基于聲壓梯度和盲解卷積的滾動軸承故障診斷

郭明建，高偉

（1.廣州汽車集團(tuán)乘用車有限公司，廣東 廣州 510000；2.上海電氣風(fēng)電集團(tuán)有限公司，上海 200241）

基于聲壓梯度和盲解卷積的滾動軸承故障診斷

郭明建1，高偉2

（1.廣州汽車集團(tuán)乘用車有限公司，廣東 廣州 510000；2.上海電氣風(fēng)電集團(tuán)有限公司，上海 200241）

提出一種將滾動軸承聲壓梯度作為分析量的故障診斷方法。聲壓梯度比聲壓的衰減速度更快，受其他聲源和環(huán)境噪聲的影響比聲壓小，因而聲壓梯度的信噪比高。該方法對滾動軸承聲壓梯度進(jìn)行盲解卷積得到分離分量，然后對各分量進(jìn)行Hilbert包絡(luò)譜分析識別軸承的故障特征。最后通過滾動軸承實(shí)驗(yàn)臺實(shí)驗(yàn)驗(yàn)證該方法的優(yōu)越性。

滾動軸承；聲壓梯度；盲解卷積；故障診斷

滾動軸承是旋轉(zhuǎn)機(jī)械的重要部件，同時也是故障易發(fā)生的部位。當(dāng)滾動軸承出現(xiàn)損傷時，將影響整個設(shè)備的安全穩(wěn)定運(yùn)行。當(dāng)滾動軸承發(fā)生故障時，其聲學(xué)特性也會發(fā)生改變，從而蘊(yùn)含滾動軸承的故障信息，因此目前已有較多的基于聲信號的故障診斷方法，張武軍等提出了一種獨(dú)立分量分析和自相關(guān)分析相結(jié)合的方法對齒輪進(jìn)行故障分析，可以有效地提取在強(qiáng)噪背景噪聲干擾下的齒輪故障特征。李常有等采用主分量分析對傳聲器測取的聲信號進(jìn)行了預(yù)處理，在此基礎(chǔ)上應(yīng)用基于Morlet小波變換的包絡(luò)分析和頻譜分析來提取滾動軸承故障特征向量。潘楠等人利用頻域盲解卷積算法對復(fù)雜聲場環(huán)境中的齒輪箱復(fù)合故障進(jìn)行診斷，該方法通過形態(tài)濾波濾除非調(diào)制信號，利用改進(jìn)復(fù)數(shù)固定點(diǎn)算法優(yōu)選復(fù)獨(dú)立分量，取得了良好的診斷效果，同時他又研究了欠定條件下的滾動軸承復(fù)合故障聲學(xué)診斷問題。但是以上基于聲信號的故障診斷方法都是采用聲壓量進(jìn)行分析，而聲壓容易受到現(xiàn)場無關(guān)聲源的干擾，導(dǎo)致測得的聲壓信號信噪比較低。實(shí)際上，在描述聲場信息的參數(shù)中，聲壓梯度比聲壓的衰減速度更快，如果采用聲壓梯度作為分析量，其受到其他聲源和環(huán)境噪聲的影響比聲壓小，因此聲壓梯度比聲壓更具有優(yōu)勢。

在實(shí)際環(huán)境下，由于聲信號在傳播過程中的反射和延遲，傳感器接收到的聲信號是多種信號源的卷積混合，所以采用盲解卷積的方法對源信號進(jìn)行分離和提取更為合適。目前盲解卷積主要分時域和頻域算法，時域算法能獲得較好的性能，但現(xiàn)有時域算法具有計(jì)算量大、復(fù)雜度高和收斂速度慢的缺點(diǎn)。而頻域方法通過時頻變換將時域中信號的卷積混合變換為頻域中每個頻率段上的瞬時混合，從而可以在每個頻率段上直接運(yùn)用成熟的瞬時混合盲分離算法。因此頻域盲解卷積算法的研究和應(yīng)用較多。但頻域瞬時盲分離需要在頻域克服幅度和排序不確定性問題。本文采用基于聲壓梯度的盲解卷積方法對滾動軸承故障特征進(jìn)行識別，通過滾動軸承故障實(shí)驗(yàn)對該方法進(jìn)行驗(yàn)證。

1 基于聲壓梯度和盲解卷積的滾動軸承故障診斷方法

（1）聲壓梯度。在描述聲場信息的參數(shù)中，聲壓梯度（類似于質(zhì)點(diǎn)振速）比聲壓的衰減速度更快，受到其他聲源和環(huán)境噪聲的影響比聲壓小，單只聲壓傳感器是將目標(biāo)聲信號和背景噪聲同時拾取，而兩傳聲器配對組合在實(shí)現(xiàn)抑制背景噪聲的同時僅拾取目標(biāo)聲信號，因此聲壓梯度相比聲壓具有指向性功能，可以顯著降低周邊環(huán)境噪聲及回聲的影響，在故障診斷上更具有優(yōu)勢。實(shí)驗(yàn)中，在每個測點(diǎn)位置上沿聲波傳播方向布置兩個相同的聲壓傳聲器，根據(jù)有限差分原理，當(dāng)兩個傳聲器之間的距離?r遠(yuǎn)小于被測聲波波長時，聲場中某點(diǎn)聲傳播方向r上的聲壓梯度可以由該傳播方向上與該點(diǎn)相鄰的兩個點(diǎn)處的聲壓值近似估算：

（2）頻域盲解卷積算法。頻域盲解卷積算法主要是利用短時傅里葉變換(STFT)將時域卷積混合信號轉(zhuǎn)化為頻域內(nèi)每個頻點(diǎn)上的瞬時混合信號，再利用已經(jīng)發(fā)展成熟的瞬時混合盲源分離算法進(jìn)行分離，最后通過逆短時傅里葉變換將時域信號轉(zhuǎn)換到時域即可。

（3）基于聲壓梯度和盲解卷積的滾動軸承故障診斷方法步驟（如圖1）。其基本步驟為：輸入滾動軸承聲壓信號；計(jì)算每個測點(diǎn)上的聲壓梯度值；采用盲解卷積算法對進(jìn)行分離得到分離信號；對盲源分離算法分離信號進(jìn)行Hilbert包絡(luò)解調(diào)，獲得其包絡(luò)信號；進(jìn)行頻譜分析，按照預(yù)先計(jì)算的理論故障特征頻率，從頻譜圖中提取故障特征頻率并識別故障。

圖1

2 故障診斷方法驗(yàn)證

（1）實(shí)驗(yàn)方案。實(shí)驗(yàn)是在普通的房間內(nèi)進(jìn)行，實(shí)驗(yàn)中同時采集軸承的聲壓信號和振動信號，振動信號用于后續(xù)與聲壓信號診斷結(jié)果的對比驗(yàn)證。測試用的滾動軸承為SKF 軸承，型號為6016，軸承的故障為外圈故障。在實(shí)驗(yàn)臺靠近滾動軸承的位置布置3個ICP型聲壓傳感器，傳感器距地面高度30cm，距離軸承的水平距離為30cm；同時在靠近軸承正上方的機(jī)械表面安裝一個ICP型單向振動加速度傳感器采集軸承的振動信號。實(shí)驗(yàn)過程中，設(shè)置電機(jī)的轉(zhuǎn)速檔位為8檔，對應(yīng)的轉(zhuǎn)頻為7．5Hz，經(jīng)計(jì)算，軸承外圈理論故障特征頻率為45．54 Hz。采樣頻率設(shè)置為10240Hz。

（2）實(shí)驗(yàn)數(shù)據(jù)分析。首先分析加載工況下采集的數(shù)據(jù)，本文主要從頻域?qū)?shù)據(jù)進(jìn)行分析，以下主要以顯示頻域分析結(jié)果為主。先根據(jù)1．1節(jié)中的公式計(jì)算出3個測量點(diǎn)處的聲壓梯度值，然后求聲壓梯度的Hilbert包絡(luò)譜，包絡(luò)譜如圖2所示。從圖2可以看出，3個測點(diǎn)位置的聲壓梯度包絡(luò)譜得到的結(jié)果相同，在譜圖中可以明顯看出在頻率45．94Hz和91．88Hz存在較高的譜峰，這些譜峰的頻率與軸承的外圈故障特征頻率及其2倍頻一致。為對比聲壓梯度的診斷效果，在3個測量點(diǎn)處各取一只聲壓傳感器采集的聲壓信號，對這3個聲壓信號進(jìn)行Hilbert包絡(luò)譜分析，包絡(luò)譜如圖3所示。從圖3中可以看出，測點(diǎn)1的信號包絡(luò)譜在頻率7．58Hz、10．63Hz和15．08Hz處存在譜峰，其中7．58Hz和15．08Hz分別對應(yīng)于軸承的轉(zhuǎn)頻及其2倍頻。此外在44．92Hz處存在一個較小的譜峰，它的頻率與軸承的外圈故障特征頻率接近；測點(diǎn)2的信號包絡(luò)譜在頻率3．52Hz、7．11Hz和10．63Hz處存在明顯的譜峰，這3個頻率值雖然不是軸承的轉(zhuǎn)頻，但相互呈現(xiàn)出倍數(shù)的關(guān)系，可能是現(xiàn)場存在某個未知的聲源，假設(shè)該聲源為s。在頻率43．05Hz處存在較小的譜峰，它的頻率可能對應(yīng)于軸承的外圈故障特征頻率；測點(diǎn)3的信號包絡(luò)譜在頻率3．52Hz和7．11Hz處存在明顯的譜峰，這兩個譜峰的頻率分別對應(yīng)于未知信號源s及其2倍頻，但未能識別出軸承外圈故障特征頻率。接下來，將3個測量點(diǎn)處的聲壓梯度值作為IF_Murata算法的輸入量，得到3個分離信號。對聲壓梯度采用IF_Murata算法分離之后，又進(jìn)一步將之前未能識別的特征給顯示出來，在3個分量在中都能識別出與軸承的外圈故障特征頻率及其2倍頻對應(yīng)的譜峰。通過以上的對比分析發(fā)現(xiàn)，聲壓梯度具有良好的抗噪性能，對聲壓梯度采用IF_Murata算法分離后的分離量作Hilbert包絡(luò)分析，便能清晰地識別出軸承的故障特征，方法簡單且故障識別效果良好，相比采用聲壓信號的診斷方法，采用聲壓梯度對滾動軸承進(jìn)行故障診斷具有顯著的優(yōu)勢。

圖2 聲壓梯度包絡(luò)譜

圖3 聲壓信號包絡(luò)譜

3 結(jié)語

本文提出了一種基于聲壓梯度和盲解卷積的滾動軸承故障診斷方法。該方法利用聲壓梯度抗噪能力強(qiáng)的優(yōu)點(diǎn)，從而提高軸承的故障特征識別能力。采用盲解卷積算法對聲壓梯度進(jìn)行分離之后，分離分量中能識別出更多的軸承特征。通過滾動軸承實(shí)驗(yàn)臺實(shí)驗(yàn)驗(yàn)證了該方法的有效性和優(yōu)越性。

[1]李常有,徐敏強(qiáng),郭聳．聲信號的主分量分析應(yīng)用于滾動軸承故障診斷[J]．聲學(xué)技術(shù), 2008, 02:271-274．

[2]潘楠,伍星,遲毅林等．基于頻域盲解卷積的齒輪箱復(fù)合故障聲學(xué)診斷[J]．振動與沖擊, 2013, 07:146-150．

TH165.3

A

1671-0711（2017）08（下）-0059-02