基于異常特征頻率匹配的軸承故障診斷方法研究

摘要：隨著社會的不斷發(fā)展，各行各業(yè)也得到了不斷發(fā)展，機械行業(yè)也得到長足發(fā)展，但是由于機械設(shè)備運行中存在很多故障問題，因此針對這些問題研究了一種基于異常特征頻率匹配的軸承故障診斷方法。首先，獲取振動信號并進行預(yù)處理，通過小波變換進行去噪濾波，提取頻率成分。利用快速傅里葉變換將時域信號轉(zhuǎn)換為頻域信號，并繪制頻譜圖。其次，應(yīng)用希爾伯特變換進行包絡(luò)分析，提升信號的信噪比，獲得包絡(luò)譜。進而，從包絡(luò)譜中提取軸承故障的特征頻率，并與理論計算頻率進行對比，判斷故障類型及其嚴重程度。通過西儲大學(xué)軸承故障數(shù)據(jù)集驗證了所提方法在故障檢測中的有效性和可靠性。

關(guān)鍵詞：軸承故障診斷小波變換快速傅里葉變換希爾伯特變換

中圖分類號：TH133

ResearchonBearingFaultDiagnosisMethodBasedonAbnormalFeatureFrequencyMatching

WUJianchao

GuangzhouGoalandEnergyConservationTech.Co.，Ltd.，Guangzhou，GuangdongProvince，510705China

Abstract：Withthecontinuousdevelopmentofsociety，allwalksoflife"havealsobeenhavealsobeencontinuouslydeveloped，themachineryindustryhasalsobeengreatlydeveloped.However，duetothemanyfaultproblemsintheoperationofmechanicalequipment，abearingfaultdiagnosismethodbasedonabnormalfeaturefrequencymatchinghasbeenstudiedtoaddresstheseissues.Firstly，thevibrationsignalisobtainedandpreprocessed.Denoisingfilteringisperformedthroughwavelettransformtoextractfrequencycomponents.FastFourierTransformisusedtoconverttime-domainsignalsintofrequency-domainsignalsanddrawfrequencyspectra.Secondly，HilbertTransformisappliedforenvelopeanalysistoimprovethesignal-to-noiseratioofthesignalandobtaintheenvelopespectrum.Furthermore，thecharacteristicfrequenciesofbearingfaultsareextractedfromtheenvelopespectrumandcomparedwiththetheoreticallycalculatedfrequenciestodeterminethetypeandseverityofthefaults.TheeffectivenessandreliabilityoftheproposedmethodinfaultdetectionwereverifiedthroughthebearingfaultdatasetofWesternReserveUniversity.

KeyWords：Bearingfaultdiagnosis;Wavelettransform;FastFourierTransform;HilbertTransform

滾珠軸承在旋轉(zhuǎn)機械中扮演著至關(guān)重要的角色，其故障直接影響到機械設(shè)備的運行穩(wěn)定性和安全性[1-3]。在諸如大型電站、化工企業(yè)、艦艇及飛機等對可靠性要求極高的系統(tǒng)中，軸承的可靠性尤為重要，防止其突發(fā)性損壞成為了確保系統(tǒng)安全的關(guān)鍵。因此，對軸承的運行狀態(tài)進行實時監(jiān)測和早期預(yù)警是必不可少的。

軸承故障常常表現(xiàn)為典型的缺陷，如表面剝落或裂紋，這些缺陷會導(dǎo)致周期性激勵信號的產(chǎn)生。由于這些激勵信號的周期性與故障部位密切相關(guān)，對振動信號的分析能夠揭示這些故障信號的存在及其頻率，從而幫助診斷故障的具體位置。為了有效地從復(fù)雜的振動信號中提取和分析這些故障特征，包絡(luò)分析技術(shù)被廣泛應(yīng)用[4]。包絡(luò)分析技術(shù)可以通過多種方法實現(xiàn)，其中小波變換、快速傅里葉變換和希爾伯特變換是關(guān)鍵的技術(shù)手段[5-7]。小波變換適合處理非平穩(wěn)信號，通過多尺度分析可以有效地分解信號的時間-頻率特性，提取故障信息?？焖俑道锶~變換則用于將時域信號轉(zhuǎn)換為頻域，通過頻譜分析可以識別周期性激勵信號的頻率成分，為故障檢測提供重要依據(jù)。希爾伯特變換在包絡(luò)分析中扮演著重要角色，它能夠提取信號的瞬時振幅和瞬時頻率，將高頻沖擊成分從振動信號中解調(diào)出來，生成包絡(luò)譜，從而顯著提高信號的信噪比。

結(jié)合這些先進的信號處理技術(shù)，軟件網(wǎng)絡(luò)分析方法能夠?qū)崿F(xiàn)高精度的故障檢測。這些方法的應(yīng)用不僅提高了對軸承故障的診斷能力，也為設(shè)備的預(yù)防性維護和故障預(yù)測提供了強有力的支持，因此，本文研究基于異常特征頻率匹配的軸承故障診斷方法。

1軸承故障診斷方法設(shè)計

基于異常特征頻率匹配的軸承故障診斷過程具體敘述如下。

首先，需要獲取設(shè)備的振動信號數(shù)據(jù)。這些數(shù)據(jù)可以通過加速度傳感器等裝置獲得。其次，對數(shù)據(jù)進行預(yù)處理，確保數(shù)據(jù)的準確性和完整性。通過快速傅里葉變換算法將時域信號轉(zhuǎn)換為頻域信號，將振動信號轉(zhuǎn)化為頻譜圖。包絡(luò)譜表示了振動信號的幅值與頻率之間的關(guān)系。為了進行軸承故障診斷，需要從包絡(luò)譜中提取出故障特征頻率。這些特征頻率通常與軸承的故障類型和嚴重程度有關(guān)。進而使用峰值檢測算法來尋找包絡(luò)譜中的主要頻率峰值。這些峰值對應(yīng)著故障特征頻率，可以用于診斷軸承的故障類型。最后，根據(jù)故障特征頻率的分析結(jié)果判斷軸承是否存在故障，并確定其嚴重程度。

為實現(xiàn)傅里葉變換求頻譜，首先，通過快速傅里葉變換將時域信號轉(zhuǎn)換為頻域信號。離散傅里葉變換用于計算機實現(xiàn)對信息的處理，由于計算機只能處理有限長度的離散數(shù)據(jù)，而周期序列的離散傅里葉級數(shù)滿足這些特征：對計算機輸入信號的間隔周期采樣得到的個數(shù)據(jù)點，通過計算可以得到虛指數(shù)項表示的個諧波分量：

式（1）中：為虛數(shù)符號；為諧波分量；為采樣數(shù)據(jù)；為指數(shù)；為采樣時刻；周期序列的離散傅里葉變換可由下式計算得到頻域信號：

然后，繪制頻譜圖。設(shè)原始信號為，其希爾伯特變換定義為：

以為實部，為虛部，構(gòu)造解析信號：

式（4）中，，即為原信號的包絡(luò)，為反正切函數(shù)。

通過希爾伯特變換對求包絡(luò)線；利用傅里葉變換求包絡(luò)譜，繪制包絡(luò)譜。進而，根據(jù)特征頻率與軸承的故障類型對應(yīng)關(guān)系。軸承中所產(chǎn)生的振動是隨機的，含有滾動體的傳輸振動，其主要頻率成分為滾動軸承的特征頻率。特征頻率可根據(jù)軸承結(jié)構(gòu)參數(shù)計算如下：

內(nèi)圈旋轉(zhuǎn)頻率：，其中，為軸的轉(zhuǎn)速，單位：。

軸承內(nèi)圈是常見故障問題，對于內(nèi)圈故障，存在內(nèi)圈特征頻率，即內(nèi)圈上的某一損傷點與滾動體接觸過程中產(chǎn)生的振動頻率：

式（5）中：是軸承旋轉(zhuǎn)頻率，單位為；為滾動體直徑，單位為；為軸承直徑，單位為；為滾動體數(shù)量；為接觸角。

此外，軸承外圈也是常見故障問題之一，對于外圈故障，存在外圈特征頻率，即外圈上的某一損傷點與滾動體接觸過程中產(chǎn)生的振動頻率：

根據(jù)以上滾珠軸承可能出現(xiàn)內(nèi)圈和外圈的故障頻率。具體診斷步驟如下。

步驟1：此時根據(jù)專家經(jīng)驗或經(jīng)驗公式尋找/計算對應(yīng)的特征頻率。

步驟2：采用峰值檢測算法來尋找各種故障在包絡(luò)譜中的主要頻率峰值，將峰值作為理論故障特征頻率。

步驟3：將實際故障頻率和理論故障頻率做比較，在允許范圍誤差內(nèi)，當(dāng)實際故障峰值和理論故障峰值接近時則可判斷出對應(yīng)的故障類型。

2測試驗證

基于西儲大學(xué)軸承故障數(shù)據(jù)集進行驗證，選擇采樣頻率為12000、轉(zhuǎn)速為1721、驅(qū)動端測點且軸徑為0.007的軸承內(nèi)圈故障數(shù)據(jù)集，進行包絡(luò)譜倍頻分析。相關(guān)參數(shù)分別為，。根據(jù)參數(shù)，可以計算得到。根據(jù)專家經(jīng)驗，從圖1可以發(fā)現(xiàn)，包絡(luò)譜中在1、2、3倍頻位置相比正常的峰值有大幅增加，1、2、3倍頻之間的峰值依次遞減。

對于外圈故障分析驗證，選擇采樣頻率為12000Hz、轉(zhuǎn)速為1725r/min、驅(qū)動端測點且軸徑為0.007的軸承外圈故障數(shù)據(jù)集，進行包絡(luò)譜倍頻分析。相關(guān)參數(shù)分別為，。外圈上的某一損傷點與滾動體接觸過程中產(chǎn)生的振動頻率：。根據(jù)專家經(jīng)驗，從圖2可以發(fā)現(xiàn)，包絡(luò)譜中1、2、3倍頻處相比正常的峰值有大幅度增加，1、2、3倍頻之間的峰值依次遞減。

3結(jié)語

本文探討了基于小波變換和希爾伯特變換的軸承故障診斷技術(shù)，通過小波變換對非平穩(wěn)振動信號進行多尺度分析，有效捕捉故障特征；希爾伯特變換則在包絡(luò)分析中提取高頻沖擊成分，提升信號的信噪比。通過在西儲大學(xué)軸承故障數(shù)據(jù)上進行了驗證分析。

參考文獻

[1]趙一楠，剡昌鋒，孟佳東，等.自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化短時傅里葉變換的變轉(zhuǎn)速滾動軸承故障診斷[J].振動工程學(xué)報，2024，37（6）：1064-1076.

[2]張斌，孟倩.基于小波包和Hilbert包絡(luò)譜的滾動軸承故障診斷[J].機械管理開發(fā)，2024，39（3）：1-3.

[3]李菲.基于陷波去噪和經(jīng)驗小波變換的滾動軸承故障診斷研究[D].北京：北京石油化工學(xué)院，2020.

[4]王金喜.基于振動信號分析的滾動軸承故障診斷方法研究[D].濟南：山東大學(xué)，2023.

[5]欒孝馳，李彥徵，徐石，等.基于小波包變換與CEEMDAN的滾動軸承故障診斷方法[J].航空動力學(xué)報，2024，39（5）：159-173.

[6]曹仕駿，鄭近德，潘海洋，等.基于改進自適應(yīng)經(jīng)驗傅里葉分解的滾動軸承故障診斷方法[J].振動與沖擊，2022，41（15）：287-299.

[7]唐貴基，蔡偉.應(yīng)用小波包和包絡(luò)分析的滾動軸承故障診斷[J].振動、測試與診斷，2009，29（2）：201-204，244.