(shí)域波形和頻譜分析如圖13所示。通過盲源分離分析，發(fā)現(xiàn)圖13中明顯存在滾動(dòng)體故障特征頻率27.9Hz，與理論故障頻率一致，且峰值比較突出。因此可以比較容易診斷出軸承存在滾動(dòng)體故障，且其頻譜圖中信號(hào)頻率成分簡(jiǎn)單清晰。

圖13 盲源分離后的時(shí)域圖和頻譜圖(5)

5 結(jié)論

本文首先從理論上分析了滾動(dòng)軸承典型故障的產(chǎn)生機(jī)理，并建立了不同故障狀態(tài)下的模型，通過對(duì)模擬試驗(yàn)臺(tái)架的滾動(dòng)軸承在正常和故障狀態(tài)下振動(dòng)信號(hào)進(jìn)行頻譜和盲源分離分析，得出以下結(jié)論。

(1)對(duì)軸承外圈故障，在相對(duì)低轉(zhuǎn)速下，在振動(dòng)信號(hào)的頻譜圖中可以找出故障特征頻率處的峰值，但在低、高轉(zhuǎn)速下無法找出，無法對(duì)軸承外圈故障進(jìn)行判別。經(jīng)盲源分離處理后，在兩種轉(zhuǎn)速下都能夠較容易地找出故障特征頻率處的峰值，可以診斷出軸承外圈故障。因此，在軸承外圈故障診斷中，盲源分離方法更有效。

(2)對(duì)軸承滾動(dòng)體故障，在低、高轉(zhuǎn)速下，振動(dòng)信號(hào)的頻譜圖和經(jīng)盲源分離處理后的頻譜圖中均可以找出故障特征頻率處的峰值。在中速下，振動(dòng)信號(hào)的頻譜圖中無法找出故障特征頻率處的峰值，而經(jīng)盲源分離處理后的頻譜圖中可以明顯地找出故障特征頻處的率峰值，可以診斷出軸承滾動(dòng)體故障。因此，在軸承滾動(dòng)體故障診斷中盲源分離方法具有一定效果。