CN104792528A - 一种自适应最优包络解调方法 - Google Patents

Abstract

本发明公开一种自适应最优包络解调方法，具特征在于，包括如下步骤：采集轴承故障振动加速度信号；对信号进行改进的谐波小波包变换；绘制融合能量指标的改进的谐波小波包峭度图；在峭度图中依谱峭度最大提取最优频带；对最优频带小波系数取模得其包络，并对包络进行FFT变换得包络谱；对包络谱进行细化，从细化包络谱中确定轴承的故障类型。本发明涉及对现有技术两方面的改进：一方面是先改进常规的谐波小波包变换，使之更加精确地划分频带，然后将改进后的谐波小波包变换与峭度图结合，形成改进的谐波小波包峭度图，增强了峭度图检测微弱瞬态故障冲击的能力，提高其应用效果；另一方面是在峭度图中融入能量信息，提高峭度图的鲁棒性。

Description

一种自适应最优包络解调方法

技术领域

本发明属于旋转机械故障诊断领域，特别地，涉及一种自适应最优包络解调方法，非常适合于滚动轴承的特征提取与故障诊断。

背景技术

滚动轴承作为火炮、坦克、直升机、舰艇等武器装备的机械传动系统核心零部件之一，其性能的好坏直接影响着武器装备的可靠性和安全性。由于长期连续工作在高载荷、高转速、高冲击以及变工况下，滚动轴承极其容易损坏和发生故障。因此，研究滚动轴承的特征提取与故障诊断方法，有效地提取故障特征信息并准确识别其当前状态，对避免重大事故的发生，保持武器装备战备完好性，具有非常重大的意义。

当滚动轴承的元件表面存在损伤时，轴承运转过程中由于损伤点会反复快速地撞击与之相接触的其它元件表面使轴承受到周期性的突变的冲击作用。由于冲击频带很宽，必然包含了轴承系统某阶固有频率，从而激起轴承系统的高频固有振动。这种高频固有振动的幅值将受到脉冲激振力产生频率即故障特征频率的调制，从而使轴承的最终振动在时域内表现为复杂的幅值调制波，在频域内会出现以固有频率为中心，以故障特征频率为间隔的调制边频。从振动信号中提取调制信息，分析其强度和频率就可以判断轴承损伤的程度和部位，因此包络解调成为轴承故障诊断的一种极为重要方法。然而，轴承故障冲击信号常常淹没于强背景噪声和其他零部件的振动中，信号整体包络解调无法得出有效的调制信息，因此必须先对信号进行带通滤波以提取出含有丰富故障信息的频段后再进行包络解调。但是传统包络解调中带通滤波的实现需要人为选择滤波中心频率与带宽，由于事先无法准确定位系统固有频率所在频段，因此传统包络解调很难准确地提取出隐含丰富故障信息的频段进行解调分析，从而很难提取出准确的故障信息。

为自适应地提取隐含最为丰富故障信息的频带(即最优频带)，实现对故障信号的最优包络解调，近年来许多学者在此方面进行了大量研究，提出了基于峭度图的最优频带选择方法。传统的峭度图存在以下两类缺陷：1)传统的峭度图中所使用的滤波器频率特性均不够理想，必然会影响对信号的滤波效果，因而也就影响对谱峭度的估计，从而约束峭度图检测隐藏在强背景噪声下的微弱瞬态故障冲击的能力，限制了峭度图的应用效果；2)传统的峭度图均是仅根据谱峭度提取最优频带。由于谱峭度的本身属性，时常会出现失效情况，其提取的最优频带常常并非真实的最优频带，有时提取的最优频带甚至是没有故障信息或含有很少故障信息的频带。

发明内容

本发明的目的在于克服上述传统峭度图的不足，提供一种效果更好、鲁棒性更佳的自适应最优包络解调方法。本发明能自适应地实现对轴承故障信号的最优包络解调，有效地提取隐藏在强背景噪声中的微弱故障冲击特征，消除了传统包络解调需要人为设定带通滤波器参数的不足，增强了峭度图检测微弱瞬态故障冲击的能力，克服了其容易失效的缺陷，为滚动轴承故障诊断提供了一种强有力的诊断方法，具有一定实用价值。

本发明的思路是：1)谐波小波包具有极好的“盒形”频谱，可相当有效地提取微弱特征信号，因此将谐波小波包与峭度图结合，可以增强峭度图检测微弱瞬态故障冲击的能力，提高其应用效果。但是传统的谐波小波包对频带的划分是按二进方式划分频带的，这在工程应用上有时会显得分辨率不足。因此，本发明先改进传统的谐波小波包变换，使之更加精确地划分频带，然后再将峭度图与改进的谐波小波包结合，以此提高其应用效果。2)峭度图仅仅根据频带的谱峭度最大来确定最优频带，失效情况经常发生，其根本原因在于：a)谱峭度对少数幅值相对较大的异常值，因此若某频带的小波系数中由于滤波等原因以致出现少数幅值相对较大的异常值，则该频带的谱峭度会急剧上升并可能超过最优频带的谱峭度；b)由于谱峭度随冲击的频率减少反而增加，因此若某频带中没有提取到全部故障冲击，而是只提取了其中部分故障冲击，这相当于降低冲击的频率，所以其谱峭度反而会比提取到全部故障冲击的最优频带的谱峭度大。由于最优频带一定在共振带上，而且共振使得共振带的能量急剧增加，因此根据能量信息可以选出中心频率在共振带上的频带，再依据谱峭度最大的原则，就能从这些频带中进一步地甄选出最优频带。所以，将能量融合到峭度图中，能克服峭度图经常失效的缺陷，提高其鲁棒性。

本发明是通过以下技术方案实现的，一种自适应最优包络解调方法，其特征在于，包括以下步骤：

(1)采集故障轴承振动加速度信号；

(2)对采集信号进行改进的谐波小波包变换；

(3)绘制融合能量指标的改进的谐波小波包峭度图；

(4)在步骤(3)得到的峭度图中依谱峭度最大提取最优频带；

(5)对最优频带小波系数取模得其包络，并对包络进行FFT变换得包络谱；

(6)对包络谱进行细化，根据细化包络谱的频率成分判断轴承的故障类型。

所述步骤2，对谐波小波包变换进行改进，包括如下步骤：

(2.1)对信号进行J层传统的谐波小波包变换；

(2.2)再对得到第j层各个子带用广义谐波小波分解成三个等带宽的子带；

(2.3)由于将传统的谐波小波包变换第j层各个子带分解成三个等带宽的子带后共可得到3×2^j≈2^(j+1)+06个子带，因此可以把这些子带插入到传统的谐波小波包变换第j+1层和第j+2层之间，并称为第(j+1).6层，同时该层的子带可记为这就形成改进的谐波小波包变换。

所述步骤3，绘制融合能量指标的改进的谐波小波包峭度图，包括如下步骤：

(3.1)按下式计算第j层、第s个子带能量相对于第j层所有子带能量总和的归一化能量γ(j，s)；

其中为第j层、第s个子带小波系数，N为各子带系数的长度。

(3.2)再根据实测振动信号的特点，设定一阈值λ，按下式计算各子带的谱峭度：

其中为第j层、第s个子带估计出的谱峭度。

(3.3)将(3.2)中得到的各子带谱峭度绘制到分解层数与子带中心频率表示的二维平面，得到融合能量指标的改进的谐波小波包峭度图。

本发明与现有技术相比，其具有以下优势：

(1)本发明改进传统的谐波小波包变换，使之更加精确地划分频带，然后将改进后的谐波小波包变换与峭度图结合，形成改进的谐波小波包峭度图，增强了峭度图检测微弱瞬态故障冲击的能力，提高其应用效果；

(2)本发明在峭度图中融入能量信息，克服了峭度图容易失效的缺陷，提高其鲁棒性。

附图说明

图1本发明方法基本流程图

图2外圈故障信号及其频谱

图3改进的谐波小波包频带划分图

图4融合能量指标的改进的谐波小波包峭度图(外圈)

图5融合能量指标的改进的谐波小波包峭度图提取的最优频带(外圈)

图6融合能量指标的改进的谐波小波包峭度图提取的最优频带细化包络谱(外圈)

图7未融合能量指标的改进的谐波小波包峭度图(外圈)

图8未融合能量指标的改进的谐波小波包峭度图提取的最优频带(外圈)

图9未融合能量指标的改进的谐波小波包峭度图提取的最优频带细化包络谱(外圈)

图10内圈故障信号及其频谱

图11融合能量指标的改进的谐波小波包峭度图(内圈)

图12融合能量指标的改进的谐波小波包峭度图提取的最优频带(内圈)

图13融合能量指标的改进的谐波小波包峭度图提取的最优频带细化包络谱(内圈)

图14未融合能量指标的改进的谐波小波包峭度图(内圈)

图15未融合能量指标的改进的谐波小波包峭度图提取的最优频带(内圈)

图16未融合能量指标的改进的谐波小波包峭度图提取的最优频带细化包络谱(内圈)

具体实施方式

下面结合附图和实施例对本发明作进一步描述。本发明的范围不受这些实施例的限制。

我们用MATLAB实现了本发明提出的方法。

实施例1：

本实例用轴承外圈故障信号验证如图1所示的本发明方法进行滚动轴承故障诊断的正确性，步骤如下：

第一步，采集故障轴承振动加速度信号。图2为一个有外圈故障的6205-2RS深沟球轴承振动加速度的时域波形图及其频谱。该振动加速度信号由安装在轴承座上的加速度传感器测量。该轴承几何参数为：节径39.04mm，滚动体直径7.94mm，滚动体个数9个，接触角0°。实验时设置轴的转频为29Hz，采样频率为12kHz，采样长度为2048点。依据上述参数计算出轴承外圈故障特征频率为103Hz。

第二步，对采集信号进行改进的谐波小波包变换，包括如下步骤：

(2.1)首先对信号进行5层(即J＝5)传统的谐波小波包变换；

(2.2)再对得到第j层各个子带用谐波小波分解成三个等带宽的子带；

(2.3)由于将传统的谐波小波包变换第j层各个子带分解成三个等带宽的子带后共可得到3×2^j≈2^(j+1)+0.6个子带，因此可以把这些子带插入到二进划分的谐波小波包变换第j+1层和第j+2层之间，并称为第(j+1).6层，同时该层的子带可记为这就形成对采样信号的改进的谐波小波包变换，其频带划分图如图3所示；

第三步，绘制信号融合能量指标的改进的谐波小波包峭度图，包括如下步骤：

(3.1)按下式计算第j层、第s个子带能量相对于第j层所有子带能量总和的归一化能量γ(j，s)；

其中为第j层、第s个子带小波系数，N＝2048为各子带系数的长度。

(3.2)设定一阈值λ＝0.1，按下式计算各子带的谱峭度：

其中为第j层、第s个子带估计出的谱峭度。

(3.3)将(3.2)中得到的各子带谱峭度绘制到分解层数与子带中心频率表示的二维平面，得到融合能量指标的改进的谐波小波包峭度图，如图4所示。

第四步，在图4中依谱峭度最大提取最优频带。由图4可知，第2.6层第4个频带谱峭度最大，因此最优频带为第2.6层第4个频带，其频率范围为3kHz-4kHz，中心频率为3.5kHz。由图2中的频谱可知，外圈故障信号共振带范围为2.5kHz-4kHz，因此本发明提取的最优频带在共振带上，所以其提取的最优频带是真实的最优频带。本发明提取的最优频带小波系数及其频谱如图5所示。由图5可知，本发明提取的最优频带将主要共振带从含有强噪声的原始信号频谱中完美剥离出来，因此最优频带小波系数出现了非常明显的等间隔故障冲击，其冲击间隔为9.7ms，即对应于外圈故障特征频率103Hz。

第五步，对最优频带小波系数取模得其包络，并对包络进行FFT变换得包络谱；

第六步，对包络谱进行细化，得细化包络谱，如图6所示。图6在外圈故障特征频率103Hz及其二、三倍频处均明显出现谱峰，这正是外圈出现故障的包络谱特征。至此，本发明已实现对轴承外圈故障信号的自适应最优包络解调，有效地提取到了隐藏在强背景噪声中的微弱外圈故障冲击特征。

为说明峭度图中融入能量信息能提高峭度图的鲁棒性，这里给出外圈故障信号未融入能量信息的改进的谐波小波包峭度图，如图7所示。由图7可知，图中第4.6层第17个频带谱峭度最大，因此未融入能量信息的改进的谐波小波包峭度图提取的最优频带为第4.6层第17个频带，其频率范围为4kHz-4.25kHz，中心频率为4.125kHz。由于该频带并不在主要共振带范围内，因此该频带不是真实的最优频带，所以此时未融入能量信息的改进的谐波小波包峭度图发生失效，未能提取到真实的最优频带。图8为第4.6层第17个频带时域信号及其频谱。由图8知，该图仅提取到少数冲击，造成其谱峭度上升并超过真实最优频带的谱峭度，因此造成了峭度图的失效。图9为第4.6层第17个频带的细化包络谱。由图9可知，该图中在外圈故障特征频率103Hz及其频处均没有出现明显谱峰，所以未融入能量信息的改进的谐波小波包峭度图未能有效地提取到隐藏在强背景噪声中的微弱外圈故障特征。因此，在峭度图中融入能量信息，能克服峭度图容易失效的缺陷，提高峭度图的鲁棒性。

实施例2：

本实例用轴承内圈故障信号验证如图1所示的本发明方法进行滚动轴承故障诊断的正确性，步骤如下：

第一步，采集故障轴承振动加速度信号，如图10所示。图10为一个有内圈故障的6205-2RS深沟球轴承振动加速度的时域波形图。该振动加速度信号由安装在轴承座上的加速度传感器测量。该轴承几何参数为：节径39.04mm，滚动体直径7.94mm，滚动体个数9个，接触角0°。实验时设置轴的转频为29Hz，采样频率为48kHz，采样长度为8192点。依据上述参数计算出轴承内圈故障特征频率为155Hz。

第二步，对采集信号进行改进的谐波小波包变换，包括如下步骤：

(2.1)首先对信号进行5层(即J＝5)传统的谐波小波包变换；

(2.2)再对得到第j层各个子带用谐波小波分解成三个等带宽的子带；

(2.3)由于将二进划分的谐波小波包变换第j层各个子带分解成三个等带宽的子带后共可得到3×2^j≈2^(j+1)+06个子带，因此可以把这些子带插入到二进划分的谐波小波包变换第j+1层和第j+2层之间，并称为第(j+1).6层，同时该层的子带可记为这就形成对采样信号的改进的谐波小波包变换；

第三步，绘制信号融合能量指标的改进的谐波小波包峭度图，包括如下步骤：

(3.1)按下式计算第j层、第s个子带能量相对于第j层所有子带能量总和的归一化能量γ(j，s)：

其中为第j层、第s个子带小波系数，N＝8192为各子带系数的长度。

(3.2)设定一阈值λ＝0.1，按下式计算各子带的谱峭度：

其中为第j层、第s个子带估计出的谱峭度。

(3.3)将(3.2)中得到的各子带谱峭度绘制到分解层数与子带中心频率表示的二维平面，得到融合能量指标的改进的谐波小波包峭度图11，如图11所示。

第四步，在图11中依谱峭度最大提取最优频带。由图11知，第4层第3个频带谱峭度最大，因此最优频带为第4层第3个频带，其频率范围为3kHz-4.5kHz，中心频率为3.75kHz。由图10中的频谱可知，内圈故障信号共振带范围为2.5kHz-5kHz，因此本发明提取的最优频带在共振带上，所以其提取的最优频带是真实的最优频带。本发明提取的最优频带小波系数及其频谱如图12所示。由图12可知，本发明提取的最优频带将主要共振带从含有强噪声的原始信号频谱中完美剥离出来，因此最优频带小波系数出现了非常明显的等间隔故障冲击，其冲击间隔为0.0065s，即对应于内圈故障特征频率155Hz。

第五步，对最优频带小波系数取模得其包络，并对包络进行FFT变换得包络谱；

第六步，对包络谱进行细化，得细化包络谱，如图13所示。图13在内圈故障特征频率155Hz及其二倍频处均明显出现谱峰，并在155Hz两侧出现间隔为转频29Hz的边频带，这正是内圈出现故障的包络谱特征。至此，本发明已实现对轴承内圈故障信号的自适应最优包络解调，有效地提取到了隐藏在强背景噪声中的微弱内圈故障冲击特征。

为说明峭度图中融入能量信息能提高峭度图的鲁棒性，这里给出内圈故障信号未融入能量信息的改进的谐波小波包峭度图，如图14所示。由图14可知，图14中第4.6层第11个频带谱峭度最大，因此未融入能量信息的改进的谐波小波包峭度图提取的最优频带为第4.6层第11个频带，其频率范围为10kHz-11kHz，中心频率为10.5kHz。由于该频带并不在主要共振带范围内，因此该频带不是真实的最优频带，所以此时未融入能量信息的改进的谐波小波包峭度图同样发生失效，未能提取到真实的最优频带。图15为第4.6层第11个频带时域信号及其频谱。由图15知，第4.6层第11个频带中故障冲击特征明显没有第4层第3个频带中的清晰，其仅提取到少数冲击，造成其谱峭度上升并超过真实最优频带的谱峭度，因此造成了峭度图的失效。图16为第4.6层第11个频带的细化包络谱。由图16可知，该图中在内圈故障特征频率155Hz及其频处的峰值明显没有图13的清晰，通过该图难以确定内圈是否存在故障，所以未融入能量信息的改进的谐波小波包峭度图同样未能有效地提取到隐藏在强背景噪声中的微弱内圈故障特征。因此，在峭度图中融入能量信息，能克服峭度图容易失效的缺陷，提高峭度图的鲁棒性。

通过以上两个实例可知，本发明可以根据信号特点，自适应地提取最优频带，实现对轴承故障信号的最优包络解调，有效地提取隐藏在强背景噪声中的微弱故障冲击特征，消除了传统包络解调需要人为设定带通滤波器参数的不足。另外，由于本发明将滤波性能完美的谐波小波变换与峭度图融合，因此本发明相比于现有峭度图，具有更强的微弱瞬态故障冲击检测能力；由于本发明在峭度图中融入能量信息，因此本发明克服了峭度图容易失效的缺陷，提高了峭度图的鲁棒性。总之，本发明为滚动轴承故障诊断提供了一种强有力的诊断方法，具有一定实用价值。

以上内容是结合具体的实施方式对本发明的进一步详细说明，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的专利保护范围。

Claims (3)

1.一种自适应最优包络解调方法，其特征在于，包括以下步骤： 

(1)采集实际轴承故障振动加速度信号； 

(2)对信号进行改进的谐波小波包变换； 

(3)绘制融合能量指标的改进的谐波小波包峭度图； 

(4)在步骤(3)得到的峭度图中依谱峭度最大提取最优频带； 

(5)对最优频带小波系数取模得其包络，并对包络进行FFT变换得包络谱； 

(6)对包络谱进行细化，根据细化包络谱的频率成分判断轴承的故障类型。 

2.根据权利要求1所述的一种自适应最优包络解调的轴承故障诊断方法，其特征在于：所述步骤2，对信号进行改进的谐波小波包变换，包括如下步骤： 

(2.1)对信号进行J层传统的谐波小波包变换； 

(2.2)再对得到第j层各个子带用广义谐波小波分解成三个等带宽的子带； 

(2.3)由于将传统的谐波小波包变换第j层各个子带分解成三个等带宽的子带后共可得到3×2^j≈(^j+1)+0.6个子带，因此可以把这些子带插入到传统的谐波小波包变换第j+1层和第j+2层之间，并称为第(j+1).6层，同时该层的子带可记为这就形成改进的谐波小波包变换。 

3.根据权利要求1所述的一种自适应最优包络解调的轴承故障诊断方法，其特征在于：所述步骤3，绘制融合能量指标的改进的谐波小波包峭度图，包括如下步骤： 

(3.1)按下式计算第j层、第s个子带能量相对于第j层所有子带能量总和的归一化能量γ(j，s)； 

其中为第j层、第s个子带小波系数，N为各子带系数的长度。 

(3.2)再根据实测振动信号的特点，设定一阈值λ，按下式计算各子带的谱峭度： 

其中为第j层、第s个子带估计出的谱峭度。 

(3.3)将(3.2)中得到的各子带谱峭度绘制到分解层数与子带中心频率表示的二维平面，即得到融合能量指标的改进的谐波小波包峭度图。