CN102840907B - 早期故障状态下滚动轴承振动信号特征提取和分析方法 - Google Patents

早期故障状态下滚动轴承振动信号特征提取和分析方法 Download PDF

Info

Publication number
CN102840907B
CN102840907B CN201210346147.7A CN201210346147A CN102840907B CN 102840907 B CN102840907 B CN 102840907B CN 201210346147 A CN201210346147 A CN 201210346147A CN 102840907 B CN102840907 B CN 102840907B
Authority
CN
China
Prior art keywords
vibration
signal
vibration signal
bearing
signal characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201210346147.7A
Other languages
English (en)
Other versions
CN102840907A (zh
Inventor
郭玉杰
刘静宇
李明
刘占辉
张文涛
张小科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Xuji Group Co Ltd
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Henan Jiuyu Enpai Power Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201210346147.7A priority Critical patent/CN102840907B/zh
Publication of CN102840907A publication Critical patent/CN102840907A/zh
Application granted granted Critical
Publication of CN102840907B publication Critical patent/CN102840907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种早期故障状态下滚动轴承振动信号特征提取和分析方法，包括以下步骤：安装振动加速度传感器，由振动测试仪器采集振动信号；振动测试仪器中的处理器对振动信号进行自相关函数分析；提取信号中局部极大点及其对应的采样点序号，得到包络信号；对所求得包络信号，用插值的方法按等采样间隔重新采样，最后进行快速傅里叶变换，得到信号的包络谱。本发明提供的振动信号分析方法，能突出反映早期故障状态下振动信号中的调制特征，尤其适用于滚动轴承早期微弱故障下含噪振动信号中调制特征的分析和特征提取，进而帮助机组开展故障诊断工作。

Description

早期故障状态下滚动轴承振动信号特征提取和分析方法
技术领域
本发明涉及一种振动信号分析方法，尤其涉及一种早期故障状态下滚动轴承振动信号特征提取和分析方法。
背景技术
目前, 滚动轴承是电动机、风机、压缩机等旋转机械的重要部件，起着支撑转子的关键作用。滚动轴承外圈、内圈或滚动体出现故障时，受其自身结构特点影响，从轴承座上所测振动信号中会出现冲击和调制频率特征。冲击特征的强弱往往反映了故障程度，调制频率往往反映了故障部位。包络分析可以从非稳态信号中提取冲击所激起的高频振动以及载附在其上的包络信号，对包络信号进行频谱分析即可提取出滚动轴承故障信息。这种方法在滚动轴承精密故障诊断中得到广泛应用。
Hilbert（希尔伯特）变换及在此基础上演变出来的一些方法是最常用的包络分析方法，可以从复杂信号中求出信号的调制特征。由于滚动轴承振动信号的频率范围较宽、信噪比通常较低，早期故障状态下损伤所引起的冲击比较微弱，直接对振动信号解调，调制信息容易淹没在噪声中，低频段的谐波频率特征微弱。为此，人们又提出了很多改进方法，常见的有：（1）通过高频共振频带的自动识别和自适应线增强器来提高滚动轴承包络检测效果。故障状态下，滚动轴承振动信号中有可能会出现多个共振频带，根据不同频带所作出的分析结果可能不完全相同；（2）通过盲信号分离技术实现调制故障源信号与外加干扰的分离。早期故障情况下，由于源信号较弱而外加干扰相对较大，采用该方法很难有效地实现两种信号的有效分离；（3）使用AR模型和多重分析法降噪。但是，AR模型的阶次需要人们主观确定，对分析结果有一定影响，从而影响了该方法的客观性；（4）通过非线性能量转换算子提高波形中的脉冲特征，非线性能量转换算子在放大信号脉冲特征时，信号中外界干扰的影响也一并被放大。
发明内容
本发明的目的是提供一种早期故障状态下滚动轴承振动信号特征提取和分析方法，简单且能有效地抑制噪声，使得包络图谱中所显示的故障信号调制特征更为明显。
本发明采用下述技术方案：一种早期故障状态下滚动轴承振动信号特征提取和分析方法，包括以下步骤：
（1）、安装振动加速度传感器，采用振动加速度传感器测量轴承座的振动信号，输入到振动测试仪器中；
（2）、振动测试仪器中的处理器对步骤（1）中的振动信号进行自相关函数分析，去除原始加速度信号中包含的噪声，设原始振动信号为：                                               
Figure 597378DEST_PATH_IMAGE002
；式中：N为采样点数；
原始振动信号自相关函数分析计算公式为：
Figure 514518DEST_PATH_IMAGE004
（3）、提取信号
Figure 294256DEST_PATH_IMAGE006
中局部极大点
Figure 2012103461477100002DEST_PATH_IMAGE008
及其对应的采样点序号
Figure 2012103461477100002DEST_PATH_IMAGE010
，其中
Figure 2012103461477100002DEST_PATH_IMAGE012
，
Figure 2012103461477100002DEST_PATH_IMAGE014
为局部极大点的个数； 
判断一个点j是否为局部极大点的算法如下：
Figure 2012103461477100002DEST_PATH_IMAGE016
局部极大点序列
Figure 315563DEST_PATH_IMAGE008
的采样间隔在大多数情况下是非均匀的，将局部极大点序列相连，得到信号的包络曲线；
（4）、对所求得包络信号，用插值的方法按等采样间隔重新采样，得到新的信号
Figure 2012103461477100002DEST_PATH_IMAGE018
；（m为重新采样的个数）
插值计算时，要求
Figure 2012103461477100002DEST_PATH_IMAGE022
（5）、对
Figure 2012103461477100002DEST_PATH_IMAGE024
进行快速傅里叶变换，得到信号的包络谱
Figure 2012103461477100002DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE028
。
所述的步骤（1）中安装振动加速度传感器的时候，将振动加速度传感器固定在轴承座的垂直或水平方向。
所述的步骤（1）中加速度传感器通过连接螺钉或强力磁座固定在轴承座上。
所述的步骤（1）中振动测试仪器采集振动信号的采样频率≥20kHZ。
所述的步骤（1）中振动测试仪器采集振动信号的连续采样时间≥1s。
与传统方法不同，本发明提出的信号分析方法的有益效果如下：
由于在早期故障状态下，滚动轴承振动加速度信号中包含了大量噪声，冲击、调制等特征并不是很明显，而本发明所提出的特征提取和分析不是建立在原始振动加速度信号基础上，而是建立在振动加速度信号自相关函数波形基础上，能够大大抑制噪声干扰和影响。
所述的包络特征的提取不是采用Hilbert变换，而是由自相关函数波形中的局部极大点来提取信号包络特征；在此基础上，通过插值重采样技术获得均匀采样间隔下的包络信号，并对其作包络谱分析。该方法要比Hilbert变换算法要简单得多，能有效地抑制噪声，使得包络谱中所显示出的振动信号调制特征更为明显。
总之，本发明提供的振动信号分析方法，能突出反映早期故障状态下振动信号中的调制特征，尤其适用于滚动轴承早期微弱故障下含噪振动信号中调制特征的分析和特征提取，进而帮助机组开展故障诊断工作。主要应用领域包括：动力、冶金、石化、航空等大型旋转机械，如压缩机、发电机、燃气轮机、泵、风机、电动机等。
附图说明
图1是本发明所述方法的流程图；
图2是某电动机滚动轴承实测振动加速度信号波形图；
图3是经过自相关处理后的振动加速度信号波形图；
图4是由局部极大点提取出的非均匀间隔包络信号波形图；
图5是按均匀时间间隔插值重采样后得到的包络信号波形图；
图6是本发明所述方法所得到的包络谱；
图7是由现有技术的Hilbert变换得到的包络谱。
具体实施方式
本实施例是以某电机实测振动加速度信号为例，进行早期微弱故障状态下滚动轴承振动特征信号分析，如图1所示，具体包括以下步骤：
（1）、安装振动加速度传感器，采用振动加速度传感器测量轴承座的振动信号，安装振动加速度传感器的时候，将振动加速度传感器固定在轴承座的垂直或水平方向；为了防止信号中高频特征衰减，加速度传感器需要通过连接螺钉或强力磁座固定在轴承座上；振动信号输入到振动测试仪器中，为了提高滚动轴承振动信号的分析精度，考虑到滚动轴承故障频率有可能较高，采集振动信号时采样频率≥20KHz；为了提高相关分析抑噪能力，信号连续采样时间≥1s，原始的振动信号波形如图2所示；
（2）、振动测试仪器中的处理器对步骤（1）中的振动信号进行自相关函数分析，去除原始加速度信号中包含的噪声，设原始振动信号为：
Figure 316886DEST_PATH_IMAGE002
；式中：N为采样点数；
信号自相关函数分析计算公式为：
Figure 139349DEST_PATH_IMAGE004
对图2所示含噪原始振动信号按上述公式计算处理后得到的信号如图3所示。
（3）、提取信号
Figure 406382DEST_PATH_IMAGE006
中局部极大点及其对应的采样点序号，其中
Figure 822518DEST_PATH_IMAGE012
，
Figure 639164DEST_PATH_IMAGE014
为局部极大点的个数； 
判断一个点j是否为局部极大点的算法如下：
Figure 376176DEST_PATH_IMAGE016
局部极大点序列
Figure 899561DEST_PATH_IMAGE008
的采样间隔在大多数情况下是非均匀的，将局部极大点序列相连，得到信号的包络曲线，如图4所示；
（4）、对所求得包络信号，因为采样间隔并不均匀，需要按等采样间隔重新采样，得到新的信号
Figure 391722DEST_PATH_IMAGE018
；（m为重新采样的个数），如图5所示。信号重新采样的计算公式为：
Figure 633348DEST_PATH_IMAGE020
插值计算时，要求
Figure 908471DEST_PATH_IMAGE022
（5）、对
Figure 614259DEST_PATH_IMAGE024
进行快速傅里叶变换，得到信号的包络谱
Figure 949425DEST_PATH_IMAGE026
，
Figure 678347DEST_PATH_IMAGE028
，如图6所示。
图7所示为采用现有基于Hilbert包络分析技术得到的频谱，与图7相比可知，图6所示的包络谱中所显示的信号调制特征更为明显。

Claims (6)

1.一种早期故障状态下滚动轴承振动信号特征提取和分析方法，其特征在于：包括以下步骤：
（1）、安装振动加速度传感器，采用振动加速度传感器测量轴承座的振动信号，输入到振动测试仪器中；
（2）、振动测试仪器中的处理器对步骤（1）中的振动信号进行自相关函数分析，去除振动信号中包含的噪声，设振动信号为：                                                
Figure 822439DEST_PATH_IMAGE001
；式中：N为采样点数；
振动信号自相关函数分析计算公式为：
Figure 237240DEST_PATH_IMAGE002
；
（3）、提取信号
Figure 179788DEST_PATH_IMAGE003
中局部极大点序列及其对应的采样点序号
Figure 100656DEST_PATH_IMAGE005
，其中
Figure 573226DEST_PATH_IMAGE006
，
Figure 686675DEST_PATH_IMAGE007
为局部极大点的个数； 
判断一个点j是否为局部极大点的算法如下：
Figure 674223DEST_PATH_IMAGE008
；
局部极大点序列
Figure 898531DEST_PATH_IMAGE004
的采样间隔在大多数情况下是非均匀的，将局部极大点序列相连，得到信号的包络曲线；
（4）、对所求得的包络信号，用插值的方法按等采样间隔重新采样，得到新的信号
Figure 960028DEST_PATH_IMAGE009
；m为重新采样的个数；
Figure 808160DEST_PATH_IMAGE010
；
插值计算时，要求
Figure 220687DEST_PATH_IMAGE011
；
（5）、对
Figure 248686DEST_PATH_IMAGE012
进行快速傅里叶变换，得到信号的包络谱
Figure 492586DEST_PATH_IMAGE013
，
Figure 682258DEST_PATH_IMAGE014
。
2.根据权利要求1所述的早期故障状态下滚动轴承振动信号特征提取和分析方法，其特征在于：所述的步骤（1）中安装振动加速度传感器的时候，将振动加速度传感器固定在轴承座的垂直或水平方向。
3.根据权利要求2所述的早期故障状态下滚动轴承振动信号特征提取和分析方法，其特征在于：所述的步骤（1）中振动加速度传感器通过连接螺钉或强力磁座固定在轴承座上。
4.根据权利要求1或2或3所述的早期故障状态下滚动轴承振动信号特征提取和分析方法，其特征在于：所述的步骤（1）中振动测试仪器采集振动信号的采样频率≥20kHZ。
5.根据权利要求1或2或3所述的早期故障状态下滚动轴承振动信号特征提取和分析方法，其特征在于：所述的步骤（1）中振动测试仪器采集振动信号的连续采样时间≥1s。
6.根据权利要求4所述的早期故障状态下滚动轴承振动信号特征提取和分析方法，其特征在于：所述的步骤（1）中振动测试仪器采集振动信号的连续采样时间≥1s。
CN201210346147.7A 2012-09-18 2012-09-18 早期故障状态下滚动轴承振动信号特征提取和分析方法 Active CN102840907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210346147.7A CN102840907B (zh) 2012-09-18 2012-09-18 早期故障状态下滚动轴承振动信号特征提取和分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210346147.7A CN102840907B (zh) 2012-09-18 2012-09-18 早期故障状态下滚动轴承振动信号特征提取和分析方法

Publications (2)

Publication Number Publication Date
CN102840907A CN102840907A (zh) 2012-12-26
CN102840907B true CN102840907B (zh) 2014-05-14

Family

ID=47368478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210346147.7A Active CN102840907B (zh) 2012-09-18 2012-09-18 早期故障状态下滚动轴承振动信号特征提取和分析方法

Country Status (1)

Country Link
CN (1) CN102840907B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103900815A (zh) * 2014-04-02 2014-07-02 兰州交通大学 一种基于eemd和分布拟合检验的滚动轴承故障诊断方法
CN104330258A (zh) * 2014-10-23 2015-02-04 徐州隆安光电科技有限公司 一种基于特征参量的滚动轴承故障灰色关联度辨识方法
CN104316323B (zh) * 2014-10-24 2017-01-11 西安交通大学 基于周期靶向的最优共振频带确定方法
CN104596766B (zh) * 2014-12-24 2017-02-22 中国船舶工业系统工程研究院 一种轴承早期故障确定方法及装置
CN104596756A (zh) * 2015-02-02 2015-05-06 华北电力大学 用于旋转机械故障诊断的多频带包络谱阵
CN104655380B (zh) * 2015-03-16 2017-10-24 北京六合智汇技术有限责任公司 一种旋转机械设备故障特征提取方法
CN107560851B (zh) * 2017-08-28 2019-04-23 合肥工业大学 滚动轴承微弱故障特征早期提取方法
CN107907291B (zh) * 2017-10-27 2019-05-03 安徽容知日新科技股份有限公司 一种冲击检测方法及计算设备
CN108426715A (zh) * 2018-06-13 2018-08-21 福州大学 基于pso-vmd-mckd的滚动轴承微弱故障诊断方法
CN111767811A (zh) * 2020-06-18 2020-10-13 东南大学 一种基于带宽傅立叶分解的非平稳信号分析方法
CN111881736A (zh) * 2020-06-18 2020-11-03 东南大学 一种基于带宽傅立叶分解的滚动轴承早期故障诊断方法
CN115917268A (zh) 2020-09-22 2023-04-04 舍弗勒技术股份两合公司 基于人耳听觉特性检测轴承故障的方法和设备
CN113984387B (zh) * 2021-08-10 2022-12-27 江苏大学 一种变转速工况下轴承故障特征提取的广义自相关方法

Also Published As

Publication number Publication date
CN102840907A (zh) 2012-12-26

Similar Documents

Publication Publication Date Title
CN102840907B (zh) 早期故障状态下滚动轴承振动信号特征提取和分析方法
CN108168891B (zh) 滚动轴承微弱故障信号特征的提取方法及设备
CN102007403B (zh) 识别轴承损坏的方法与装置
CN102539150B (zh) 基于连续小波变换的旋转机械部件的自适应故障诊断方法
CN106546892A (zh) 基于深度学习的局部放电超声音频识别方法及系统
CN109682601A (zh) 一种变转速工况下滚动轴承的早期故障识别方法
CN103499445A (zh) 一种基于时频切片分析的滚动轴承故障诊断方法
CN103471848A (zh) 基于独立分量分析和倒频谱理论的滚动轴承故障特征提取方法
CN109855874B (zh) 一种声音辅助振动微弱信号增强检测的随机共振滤波器
CN109029999B (zh) 基于增强调制双谱分析的滚动轴承故障诊断方法
CN110617982A (zh) 一种基于声纹信号的旋转机械设备故障识别方法
CN104215456A (zh) 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法
Zheng et al. Faults diagnosis of rolling bearings based on shift invariant K-singular value decomposition with sensitive atom nonlocal means enhancement
Wei et al. Incipient fault diagnosis of rolling element bearing based on wavelet packet transform and energy operator
CN105987809A (zh) 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法
CN111504640A (zh) 一种加权滑动窗二阶同步压缩s变换轴承故障诊断方法
Chen et al. Rolling bearing fault feature extraction method using adaptive maximum cyclostationarity blind deconvolution
CN102680080B (zh) 一种基于改进的自适应形态滤波的非稳态信号检测方法
CN107490477A (zh) 基于频谱核密度函数相关性比较的齿轮箱故障诊断方法
CN115014765B (zh) 一种通过声信号提取滚动轴承保持架故障特征的方法
CN110537082B (zh) 振动检测装置及异常判定系统
CN103149047A (zh) 一种基于非线性混合模型的冷却塔声学诊断方法
CN109948487A (zh) 基于时频谱相关性分析的旋转机械故障特征提取方法
CN103438983A (zh) 一种信号随机平均谱的数据处理方法
CN112036270B (zh) 一种滚动轴承早期损伤状态的振动监测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: ELECTRIC POWER RESEARCH INSTITUTE, STATE GRID HENA

Free format text: FORMER OWNER: STATE GRID CORPORATION OF CHINA

Effective date: 20141126

Owner name: STATE GRID CORPORATION OF CHINA

Free format text: FORMER OWNER: ELECTRIC POWER RESEARCH INSTITUTE, STATE GRID HENAN ELECTRIC POWER COMPANY

Effective date: 20141126

C41 Transfer of patent application or patent right or utility model
C56 Change in the name or address of the patentee

Owner name: ELECTRIC POWER RESEARCH INSTITUTE, STATE GRID HENA

Free format text: FORMER NAME: HE'NAN ELECTRIC POWER CORPORATION, ELECTRIC POWER RESEARCH INSTITUTE

COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 450052 ZHENGZHOU, HENAN PROVINCE TO: 100031 XICHENG, BEIJING

CP03 Change of name, title or address

Address after: 450052 Songshan, Zhengzhou, Henan District No. 27 South Road, No. 85

Patentee after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Patentee after: State Grid Corporation of China

Address before: 450008 Songshan South Road, Henan, No. 85, No.

Patentee before: Henan Electric Power Corporation Electric Power Science Research Institute

Patentee before: State Grid Corporation of China

TR01 Transfer of patent right

Effective date of registration: 20141126

Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Patentee after: State Grid Corporation of China

Patentee after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Patentee after: XJ Group Corp.

Address before: 450052 Songshan, Zhengzhou, Henan District No. 27 South Road, No. 85

Patentee before: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Patentee before: State Grid Corporation of China

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20161215

Address after: 450052 Songshan, Zhengzhou, Henan District No. 27 South Road, No. 85

Patentee after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Patentee after: XJ Group Corp.

Patentee after: HENAN ENPAI HIGH-TECH GROUP Co.,Ltd.

Patentee after: State Grid Corporation of China

Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing

Patentee before: State Grid Corporation of China

Patentee before: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Patentee before: XJ Group Corp.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 450052 No. 85 South Songshan Road, 27 District, Henan, Zhengzhou

Co-patentee after: XJ Group Corp.

Patentee after: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Co-patentee after: Henan jiuyu enpai Power Technology Co.,Ltd.

Co-patentee after: State Grid Corporation of China

Address before: 450052 No. 85 South Songshan Road, 27 District, Henan, Zhengzhou

Co-patentee before: XJ GROUP Corp.

Patentee before: STATE GRID HENAN ELECTRIC POWER CORPORATION ELECTRIC POWER SCIENCE Research Institute

Co-patentee before: HENAN ENPAI HIGH-TECH GROUP Co.,Ltd.

Co-patentee before: State Grid Corporation of China