小波分析技術在礦山機械軸承故障檢測中的綜合應用

陳文占

（長沙礦山研究院有限責任公司，湖南 長沙 410012）

機械滾動軸承是機器運行中的主要工作部件，一旦其受到損害將拉低整個工程的進度，甚至會在挖礦時造成不必要的危險，因此，對于機械運行中機械軸承是否處于良好的運行狀態(tài)是非常重要的，經(jīng)過科研人員不斷的探索，最終決定采用小波分析技術對礦山機械軸承故障進行檢測，其優(yōu)點在于不僅減少了工作噪音和地表噪音對檢測系統(tǒng)的干擾，還提高了檢測的可信度和精準性。

1 小波分析技術的工作原理和檢測效果

為解決礦山機械軸承故障的分析中存在的問題，人們提出了許多的解決方案，例如采用沖擊能量分析法或者沖擊脈沖計數(shù)法對機械軸承的故障進行分析等。除了前面提及的分析方法之外，還有峰值因子法和峭度因子法，這些分析方法統(tǒng)稱為時域分析方法。接著來說一下頻域分析方法，其主要分為功率譜分析、倒譜分析、雙譜分析和包絡解調分析等幾種分析方式，在上述幾種頻域分析方式中，包絡解調分析的使用范圍是最為廣泛的，其因為可以從復雜的調幅振動信號中將軸承故障信息分離出來，所以被應用在大部分地區(qū)。

下面簡單詳細說一下包絡解調分析，包絡解調分析主要用來分析調幅/調頻信號，其主要分為全波整流法、檢波濾波法、復調制法、Hilbert變化法等幾種方法，這幾種方法在實驗的過程中得出的結果一般是相同的，但其實現(xiàn)包絡解調的方式確大不相同，除此之外，上述幾種方法都需要收集共振響應在相對應的窄帶濾波過程中，但是在收集的過程中往往會遇到一些困難，因為由于軸承故障所引起的共振頻帶往往不少，為收集共振響應帶來了一定的難度。

而小波變化便可以解決這一問題，因為它的帶通濾波的特性可以使經(jīng)過小波的無用信號被分解掉，從而得到每一頻帶內振動的情況，進而總結出每一頻帶內振動信號的變化規(guī)律，最后整理出可以反映機械軸承受到?jīng)_擊而產(chǎn)生的真實的特征頻帶信號，并用該信號作為檢測軸承運行狀態(tài)的數(shù)據(jù)。

包絡解調分析主要能通過小波變換實現(xiàn)的方法為，先獲得解析信號，其過程為將原始故障信號進行Hilbert變換，然后將獲得的解析信號做小波變換，使其通過小波變化后在各個尺度上的本質仍為解析信號，然后通過對該變換結果取模的方式得到各個尺度上的包絡，然后再用一次傅里葉變換，即可得到小波包絡譜，從而完成了小波變換的包絡調節(jié)分析。進而提高了對機械軸承故障的檢測準確性及檢測效率。從試驗效果看出，包絡解調分析方法可以很好的檢測出機械軸承故障，有很高的使用價值。

以機械軸承為研究對象，在小波分析技術的支持下，科研人員做了相關的實驗，該實驗是以探究如何通過小波分析技術來確定機械軸承故障的發(fā)生位置為目的，以降低噪音對故障檢測為原則進行的，其得出的相關結論也對更好的應用小波分析技術提供了理論上的支持，是對用小波分析技術探測機械軸承故障的肯定和支持。

2 實驗過程和結果

首先實驗需要在軸承故障試驗臺上進行，并將實驗數(shù)據(jù)采集系統(tǒng)應用到試驗監(jiān)控系統(tǒng)上，而振動傳感器、共振解調儀、電荷放大器三者組成了實驗數(shù)據(jù)采集系統(tǒng)，在實驗過程中，采集到的信號先被放大、濾波然后被送進數(shù)據(jù)采集卡，從而轉變數(shù)字信息被送入計算器中，因為通過小波變換采集到的數(shù)據(jù)要在MATLAB條件下才能被處理和編輯，所以我們可以抓住這個特點，運用MATLAB語言編程將時域圖和功率譜圖繪制出來。

圖1 時域圖和功率譜圖

然后再來說一下軸承故障的模式，在實驗運行的過程中，一旦機械軸承存在故障則軸承的其他零件都會對故障點產(chǎn)生周期性的撞擊，而其軸承座和支撐結構都會收到?jīng)_擊力的作用，從而產(chǎn)生一系列的減幅振蕩，受軸承幾何尺寸、軸的轉速和故障點的位置所影響故障特征頻率便為減幅振動產(chǎn)生的頻率，軸承是否出現(xiàn)故障及出現(xiàn)故障的損失點的位置就可以通過該特征頻率檢測出來，該軸承的詳情見下表1。

表1 軸承特征頻率

將上述數(shù)據(jù)帶入頻率計算公式得，f1=475Hz,f2=325Hz,振動信號的樣品采集是在當振動傳感器在減速的箱體上時進行的，其采集頻率大致為10.1kHz。先將軸承內環(huán)局部剝落設為故障點，此時，內環(huán)通過頻率f內及其配頻為軸承故障的特征頻率，通過理論計算可以得出f1=475Hz,然后應用MATLAB小波工具箱里的一維小波，然后將檢測的信號通過小波分析技術進行變換，接著重構具有故障特征的信號，然后再用Hilbert變換對擁有故障特征的頻率信號進行解調和細化頻譜分析，從而檢測出軸承中的故障信息成分，從而確定軸承發(fā)生故障的位置。通過觀察上圖，可以看出軸承故障特征最明顯的是運用db1小波基檢測到的。上面的實驗數(shù)據(jù)可以看出，小波分析技術在軸承故障檢測中的效果還是很不錯的，但是由于各種限制，實驗只研究了大體的測試效果，對于小波分析技術的詳細內容并沒有進行探索，因此，下面便介紹一下小波分析技術的詳細內容和其在軸承故障檢測中的應用。

3 軸承故障檢測中幾種可以用到小波分析技術的情況

小波分析技術之所以可以成為診斷軸承故障的最為廣泛且有力的工具之一，是因為其具有很好的分辨率分析能力，而將采集到的信號分解為不同尺度的小波函數(shù)之和是小波變換的主要內容，因此小波函數(shù)的選擇將直接影響到小波的分析效果，而小波變換滿足頻譜分析方法，所以適用于軸承故障檢測領域。

（1）自適應Morlet小波在降噪中發(fā)揮的作用。對微弱故障特征頻率的采集是現(xiàn)場采集噪音信號和機械設備早起故障信號的關鍵環(huán)節(jié)，其將直接影響到對軸承故障的檢測，因此，要在采集過程中努力采集到微弱故障特征頻率，從而提高檢測的準確率，在這種情況下，自適應Morlet小波的微弱故障特征提取法是最佳的選擇，其大致過程為:首先用修正Shannon熵的方法對Morlet小波的中心頻率和寬帶參數(shù)進行優(yōu)化，從而獲得最符合故障特征成分的自適應Morlet小波。然后在運用改進過是矩陣構造法將小波變換系數(shù)構造成矩陣的形式，并解出奇異值，在對其進行分解，其表達式為A=UV∧T=∑kUiVi∧T，其中矩陣A的秩用字母k表示，矩陣AA∧T和A∧TA的第i個特征量用Ui和Vi表示，因為每一個小波都有一個相對應的尺度a，因此便可以解出一個周期性指數(shù)與相對應尺度的函數(shù)關系式，即為尺度周期性指數(shù)關系式:Ψ(a)=(k2-k1)/k1,將SPE譜的最大值求出，便可得到最佳的小波變換尺度，最后，在對信號進行過濾除雜，從而得到真實的故障特征信息。

（2）Laplace小波分析技術在過濾波中的應用。在Laplace小波基函數(shù)庫的基礎上建立循環(huán)Laplace小波相關過濾法，因為Laplace小波相關過濾法可以辨識對故障進行沖擊收到的響應參數(shù)成分，并依據(jù)其辨識到的特征參數(shù)，構造循環(huán)Laplace小波函數(shù)，并對響應信號中的循環(huán)周期進行尋換沖擊，然后用相關濾波監(jiān)測系統(tǒng)進行檢測，下面說一下周期循環(huán)信號中的特征參數(shù)和循環(huán)周期如何用循環(huán)Laplace小波相關濾波法識別出來，首先，通過上述沖擊故障接收頻率的方法建立起Laplace小波基函數(shù)庫，然后再辨識響應沖擊波形的特征參數(shù)，通過Laplace小波相關過濾法即可實現(xiàn)，最后利用尋循環(huán)Laplace小波濾波法的定義，將沖擊響應成分特征參數(shù)辨識結果構造成循環(huán)Laplace小波函數(shù)，并利用相關濾波函數(shù)，盡可能的確定循環(huán)周期為多少。

（3）小波相關排列熵在提取特征頻率上的應用。當機械軸承開始出現(xiàn)故障時，檢測儀器接收到的頻率是微弱的，同時在噪音的影響下，很難直接提取出微弱的故障頻率，即使通過小波分解技術也不容易。小波相關濾波法不僅可以有效的降低噪音，還不會損失分辨率。所以，WTCE可以幫助相關人員提取信號出現(xiàn)故障的具體表現(xiàn)，從而找到信躁相對來說比較高的各層重構信號。由于上述的一些相關的情況，可以對小波相關濾波處理的結果進行相關的分析。從而可以得出各階段信號的排列熵復雜度，并且因此以了解知機械系統(tǒng)的工作狀態(tài)。

4 結語

從上述所有實驗可以知道，在收集故障特征頻率時，運用小波分析技術不僅可以檢測出是否發(fā)生了故障，還可以檢測出故障發(fā)生的部位，從而大大減少了停工的時間，促進了施工進度，同時小波分析技術還避免了建立機械軸承振動信號的數(shù)學模型的麻煩，同時其還具有很多優(yōu)點，例如，特征參量比較少、故障特征突出等，非常適合應用于礦山機械軸承故障的檢測。