基于小波變換診斷軸承外圈故障

李海穎

（邢臺學院，河北邢臺　054000）

?

基于小波變換診斷軸承外圈故障

李海穎

（邢臺學院，河北邢臺054000）

摘要：針對設(shè)備的關(guān)鍵部件軸承易發(fā)生故障的特點，利用軸承試驗臺采集外圈點蝕的故障信號，使用小波分析法對故障信號進行早期診斷，通過實驗及診斷過程證明小波與Hilbert包絡(luò)譜結(jié)合進行故障信號分析的方法對于軸承故障具有明顯的效果，有助于更好的進行故障診斷工作。

關(guān)鍵詞：故障診斷；軸承外圈；小波變換；希爾伯特

1　前言

軸承是一套設(shè)備中最為關(guān)鍵的部件之一，軸承運行狀況直接影響整體設(shè)備的性能，同時軸承也是整套設(shè)備中最易損壞的部件［1］。由于軸承運行不當發(fā)生故障將導致整體設(shè)備的癱瘓，因此開展軸承故障的診斷有重大的意義。

故障診斷過程包括故障信息的獲取、故障特征信息的提取和狀態(tài)識別三個部分，其中故障特征提取和狀態(tài)識別是兩個關(guān)鍵環(huán)節(jié)［2］。部件本身或與制造質(zhì)量有關(guān)，甚至軸承裝配以及工作狀態(tài)都會引起滾動軸承的振動。對引發(fā)軸承振動原因和現(xiàn)有的不同的檢測方法進行分析研究，從振動信號中找出激勵特點，獲取振源的可靠信息，用這種檢測方法對滾動軸承的故障進行診斷。

2　小波變換及希爾伯特譜分析

小波變換進行分析方法的實質(zhì)即：用一種窗口大小固定但時頻窗可以改變的時頻局部化分析方法。也就是說在低頻部分采用較高的頻率分辨率和較低的時間分辨率，而在高頻部分采用的是較高的時間分辨率和較低的頻率分辨率。由此可以看出利用小波分析診斷旋轉(zhuǎn)機械的故障具有重大的理論價值和現(xiàn)實意義。

希爾伯特變換是一個可用于獲得函數(shù)的分析表示的線性算子［3］。它在信號處理領(lǐng)域有顯著的作用，可直觀查看振動的瞬時屬性，如頻率、相位和振幅，使復雜的系統(tǒng)可以進行時域分析；通過傳遞函數(shù)，希爾伯特變換可以從系統(tǒng)的虛數(shù)部分找到系統(tǒng)的實數(shù)部分，反之亦然，它允許在頻域中對系統(tǒng)進行分析，也可以用作分析更復雜系統(tǒng)的中間步驟，除了頻率響應(yīng)函數(shù)的分析，它對滯后阻尼表征和非線性系統(tǒng)的鑒別有重要作用［4］。

信號為x（t）的希爾伯特變換y（t）如式（2.1）所示。

希爾伯特變換相當于一個的濾波器，其頻譜成分的振幅保持不變，但它們的相位是有一個的移位，其單位脈沖響應(yīng)為其反變換如式（2.2）所示。

3　軸承故障分析

本實驗系統(tǒng)主要由軸承實驗臺、數(shù)據(jù)采集儀以及筆記本電腦三部分組成。先將有故障（外圈點蝕故障）軸承安裝在軸承實驗臺上，由數(shù)據(jù)采集儀完成信號數(shù)據(jù)采集，并上傳到電腦中，進行數(shù)據(jù)處理分析。

軸承試驗臺（如圖1所示）的具體參數(shù)見表1。

圖1　軸承試驗臺

表1　軸承試驗臺參數(shù)表

在軸承試驗臺上采集外圈點蝕的故障信號，對其進行時域、頻域以及小波變換的相關(guān)分析，通過對振動信號的分析實現(xiàn)軸承外圈點蝕的故障診斷，并研究軸承外圈故障對振動信號的影響。

本實驗采樣頻率為6000×2.56=15360Hz，采樣點數(shù)為4096。

通過對采集到的外圈故障信號時域波形圖（見圖2）的觀察，很難發(fā)現(xiàn)是否存在外圈故障。而對于故障信號的頻域波形圖（見圖3），雖存在一些較為明顯的沖擊，看到一些倍頻成分，但仍然不能做出準確的判斷，需進一步分析，因此需要用小波做進行一步的分析。

圖2　信號的時域圖

圖3　信號的頻域圖

通過多次試驗比較，以上結(jié)果圖形選用db20正交小波進行了6層小波分解（如圖4所示），為了進一步清晰識別故障信息，根據(jù)各個圖形的特征，選取第二層信號d2進行Hilbert（希爾伯特）解調(diào)并作包絡(luò)譜分析，如圖5所示。

圖4　db20正交小波6層分解圖

圖5　Hilbert解調(diào)圖

經(jīng)過小波分析后的包絡(luò)功率譜如圖5所示，從中可以看到比較明顯的倍頻關(guān)系存在，基頻是76.9Hz左右，以及二倍頻，三倍頻，四倍頻等倍頻成分。我們發(fā)現(xiàn)了頻率為76.9Hz左右的特征譜線，這和外圈特征頻率76.7282Hz很相近，它的倍頻成分也較清楚，故可以基本認定故障是發(fā)生在外圈上的。

由以上分析綜合得出：診斷軸承為外圈故障可能性較大，建議在定修時對軸承機開箱檢查，其中對軸承外圈做重點檢查。

4　結(jié)論

實驗結(jié)果表明，小波與Hilbert包絡(luò)譜結(jié)合進行故障信號分析的方法，對于軸承故障診斷具有明顯的效果，有助于我們更好的進行故障診斷工作。在信號的時域圖和頻域圖均不能清楚顯示故障信息時，采用小波變化進行處理，可以突出故障的特征，充分體現(xiàn)了其用于信號處理的優(yōu)越性及其在故障診斷中重要作用，有助于我們及時發(fā)現(xiàn)故障，避免造成重大經(jīng)濟損失。

參考文獻：

［1］褚福磊，彭志科，馮志鵬，等.機械故障診斷中的現(xiàn)代信號處理方法［M］.北京:科學出版社，2009.

［2］程軍圣，于德介，楊宇.基于EMD和SVM的滾動軸承故障診斷方法［J］.航空動力學報，2006，21，（3）:575-580.

［3］GONZALEZI，KAROUMIR. Analysis of the annual variations in the dynamic behavior of a ballasted railway bridge using Hilbert transform［J］. Engineering Structures，2014，60 （126-32）.

［4］熊星.基于小波包分解和希爾伯特黃變換的滾動軸承故障診斷［D］.中國科學技術(shù)大學碩士論文.

［5］汪璇，曹萬強.Hilbert變換及其基本性質(zhì)分析［J］.湖北大學學報，2008，30（1）: 53-5.

［作者簡介］李海穎（1976-），女，河北邢臺人，碩士，副教授，從事計算機教學與研究工作.

［基金項目］河北省高等學?？茖W技術(shù)研究項目.課題編號：Z2014103

［收稿日期］2016-01-20

中圖分類號：TP391.77

文獻標識碼：A

文章編號：1672-4658（2016）02-0185-02