CN102928225B - 一种针对滚动轴承故障诊断的自适应共振解调方法 - Google Patents
一种针对滚动轴承故障诊断的自适应共振解调方法 Download PDFInfo
- Publication number
- CN102928225B CN102928225B CN201210429262.0A CN201210429262A CN102928225B CN 102928225 B CN102928225 B CN 102928225B CN 201210429262 A CN201210429262 A CN 201210429262A CN 102928225 B CN102928225 B CN 102928225B
- Authority
- CN
- China
- Prior art keywords
- centre frequency
- narrow band
- rolling bearing
- frequency
- signal
- 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
Links
Abstract
本发明公开了一种针对滚动轴承故障诊断的自适应共振解调方法，属于旋转机械故障诊断领域，由于在使用传统的共振解调技术过程中，窄带带通滤波器的中心频率一般根据经验手动设置，严重影响共振解调的效果，本发明通过计算不同频带内信号的包络谱的峭度值，来确定滚动轴承的振动信号中包含故障信息的共振带，从而自适应的改变带通滤波器的中心频率以达到更好的共振解调效果。
Description
技术领域
本发明属于旋转机械故障诊断领域，涉及一种振动信号在旋转机械故障诊断领域中的应用，具体涉及一种针对滚动轴承故障诊断的自适应共振解调方法。
背景技术
随着现代工业的迅猛发展，各种旋转机械广泛应用于各工业领域。旋转机械故障是关系到国民经济生产安全性的重要问题，其中30%的旋转机械故障与轴承有关。轴承作为旋转机械的主要部件，是否能够安全、高效的长期运行也成为整个企业正常生产的重要保障，企业对其重视程度日益增加。在对滚动轴承进行故障诊断的过程中，由于早期轻微的故障信息往往淹没在背景噪声中，很难被发现和提取出来，因此必须采用有效的信号处理技术提高信噪比，凸显故障特征，而共振解调技术则是在滚动轴承诊断中广泛使用的一种信号处理方法，它极大地提高了振动信号的信噪比，特别适用于轴承故障的早期诊断。
传统的共振解调技术的使用过程中存在如下缺点：1）必须事先通过冲击试验确定高频共振频率以确定窄带带通滤波器的中心频率。在共振解调技术中，窄带带通滤波器的选择对最后诊断结果有决定性影响，窄带带通滤波器设计不好将很容易导致诊断失败，为了确定轴承系统的高频共振频率，一般需要进行冲击试验，但是对于大多数的轴承用户来说，由于资金或者条件方面的原因无法进行冲击试验，通常通过经验来设置窄带带通滤波器的中心频率。2）窄带带通滤波器的中心频率和带宽一般固定不变。对于不同的轴承系统，其高频固有振动所处的位置不同并且故障特征频率也不同，采用固定不变的中心频率和带宽会使设计的共振解调系统在针对不同的轴承系统时发生失效。
发明内容
为了克服传统共振解调技术的不足，本发明公开了一种针对滚动轴承故障诊断的自适应共振解调方法，该方法有效的提高了共振解调技术的实用性和准确性。
为了实现上述目的，本发明采用了以下技术方案：
本发明包括测试系统和数据处理程序，所述测试系统以加速度传感器为主，将传感器固定在轴承座上，所述数据处理程序是基于LabVIEW软件编写的。该共振解调方法利用测试系统和数据处理程序自适应设置窄带带通滤波器的中心频率，然后再进行包络解调。
所述自适应设置窄带带通滤波器的中心频率的步骤为：
首先利用测试系统测定滚动轴承的振动信号，然后利用数据处理程序计算振动信号在不同的窄带带通滤波器的中心频率下对应的包络谱峭度值，如果包络谱上出现明显的谱峰则其包络谱峭度值会明显增大，根据这一原理，根据最大的包络谱峭度值识别包含故障特征的共振带的窄带带通滤波器的中心频率，从而实现自适应设置共振解调中窄带带通滤波器的中心频率。
所述测试系统包括加速度传感器、信号调理模块和信号采集程序，加速度传感器固定安装在滚动轴承的轴承座上，信号调理模块将加速度传感器输出的振动信号进行10倍放大和低通滤波，信号采集程序利用LabVIEW软件编写，采集和保存信号调理模块处理后的数据。
所述数据处理程序基于LabVIEW软件编写，对振动信号在不同的窄带带通滤波器的中心频率下进行包络解调分析，分别计算对应的包络谱峭度值，然后比较振动信号的包络谱峭度值，最大的包络谱峭度值对应的频带便是包含故障信息最多的共振带。自动寻找到滚动轴承的共振带之后便可以自适应的设置共振解调技术中窄带带通滤波器的中心频率。
所述根据最大的包络谱峭度值识别包含故障特征的共振带的窄带带通滤波器的中心频率，具体实现步骤如下：
1）确定滤波器的带宽（BW）和中心频率（f0）；
2）利用窄带带通滤波器对滚动轴承的振动信号进行时域滤波；
3）利用Hilbert解调法对滤波之后的信号进行包络解调，得到包含故障特征的低频信号；
4）对包络解调得到的低频信号进行FFT变换（快速傅里叶变换），得到低频信号的包络谱；
5）计算包络谱的峭度，得到窄带带通滤波器的中心频率为f0时对应的包络谱峭度值；
6）窄带带通滤波器带宽不变，改变窄带带通滤波器的中心频率（fi），重复步骤2-5，得到不同的窄带带通滤波器的中心频率对应的包络谱峭度值；
7）比较各中心频率对应的包络谱峭度值的大小，包络谱峭度值的最大值对应的中心频率即为包含故障特征的共振带的窄带带通滤波器的中心频率（轴承高频共振带的中心频率）。
所述窄带带通滤波器的中心频率采用以下方式进行改变：中心频率每次改变时平移一个步长，直到中心频率达到加速度传感器采样频率的1/2。
所述步长为轴承故障特征频率的1/10。（轴承部件分为外圈、内圈、滚动体、保持架，当某一固件出现故障时，会有对应的故障频率出现在相应的频谱图，步长取值范围5~20Hz）
本发明对滚动轴承运转过程中的振动信号进行分析，通过比较包络谱峭度值的大小来自动确定轴承包含故障信息的共振带，从而可以根据不同的信号自适应的设置共振解调技术中窄带带通滤波器的中心频率，解决了共振解调技术由于难以确定轴承系统的高频共振带以及使用固定的窄带带通滤波器影响共振解调效果的问题。
本发明与现有的共振解调技术相比具有以下特点：
1．使用更方便
使用自适应共振解调技术可以根据振动信号特征，自动识别轴承的高频共振带，从而设置滤波器参数对信号进行共振解调分析，而现有的共振解调技术需要事先进行冲击试验确定轴承系统的高频共振频率，二者相比较本发明在使用上更方便。
2．诊断结果更可靠
对于不同的轴承系统来说，其高频共振频率不同，如果按照相同的参数来设置带通滤波器对信号进行共振解调，会影响共振解调的效果，特别是对于早期比较微弱的故障来说，有可能会造成诊断不出轴承故障。本发明提出的自适应共振解调方法可以根据信号选择包含故障信息最丰富的共振带来进行共振解调，诊断效果更好，结果更可靠。
附图说明
图1是自适应共振解调方法中拾取滚动轴承振动信号的的测试系统传感器安装图；
图2是自适应共振解调方法的原理图；
图3是利用包络谱峭度自动识别滚动轴承共振带的算法流程图；
图4是轴承外圈故障引起的共振运动的仿真信号（时域波形和频谱）；图4(a)为仿真信号的时域波形，图4(b)为仿真信号的幅值谱图；
图5是针对设计的仿真信号以各中心频率对应的包络谱峭度值绘制的包络谱峭度图；
图6是以最大包络谱峭度值对应的中心频率为窄带带通滤波器的中心频率进行共振解调分析得到的包络谱；
图中：1为加速度传感器；2为固定传感器的磁座；3为滚动轴承的轴承座；4为滚动轴承的外圈；5为轴承的滚动体；6为滚动轴承的内圈。
具体实施方式
下面结合附图对本发明做进一步说明。
参阅图1，图1是本发明自适应共振解调技术中拾取滚动轴承振动信号的测试系统传感器安装图。传感器为CTC公司的AC240-2D型加速度传感器，传感器通过磁座吸附在轴承座上。
参阅图2，图2是本发明中自适应共振解调技术的原理图。流程：采集轴承的振动信号，以一定的步长移动窄带滤波器，分别计算滤波后的包络谱峭度，选择谱峭度最大值对应的频率为带通滤波器的最佳中心频率，以此中心频率进行带通滤波，包络解调，FFT变换，即可在频谱图中观察到故障特征。而传统的共振解调的过程是根据经验选择最佳中心频率，再依次进行带通滤波，包络解调，FFT变换。与传统的共振解调技术相比，本发明提出的自适应共振解调技术根据所分析的振动信号的特征，自动设计窄带带通滤波器的参数，从而更方便、精确的对滚动轴承进行故障诊断。
参阅图3，图3是本发明利用包络谱峭度自动识别滚动轴承共振带的算法流程图。1）利用一个固定带宽（带宽设定为轴承故障特征频率的2-3倍）、中心频率为f0的带通滤波器对轴承的振动信号进行滤波，对滤波后的信号进行包络解调，再进行FFT变换，对得到的包络谱进行峭度计算，得到中心频率f0对应的包络谱峭度值；2）将中心频率f0平移一个步长（步长选择为轴承故障特征频率的1/10），计算新的中心频率对应的包络谱峭度值；3）重复步骤2，直到中心频率到达采样频率的1/2；4）以每一个中心频率与其对应的包络谱峭度值作图，得到本组轴承振动信号的包络谱峭度图，包络谱峭度图上峭度值最大时对应的中心频率即为滚动轴承的高频共振的中心频率。从而据此自适应的设计共振解调技术中的窄带带通滤波器。
参阅图4，图4是本发明中为验证自适应共振解调技术的有效性而设计的滚动轴承外圈故障引起的共振运动的仿真信号。仿真信号中轴承的外圈故障特征频率为200Hz，轴承的高频共振频率为4000Hz，添加了标准偏差为1的高斯白噪声。信号的采样频率为20kHz，采样长度为1秒钟。图4（a）为仿真信号的时域波形，图4（b）为仿真信号的频谱。
参阅图5，图5是本发明中对仿真信号进行分析时以各中心频率fi对应的包络谱峭度值画出的包络谱峭度图。在包络谱峭度图上可以很清晰的看出当中心频率为4000Hz时，包络谱峭度值最大，说明通过比较包络谱峭度值大小来识别出的轴承高频共振带的中心频率为4000Hz，这与仿真信号中设置的轴承高频共振频率一致，说明了本方法在识别轴承高频共振带上的有效性。
参阅图6，图6是以包络谱峭度值最大时对应的中心频率为窄带带通滤波器的中心频率对仿真信号进行共振解调分析得到的包络谱。采用自适应共振解调技术，以利用包络谱峭度法寻找到的高频共振带的中心频率（4000Hz）为窄带带通滤波器的中心频率，滤波器带宽设为轴承故障特征频率的3倍即600Hz，对仿真信号进行共振解调分析，得到的包络谱上如图6所示，在包络谱上可以清晰的看到200Hz轴承故障特征频率及其倍频，这与仿真信号中设置的轴承故障特征频率一致，说明了本发明中提到的自适应共振解调技术在轴承故障诊断中的有效性。
对本发明进行仿真及试验验证，无论是仿真信号还是实测信号，都不需要手动设置带通滤波器的参数，本发明可以根据滚动轴承振动信号的特征，自适应的设计合适的带通滤波器对振动信号进行包络解调，并且可以有效的诊断出滚动轴承的早期故障。
从试验结果中可以看到，针对滚动轴承的自适应共振解调技术通过利用包络谱峭度值的大小来识别轴承的高频共振带，进行自适应的设计窄带带通滤波器对振动信号的包络解调，由仿真结果可以看出，自适应共振解调技术可以根据振动信号的特征，自动选择合适的频带进行共振解调，解调效果理想，表明算法有效。仿真信号中识别出的高频共振频率与轴承的故障特征频率都与事先设置的一致，说明了本发明的有效性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。
Claims (6)
1.一种针对滚动轴承故障诊断的自适应共振解调方法，其特征在于：该共振解调方法利用测试系统和数据处理程序自适应设置窄带带通滤波器的中心频率，然后再进行包络解调；
所述自适应设置窄带带通滤波器的中心频率的步骤为：
首先利用测试系统测定滚动轴承的振动信号，然后利用数据处理程序计算振动信号在不同的窄带带通滤波器的中心频率下对应的包络谱峭度值，根据最大的包络谱峭度值识别包含故障特征的共振带的窄带带通滤波器的中心频率。
2.根据权利要求1所述一种针对滚动轴承故障诊断的自适应共振解调方法，其特征在于：所述测试系统包括加速度传感器、信号调理模块和信号采集程序，加速度传感器固定安装在滚动轴承的轴承座上，信号调理模块将加速度传感器输出的振动信号进行放大和低通滤波，信号采集程序采集和保存信号调理模块处理后的数据。
3.根据权利要求1所述一种针对滚动轴承故障诊断的自适应共振解调方法，其特征在于：所述数据处理程序对振动信号在不同的窄带带通滤波器的中心频率下进行包络解调分析，分别计算对应的包络谱峭度值，然后比较振动信号的包络谱峭度值，最大的包络谱峭度值对应的频带便是包含故障信息最多的共振带。
4.根据权利要求1所述一种针对滚动轴承故障诊断的自适应共振解调方法，其特征在于：所述根据最大的包络谱峭度值识别包含故障特征的共振带的窄带带通滤波器的中心频率，具体实现步骤如下：
利用窄带带通滤波器对滚动轴承的振动信号进行时域滤波；利用Hilbert解调法对滤波之后的信号进行包络解调，得到包含故障特征的信号；对包络解调得到的信号进行FFT变换，得到信号的包络谱；计算包络谱的峭度，得到窄带带通滤波器的中心频率对应的包络谱峭度值；窄带带通滤波器带宽不变，改变窄带带通滤波器的中心频率，得到不同的窄带带通滤波器的中心频率对应的包络谱峭度值；比较各包络谱峭度值的大小，包络谱峭度值的最大值对应的中心频率即为包含故障特征的共振带的窄带带通滤波器的中心频率。
5.根据权利要求4所述一种针对滚动轴承故障诊断的自适应共振解调方法，其特征在于：所述窄带带通滤波器的中心频率采用以下方式进行改变：中心频率每次改变时平移一个步长，直到中心频率达到加速度传感器采样频率的1/2。
6.根据权利要求5所述一种针对滚动轴承故障诊断的自适应共振解调方法，其特征在于：所述步长为轴承故障特征频率的1/10。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210429262.0A CN102928225B (zh) | 2012-10-31 | 2012-10-31 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210429262.0A CN102928225B (zh) | 2012-10-31 | 2012-10-31 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102928225A CN102928225A (zh) | 2013-02-13 |
| CN102928225B true CN102928225B (zh) | 2015-01-07 |
Family
ID=47643078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210429262.0A Active CN102928225B (zh) | 2012-10-31 | 2012-10-31 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102928225B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104111391B (zh) * | 2014-07-15 | 2017-04-26 | 西安交通大学 | 一种基于三相瞬时功率的电主轴故障监测诊断方法 |
| CN105784338B (zh) * | 2014-12-19 | 2018-06-29 | 安徽容知日新科技股份有限公司 | 旋转设备基础频率的高次谐波定位方法 |
| CN104880947B (zh) * | 2015-04-30 | 2016-08-17 | 中国人民解放军海军工程大学 | 一种机械主动隔振的多通道窄带控制算法 |
| CN106198070B (zh) * | 2016-06-28 | 2018-08-17 | 湖南科技大学 | 基于开关电容滤波的自动共振解调器 |
| CN106990800B (zh) * | 2017-02-21 | 2019-03-26 | 中国人民解放军海军工程大学 | 一种基于前置跨频带滤波器组结构的窄带自适应方法 |
| CN108507788A (zh) * | 2018-01-22 | 2018-09-07 | 内蒙古久和能源装备有限公司 | 一种滚动轴承故障程度判断方法 |
| CN109883705A (zh) * | 2019-03-25 | 2019-06-14 | 西安交通大学 | 电机滚动轴承局部点蚀故障诊断方法及其诊断系统 |
| CN110763464A (zh) * | 2019-09-23 | 2020-02-07 | 中国航空工业集团公司上海航空测控技术研究所 | 一种基于循环平稳分析的滚动轴承故障特征提取方法 |
| CN112597958B (zh) * | 2020-12-29 | 2023-04-07 | 哈工大机器人（合肥）国际创新研究院 | 一种滚动轴承故障自动识别方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS55151237A (en) * | 1979-05-16 | 1980-11-25 | Toshiba Corp | Detector for abnormality of bearing mechanism |
| CN1049285C (zh) * | 1990-10-15 | 2000-02-09 | 航空航天工业部第六○八研究所 | 多传感器共振解调故障检测技术 |
| JP3390087B2 (ja) * | 1994-05-27 | 2003-03-24 | 光洋精工株式会社 | 軸受の異常診断装置 |
| CN101620024B (zh) * | 2009-03-04 | 2011-09-07 | 唐德尧 | 一种机械故障冲击的共振解调检测方法 |
| CN101726413B (zh) * | 2009-12-18 | 2011-05-18 | 北京工业大学 | 通过综合分析对炼钢转炉耳轴轴承进行故障诊断的方法 |
-
2012
- 2012-10-31 CN CN201210429262.0A patent/CN102928225B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN102928225A (zh) | 2013-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102928225B (zh) | 一种针对滚动轴承故障诊断的自适应共振解调方法 | |
| CN107941510B (zh) | 基于等角度双重采样的滚动轴承故障特征的提取方法 | |
| CN107356432B (zh) | 基于频域窗经验小波共振解调的滚动轴承故障诊断方法 | |
| Cong et al. | Short-time matrix series based singular value decomposition for rolling bearing fault diagnosis | |
| Chen et al. | A demodulating approach based on local mean decomposition and its applications in mechanical fault diagnosis | |
| US20170108406A1 (en) | Method and data processing device for severity assessment of bearing defects using vibration energy | |
| CN103558029A (zh) | 一种发动机异响故障在线诊断系统和诊断方法 | |
| 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 | |
| CN109682601A (zh) | 一种变转速工况下滚动轴承的早期故障识别方法 | |
| CN104819766A (zh) | 基于谐噪比的包络解调频带确定方法 | |
| CN110160765A (zh) | 一种基于声音或振动信号的冲击特征识别方法及系统 | |
| CN103499445A (zh) | 一种基于时频切片分析的滚动轴承故障诊断方法 | |
| CN102778356B (zh) | 增强随机共振系统以及基于该系统的机械故障诊断方法 | |
| Chen et al. | Optimal frequency band selection using blind and targeted features for spectral coherence-based bearing diagnostics: A comparative study | |
| Yan et al. | A feature selection framework-based multiscale morphological analysis algorithm for fault diagnosis of rolling element bearing | |
| CN108151869B (zh) | 一种机械振动特征指标提取方法、系统及装置 | |
| CN109932179A (zh) | 一种基于ds自适应谱重构的滚动轴承故障检测方法 | |
| CN208537479U (zh) | 一种基于声发射检测的滚动轴承故障诊断装置 | |
| CN109030849A (zh) | 压缩机旋转失速的监测方法及装置 | |
| CN110259648A (zh) | 一种基于优化K-means聚类的风机叶片故障诊断方法 | |
| CN105092249A (zh) | 基于Gabor滤波器的滚动轴承故障诊断方法 | |
| CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
| 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 | |
| CN113188797B (zh) | 一种基于传声器阵列的轴承故障诊断方法 | |
| Jiang et al. | Differential spectral amplitude modulation and its applications in rolling bearing fault diagnosis |
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 |