基于Moors譜峭度圖的高速列車軸承故障診斷方法

彭 暢，王 旭，張志波，薛 源

PENG Chang, WANG Xu, ZHANG Zhi-bo, XUE Yuan

（南車青島四方機(jī)車車輛股份有限公司 技術(shù)中心，青島 266111）

0 引言

近年來高鐵推動(dòng)了我國鐵路沿線區(qū)域經(jīng)濟(jì)及文化的發(fā)展，而如何確保高速列車在高速狀態(tài)下的安全、可靠運(yùn)行具有至關(guān)重要的意義。軸承作為列車轉(zhuǎn)向架系統(tǒng)的關(guān)鍵零部件之一，針對其早期故障監(jiān)測與診斷的研究對于及時(shí)進(jìn)行故障報(bào)警并避免重大安全事故發(fā)生十分必要[1]。

然而，由于高速列車運(yùn)行環(huán)境復(fù)雜多變，軸承信號(hào)易受背景噪聲及其他零部件的干擾，傳統(tǒng)頻譜分析方法不能有效地提取軸承故障特征。尚萬峰等[2]提出了基于三階累積量最小二乘及最小均方誤差自適應(yīng)算法的列車軸承故障診斷方法，有效地降低了強(qiáng)背景噪聲干擾并提高了故障特征信號(hào)分離準(zhǔn)確率。劉方等[3]研究了基于時(shí)域多普勒較正和EEMD的列車軸承聲信號(hào)故障診斷，有效地提取了軸承內(nèi)外圈局部故障特征。王靖等[4]研究了基于數(shù)據(jù)插值重采樣技術(shù)的診斷方法，利用整周期采樣技術(shù)、等角度重采樣技術(shù)以及特征譜提取技術(shù)等聯(lián)合分析方法準(zhǔn)確識(shí)別了列車軸承頻帶變化類非線性故障振動(dòng)信號(hào)。

譜峭度圖算法由于能夠衡量軸承振動(dòng)信號(hào)中的瞬態(tài)沖擊程度，從而識(shí)別故障特征最為明顯的成份所在的頻帶并為后續(xù)解調(diào)分析提供依據(jù)，得到了廣泛關(guān)注與迅速發(fā)展。Antoni和Randall[5]提出了基于短時(shí)傅里葉變換的譜峭度圖及其快速算法，成功過濾出故障瞬態(tài)信號(hào)成分。Lei等[6]提出了改進(jìn)的基于小波包變換的譜峭度算法，從而提高了軸承微弱故障特征提取的準(zhǔn)確性。在以上分析的基礎(chǔ)上，本文針對列車軸承故障診斷中的強(qiáng)噪聲干擾問題，提出了一種基于Moors譜峭度圖算法的診斷方法，不僅消除了背景噪聲對軸承故障信號(hào)的影響而且改善了四階矩譜峭度圖算法中存在的不穩(wěn)定性問題，從而有效并準(zhǔn)確地提取出了列車軸承故障特征。

1 譜峭度

當(dāng)列車軸箱軸承內(nèi)部出現(xiàn)局部故障時(shí)，其振動(dòng)信號(hào)往往呈現(xiàn)周期性的瞬態(tài)沖擊特性，而峭度作為一個(gè)無量綱統(tǒng)計(jì)量則能夠衡量振動(dòng)信號(hào)的沖擊程度。離散型時(shí)域信號(hào)s(n)的峭度值可以計(jì)算為：

其中μ和σ分別為信號(hào)s(n)的均值及方差，K值越大則表示信號(hào)沖擊特性越明顯。

為了在頻域內(nèi)識(shí)別信號(hào)s(n)中瞬態(tài)沖擊較明顯的成份所處的頻帶位置，Antoni和Randall[5]定義了譜峭度的概念。離散型非平穩(wěn)信號(hào)s(n)的Wold-Cramér分解式為：

其中S(n,f)是s(n)在頻率f處的復(fù)包絡(luò)譜值。則基于四階矩累積量的譜峭度為：

其中μsk和σsk分別為信號(hào)的均值及方差，由于包絡(luò)信號(hào)是復(fù)值，修正常數(shù)設(shè)定為-2。

2 Moors譜峭度圖

然而式(1)所示的四階矩峭度系數(shù)及式(3)所示的四階矩譜峭度系數(shù)容易受到信號(hào)中奇異值的影響而導(dǎo)致其反映的信號(hào)瞬態(tài)沖擊程度產(chǎn)生偏差。為了克服傳統(tǒng)譜峭度系數(shù)所存在的非魯棒性問題，本文定義了能夠完全消除奇異值影響的Moors譜峭度系數(shù)：

其中Ei表示累積分布函數(shù)F的第i八分位數(shù)：

為了確定信號(hào)s(n)在 平面內(nèi)的譜峭度值分布規(guī)律，將原始信號(hào)進(jìn)行短時(shí)傅里葉變換，然后計(jì)算在短時(shí)傅里葉變換濾波器組濾波后子信號(hào)的Moors譜峭度值分布。在 平面內(nèi)的Moors譜峭度圖上最大譜峭值對應(yīng)的中心頻率fc及及帶寬Δfc即為后續(xù)包絡(luò)解調(diào)分析所需要的解調(diào)頻帶信息。

在上述理論分析的基礎(chǔ)上，針對高速列車軸承振動(dòng)信號(hào)易受復(fù)雜工況下背景噪聲及其他部件振源的影響導(dǎo)致傳統(tǒng)頻譜分析方法失效的問題，提出了基于Moors譜峭度圖的高速列車軸承故障診斷方法，其具體流程如圖1所示。

1）計(jì)算原始信號(hào)s(n)的短時(shí)傅里葉變換；

2）計(jì)算短時(shí)傅里葉變換后各子信號(hào)的Moors譜峭度值；

3）在 平面內(nèi)鋪砌信號(hào)s(n)的Moors譜峭度圖，確定最大譜峭度值分量所在的中心頻率及帶寬；

4）以步驟3）中所確定的頻帶信息為依據(jù)，對信號(hào)進(jìn)行包絡(luò)解調(diào)分析；

5）對比列車軸承故障計(jì)算特征頻率，診斷該軸承信號(hào)中是否存在故障特征頻率信息。

圖1 基于Moors譜峭度圖的高速列車軸承故障診斷方法

3 高速列車軸承試驗(yàn)平臺(tái)

如圖2所示為本文所采用的高速列車軸承試驗(yàn)平臺(tái)，其中輪對一側(cè)安裝故障軸承，另外一側(cè)安裝正常軸承，型號(hào)為SNy563的壓電式加速度傳感器安裝在輪對軸箱外側(cè)。該試驗(yàn)平臺(tái)能夠根據(jù)不同的軸承故障及工況設(shè)定從30km/h～200km/h之間的5個(gè)不同速度等級(jí)，如表1所示。此外根據(jù)軸承具體參數(shù)所計(jì)算的故障特征頻率系數(shù)如表2所示。

圖2 高速列車軸承試驗(yàn)平臺(tái)

表1 高速列車軸承試驗(yàn)平臺(tái)速度等級(jí)

表2 高速列車軸承故障計(jì)算特征頻率

4 高速列車軸承振動(dòng)信號(hào)分析

為了驗(yàn)證本文所提出的基于Moors譜峭度圖的高速列車軸承故障診斷方法的有效性及優(yōu)越性，對在上一節(jié)介紹的輪對軸承試驗(yàn)平臺(tái)上采集的軸承振動(dòng)信號(hào)進(jìn)行分析。

當(dāng)輪對轉(zhuǎn)速為100km/h時(shí)，即對應(yīng)的轉(zhuǎn)頻為fi=10.29Hz時(shí)，時(shí)間長度為10s的正常軸承時(shí)域振動(dòng)信號(hào)及其頻譜與包絡(luò)譜如圖3所示。從傳統(tǒng)頻譜圖中看不到任何有用信息，而傳統(tǒng)的包絡(luò)譜中則可以看到轉(zhuǎn)頻的倍頻成份，說明該軸承屬于正常狀態(tài)。對原始信號(hào)s(n)進(jìn)行短時(shí)傅里葉變換，并分析其四階矩譜峭度圖，如圖4所示。譜峭度值最大（黑色虛線框所示）的子信號(hào)對應(yīng)中心頻帶為625Hz，分解層數(shù)為5.5。以該參數(shù)為包絡(luò)解調(diào)依據(jù)，經(jīng)帶通濾波后的信號(hào)及包絡(luò)譜如圖5所示。對比原始信號(hào)與濾波后信號(hào)的時(shí)域特征，由于軸承屬于正常狀態(tài)，因此不存在瞬態(tài)沖擊特征，此外濾波后信號(hào)的包絡(luò)解調(diào)譜中只有轉(zhuǎn)頻及其倍頻成份。

圖3 正常軸承原始信號(hào)及頻譜

圖4 正常軸承原始信號(hào)基于短時(shí)傅里葉變換的四階矩譜峭度圖

圖5 傳統(tǒng)譜峭度圖濾波后信號(hào)及其包絡(luò)譜

圖6 外圈故障軸承時(shí)域信號(hào)及頻譜

同樣當(dāng)輪對轉(zhuǎn)速為100km/h時(shí)，時(shí)間長度為10s的外圈故障軸承（根據(jù)表2計(jì)算的軸承外圈故障特征頻率foc=83.35Hz）時(shí)域振動(dòng)信號(hào)s1(n)及其頻譜如圖6所示，由于受強(qiáng)背景噪聲及高頻調(diào)制現(xiàn)象的影響，故障信號(hào)的頻譜不能識(shí)別任何故障特征信息，而故障信號(hào)的包絡(luò)譜中雖然可以看到外圈故障特征頻率成份及其倍頻，但受到其他頻率成份干擾，此外高頻帶上存在沖擊特征，需要進(jìn)一步調(diào)整解調(diào)頻帶參數(shù)，增加了診斷難度。對信號(hào)s1(n)進(jìn)行短時(shí)傅里葉變換，并分析其四階矩譜峭度圖，如圖7所示。譜峭度值最大（黑色虛線框所示）的子信號(hào)對應(yīng)中心頻帶為2187.5Hz，分解層數(shù)為5，隨后進(jìn)行包絡(luò)解調(diào)分析，結(jié)果如圖8所示。從圖8中可以看到濾波后的信號(hào)中瞬態(tài)沖擊成份得到明顯增強(qiáng)，且在其包絡(luò)譜中發(fā)現(xiàn)外圈故障頻率foc及其倍頻，但是受到其他頻率成份干擾，不利于診斷。

圖7 外圈故障軸承信號(hào)基于短時(shí)傅里葉變換的四階矩譜峭度圖

圖8 傳統(tǒng)譜峭度圖濾波后故障信號(hào)及其包絡(luò)譜

計(jì)算信號(hào)s1(n)經(jīng)短時(shí)傅里葉變換后的Moors譜峭度圖，如圖9所示。相對于圖7所示的傳統(tǒng)四階矩譜峭度圖，圖中顯示的同樣第5分解層上的最大譜峭度值對應(yīng)解調(diào)頻帶中心處在高頻帶上（4375Hz），與軸承故障存在的高頻調(diào)制現(xiàn)象一致。圖10為濾波后信號(hào)及其包絡(luò)譜，可以清楚發(fā)現(xiàn)濾波后信號(hào)中的故障瞬態(tài)沖擊特征相對于原始信號(hào)同樣得到顯著增強(qiáng)，此外濾波信號(hào)包絡(luò)譜中存在明顯外圈故障特征頻率及其倍頻成份，而且不存在其他干擾頻率影響，可以明確診斷出該軸承存在外圈故障。

圖9 外圈故障軸承信號(hào)基于短時(shí)傅里葉變換的Moors譜峭度圖

圖10 Moors譜峭度圖濾波后故障信號(hào)及其包絡(luò)譜

5 結(jié)論

由于高速列車軸承振動(dòng)信號(hào)中存在強(qiáng)噪聲干擾問題及調(diào)制現(xiàn)象，傳統(tǒng)的頻譜分析無法有效識(shí)別故障特征頻率，而傳統(tǒng)的包絡(luò)解調(diào)譜中雖然能夠識(shí)別故障特征頻率，但是仍然受其他頻率信息干擾，此外解調(diào)頻帶參數(shù)需要人為選擇，不具有自適應(yīng)特性，影響診斷效果。而基于四階矩譜峭度圖算法的故障診斷方法雖然能一定程度上識(shí)別故障頻率，但結(jié)果不具有魯棒性。本文提出了一種基于Moors譜峭度圖的高速列車軸承故障診斷方法，不僅消除了背景噪聲對軸承故障信號(hào)的影響而且改善了傳統(tǒng)譜峭度圖算法中存在的不穩(wěn)定性問題，試驗(yàn)結(jié)果分析很好地驗(yàn)證了該方法的有效性及優(yōu)越性，說明其具有良好的工程應(yīng)用價(jià)值。

[1]張翱.列車軸承故障道旁聲學(xué)診斷關(guān)鍵技術(shù)研究[D].中國科學(xué)技術(shù)大學(xué),2014.

[2]尚萬峰,趙升噸,韓捷.基于高階累積量自適應(yīng)算法的列車軸承的故障診斷[J].振動(dòng)工程學(xué)報(bào),2006,19(2)：234-237.

[3]劉方,沈長青,何清波,胡飛,張翱,孔凡讓.基于時(shí)域多普勒校正和EEMD的列車軸承道旁聲音監(jiān)測故障診斷方法研究[J].振動(dòng)與沖擊,2013,32(24)：104-109.

[4]王靖,陳特放,黃采倫,周華.列車軸承頻帶變化類故障的診斷方法[J].北京工業(yè)大學(xué)學(xué)報(bào).2012,38(5)：678-682.

[5]J.Antoni and R.B.Randall, The spectral kurtosis：application to vibratory surveillance and diagnostics of rotating machines[J].Mechanical system and signal processing,20(2006)308-331.

[5]Y.G.Lei, J.Lin, Z.J.He, et al., Application of an improved kurtogram method for fault diagnosis of rolling element bearings[J].Mechanical system and signal processing,25 (2011)1738-1749.