CN104819766B - 基于谐噪比的包络解调频带确定方法 - Google Patents

基于谐噪比的包络解调频带确定方法 Download PDF

Info

Publication number
CN104819766B
CN104819766B CN201510243661.1A CN201510243661A CN104819766B CN 104819766 B CN104819766 B CN 104819766B CN 201510243661 A CN201510243661 A CN 201510243661A CN 104819766 B CN104819766 B CN 104819766B
Authority
CN
China
Prior art keywords
signal
envelope
uproar
frequency band
humorous
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
CN201510243661.1A
Other languages
English (en)
Other versions
CN104819766A (zh
Inventor
林京
徐晓强
赵明
雷亚国
王琇峰
廖与禾
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN201510243661.1A priority Critical patent/CN104819766B/zh
Publication of CN104819766A publication Critical patent/CN104819766A/zh
Application granted granted Critical
Publication of CN104819766B publication Critical patent/CN104819766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

基于谐噪比的包络解调频带确定方法，先将振动加速度传感器吸附于对被测试滚动轴承的轴承座上或将声级计安装于靠近轴承座上方的位置，对信号进行采集，通过构建树状滤波器组，对原始信号进行带通滤波，然后通过希尔伯特变换得到信号的包络，再利用对数频谱估计包络信号谐噪比将其大小作为频带故障特征是否显著的指标，最后将谐噪比最大的频带作为最优包络解调频带进行包络谱分析，确定故障的发生和类型，本发明充分利用了故障引起冲击的周期性，将包络的谐噪比作为衡量故障的指标，克服了传统峭度指标的缺点，方法具有鲁棒性，可以自适应地提取最优滤波频带，有利于实现滚动轴承故障特征自适应提取和诊断监测的自动化。

Description

基于谐噪比的包络解调频带确定方法
技术领域
本发明涉及滚动轴承故障诊断技术领域，特别涉及基于谐噪比的包络解调频带确定方法。
背景技术
滚动轴承是一种应用最广泛的通用机械部件，它的健康状况直接影响整机设备的运行质量，对滚动轴承进行健康监测和故障诊断具有重要意义。包络解调分析是一种有效提取滚动轴承引起的周期性冲击的方法，通过对轴承振动或辐射噪声进行带通滤波、希尔伯特包络解调，根据包络谱中轴承的故障特征频率即可判断轴承是否发生故障以及故障类型。
带通滤波器的频带选择是整个包络解调方法的关键。传统的谱峭度方法将滤波后信号的峭度值大小来衡量滤波结果的好坏，将峭度值最大的频带作为最优滤波频带，这种方法对大的干扰周期冲击敏感，且在故障冲击较为密集的情况下容易失效。在实际应用中，谱峭度确定的频带有可能只包含少数大的外界干扰冲击而不是故障引起的周期性冲击，从而使包络解调方法失效。谱峭度方法只关注故障引起的冲击能量大小和分布的稀疏性而忽略了冲击的周期性，而冲击包络的周期性才是轴承故障的真实表征。
专利申请号为201410140890.6的专利为解决高峰值脉冲干扰带来的包络解调频带选取不准确的问题,提出以子频带谱峭度平均的方法来优化滤波频带的选取，但其方法也没有克服峭度值会随着冲击密集程度增加反而会下降的缺点。
专利申请号为201410577135.4的专利在谱峭度的基础上通过设置带通滤波后信号包络的周期性阈值，将低于阈值的频带的峭度值置零从而抑制非周期冲击的干扰，但该方法最后还是采用的峭度值作为诊断指标，也没有克服峭度值会随着冲击密集程度增加反而会下降的缺点。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供基于谐噪比的包络解调频带确定方法，将滤波后包络的谐波噪声比(the harmonic-to-noise ratio)作为衡量带通滤波结果的好坏的标准，实现轴承故障特征更为有效的提取。
为了达到上述目的，本发明采取的技术方案为：
基于谐噪比的包络解调频带确定方法，包括以下步骤：
步骤一，将振动加速度传感器吸附于对被测试滚动轴承的轴承座上或将声级计安装于靠近轴承座上方的位置，对信号进行高频采样和抗混叠处理，将信号记为x(t)；
步骤二，构建树状滤波器组，对信号x(t)进行带通滤波得到一系列的滤波信号Xi,j(t)，Xi,j(t)由滤波器组中对应的第i行第j列的有限脉冲响应(finite impulse response,FIR)带通滤波器滤波得到；
步骤三，通过希尔伯特(Hilbert)变换得到信号Xi,j(t)的包络并作去均值处理得到ei,j(t)；
步骤四，计算包络信号ei,j(t)的谐噪比，记为HNRi,j，通过对数频谱(spectrum ona logarithmic scale)计算得到；
步骤五，将谐噪比HNRi,j最大值所对应的频带确定为最优滤波频带；
步骤六，包络谱分析，与滚动轴承存在的故障类型所对应的故障特征频率对比，确定滚动轴承是否存在故障和故障类型。
所述的步骤三中，先利用希尔伯特变换得到信号包络是让原信号产生一个90°的相移，从而与原信号构成一个解析信号，将解析信号的幅值作为原信号的包络。
所述的步骤四中，利用快速傅里叶变换(FFT)得到包络信号ei,j(t)频率分辨率为1Hz的对数频谱，通过100点的滑动平均得到信号的噪声水平，谱线和噪声水平之间的最大差值作为包络信号ei,j(t)的谐噪比HNRi,j。
本发明相比于现有技术，具有以下有益效果：
a)本发明提出将滤波信号包络的谐噪比大小作为表征故障强弱的指标，充分利用了故障冲击的周期性，旨在找到包含最多故障诊断信息量的频带，谐噪比是一种用于滚动轴承故障诊断的新指标。
b)本发明克服了传统谱峭度方法对非周期冲击干扰敏感和冲击密集后容易失效的缺点，具有鲁棒性。
c)本发明是一种自适应的最优包络解调频带确定方法，不需要先验知识，有利于实现滚动轴承故障特征自适应提取和诊断监测的自动化。
附图说明
图1为本发明实施例试验台结构示意图。
图2为本发明实施例滚动轴承内圈故障。
图3为本发明的流程图。
图4为本发明实施例的原始声音信号。
图5为本发明实施例的原始信号的包络谱。
图6为本发明构建的树状滤波器组。
图7为本发明实施例的某频带滤波后的信号Xi,j(t)。
图8为本发明实施例的某频带滤波信号Xi,j(t)的包络信号ei,j(t)。
图9为本发明实施例的某频带HNRi,j的计算。
图10为本发明实施例的包络解调频带确定方法。
图11为实施例的传统谱峭度的包络解调频带确定方法。
图12为本发明实施例得到的包络谱。
图13为实施例的传统谱峭度方法得到的包络谱。
具体实施方式
下面结合附图和实施例对本发明做详细描述。
以某车辆段的机车滚动轴承故障检测试验台为例，该滚动轴承试验台由驱动电机1、驱动轮2、被测试滚动轴承3、轮对4、滚动轴承5组成，如图1所示，驱动电机1带动驱动轮2转动，驱动轮2与被测试滚动轴承3的外圈接触并带动外圈旋转，滚动轴承5和轮对4固定不动。
具体参数如下：1)被测试滚动轴承3的接触角度：9°；2)被测试滚动轴承3的滚动体直径：23.775mm；3)被测试滚动轴承3的滚动体个数：20个；4)被测试滚动轴承3的节径为：180mm；5)被测试滚动轴承3故障类型为内圈剥落故障，如图2所示；6)声级计M安装在被测试滚动轴承3正上方约30cm处，传感器灵敏度为1.1V/Pa；7)被测试滚动轴承3的外圈转速为376rpm；8)测试系统对声音信号进行高频采样和数据存储，采样过程的频率为76800Hz，采样时间为5s。
对滚动轴承进行故障诊断，应用本发明对原始数据分析确定包络解调频带并和传统谱峭度方法进行对比。
如图3所示，基于谐噪比的包络解调频带确定方法，包括以下步骤：
步骤一，将声级计安装于被测滚动轴承3正上方30cm的位置，对声音信号进行高频采样和抗混叠处理，将信号记为x(t)，本实施例中原始声音信号如图4所示，原始信号的包络谱如图5所示，包络谱主要为电机转频的谐波，电机转频的10倍频接近内圈故障特征频率，但相差了1Hz，不能说明存在内圈故障；
步骤二，构建树状滤波器组，如图6所示，对信号x(t)进行带通滤波得到一系列的滤波信号Xi,j(t)，Xi,j(t)由滤波器组中对应的第i行第j列的有限脉冲响应(finiteimpulse response,FIR)带通滤波器滤波得到，作为示例，某一频带Xi,j(t)的滤波后信号如图7所示；
步骤三，通过希尔伯特(Hilbert)变换得到信号Xi,j(t)的包络并作去均值处理得到ei,j(t)，作为示例，步骤二中的滤波信号Xi,j(t)的去均值后的包络信号ei,j(t)如图8所示，
利用希尔伯特变换得到信号包络的原理是让原信号产生一个90°的相移，从而与原信号构成一个解析信号，将解析信号的幅值作为原信号的包络；
步骤四，计算包络信号ei,j(t)的谐噪比，记为HNRi,j，通过对数频谱(spectrum ona logarithmic scale)计算得到，作为示例，步骤三中包络信号的谐噪比HNRi,j计算如图9所示，
利用快速傅里叶变换(FFT)得到包络信号ei,j(t)频率分辨率为1Hz的对数频谱，通过100点的滑动平均得到信号的噪声水平，谱线和噪声水平之间的最大差值作为包络信号ei,j(t)的谐噪比HNRi,j；
步骤五，将谐噪比HNRi,j最大值所对应的频带确定为最优滤波频带，如图10所示，最优滤波带通选为9600Hz到12000Hz的频带；作为对比，如图11所示，传统谱峭度方法确定的滤波带通为33600Hz到34200Hz的频带；
步骤六，包络谱分析，与滚动轴承存在的故障类型所对应的故障特征频率对比，确定滚动轴承是否存在故障和故障类型，
基于谐噪比的包络解调频带确定方法得到的包络谱如图12所示,包络谱为内圈故障特征频率的谐波，与故障特征吻合，实现了对故障的准确诊断；而传统谱峭度方法确定的包络解调频带的包络谱如图13所示，未能发现内圈发生的故障。
本发明提出的基于谐噪比的包络解调频带确定方法克服了传统峭度指标的缺陷，提取出了故障特征信息，对故障进行了有效诊断，具有良好的鲁棒性。

Claims (3)

1.基于谐噪比的包络解调频带确定方法，其特征在于，包括以下步骤：
步骤一，将声级计安装于靠近轴承座上方的位置，对信号进行高频采样和抗混叠处理，将信号记为x(t)；
步骤二，构建树状滤波器组，对信号x(t)进行带通滤波得到一系列的滤波信号Xi,j(t)，Xi,j(t)由滤波器组中对应的第i行第j列的有限脉冲响应(finite impulse response,FIR)带通滤波器滤波得到；
步骤三，通过希尔伯特(Hilbert)变换得到信号Xi,j(t)的包络并作去均值处理得到ei,j(t)；
步骤四，计算包络信号ei,j(t)的谐噪比，记为HNRi,j，通过对数频谱(spectrum on alogarithmic scale)计算得到；
步骤五，将谐噪比HNRi,j最大值所对应的频带确定为最优滤波频带；
步骤六，包络谱分析，与滚动轴承存在的故障类型所对应的故障特征频率对比，确定滚动轴承是否存在故障和故障类型。
2.根据权利要求1所述的基于谐噪比的包络解调频带确定方法，其特征在于：所述的步骤三中，先利用希尔伯特变换得到信号包络是让原信号产生一个90°的相移，从而与原信号构成一个解析信号，将解析信号的幅值作为原信号的包络。
3.根据权利要求1所述的基于谐噪比的包络解调频带确定方法，其特征在于：所述的步骤四中，利用快速傅里叶变换(FFT)得到包络信号ei,j(t)频率分辨率为1Hz的对数频谱，通过100点的滑动平均得到信号的噪声水平，谱线和噪声水平之间的最大差值作为包络信号ei,j(t)的谐噪比HNRi,j。
CN201510243661.1A 2015-05-13 2015-05-13 基于谐噪比的包络解调频带确定方法 Active CN104819766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510243661.1A CN104819766B (zh) 2015-05-13 2015-05-13 基于谐噪比的包络解调频带确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510243661.1A CN104819766B (zh) 2015-05-13 2015-05-13 基于谐噪比的包络解调频带确定方法

Publications (2)

Publication Number Publication Date
CN104819766A CN104819766A (zh) 2015-08-05
CN104819766B true CN104819766B (zh) 2018-05-18

Family

ID=53730130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510243661.1A Active CN104819766B (zh) 2015-05-13 2015-05-13 基于谐噪比的包络解调频带确定方法

Country Status (1)

Country Link
CN (1) CN104819766B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109029977A (zh) * 2018-07-12 2018-12-18 福州大学 一种基于vmd-amckd的行星齿轮箱早期故障诊断方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105510032B (zh) * 2015-12-11 2017-12-26 西安交通大学 基于谐噪比指导的解卷积方法
CN105699082B (zh) * 2016-01-25 2018-01-05 西安交通大学 一种稀疏化的最大谐噪比解卷积方法
CN105738061B (zh) * 2016-02-19 2018-01-12 莆田学院 一种振动信号的图像分析方法
CN107063613A (zh) * 2016-11-23 2017-08-18 北京中元瑞讯科技有限公司 基于在线数据的水轮发电机组碰磨故障的分析诊断方法
CN107505135B (zh) * 2017-08-15 2020-05-01 河北建设集团卓诚路桥工程有限公司 一种滚动轴承复合故障提取方法及系统
FR3080450B1 (fr) * 2018-04-24 2020-03-20 Safran Procede et dispositif de surveillance d'un systeme a engrenages
CN109724802B (zh) * 2019-03-05 2020-07-10 西安交通大学 一种基于频谱图评价与优选的电机轴承微弱故障诊断方法
CN109975025B (zh) * 2019-04-29 2020-06-09 西安交通大学 基于自适应滤波解调的机车轮对轴承定量诊断方法
CN110108467B (zh) * 2019-05-20 2020-10-20 长沙理工大学 基于便携式移动设备的主动发声测速方法
CN110793622B (zh) * 2019-11-15 2021-10-15 北京天泽智云科技有限公司 一种振动数据电磁干扰的异常检测方法
CN113340598A (zh) * 2021-06-01 2021-09-03 西安交通大学 一种基于正则化稀疏模型的滚动轴承智能故障诊断方法
CN115481662A (zh) * 2022-09-19 2022-12-16 重庆忽米网络科技有限公司 一种旋转机械设备早期故障诊断方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4089055A (en) * 1975-03-14 1978-05-09 British Steel Corporation Electronic monitoring apparatus
CN103424258A (zh) * 2013-08-06 2013-12-04 昆明理工大学 一种滚动轴承的故障诊断方法
CN103499445A (zh) * 2013-09-28 2014-01-08 长安大学 一种基于时频切片分析的滚动轴承故障诊断方法
CN103940612A (zh) * 2014-04-10 2014-07-23 昆明理工大学 一种滚动轴承故障特征提取方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4089055A (en) * 1975-03-14 1978-05-09 British Steel Corporation Electronic monitoring apparatus
CN103424258A (zh) * 2013-08-06 2013-12-04 昆明理工大学 一种滚动轴承的故障诊断方法
CN103499445A (zh) * 2013-09-28 2014-01-08 长安大学 一种基于时频切片分析的滚动轴承故障诊断方法
CN103940612A (zh) * 2014-04-10 2014-07-23 昆明理工大学 一种滚动轴承故障特征提取方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于局域均值分解包络谱和SVM的滚动轴承故障诊断方法研究;李志农 等;《机械设计与制造》;20111130(第11期);170-172 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109029977A (zh) * 2018-07-12 2018-12-18 福州大学 一种基于vmd-amckd的行星齿轮箱早期故障诊断方法
CN109029977B (zh) * 2018-07-12 2019-12-31 福州大学 一种基于vmd-amckd的行星齿轮箱早期故障诊断方法

Also Published As

Publication number Publication date
CN104819766A (zh) 2015-08-05

Similar Documents

Publication Publication Date Title
CN104819766B (zh) 基于谐噪比的包络解调频带确定方法
US20230003881A1 (en) Methods and apparatus to measure and analyze vibration signatures
US9989439B2 (en) Method and data processing device for severity assessment of bearing defects using vibration energy
RU2470280C2 (ru) Способ обнаружения и автоматической идентификации повреждения подшипников качения
EP3049788B1 (en) Gear fault detection
CN103792000B (zh) 一种基于稀疏表示的信号中瞬态成分检测方法及装置
CN110987438B (zh) 水轮发电机变转速过程周期性振动冲击信号检测的方法
CN110816588B (zh) 一种机车车轮失圆检测方法、装置、设备及系统
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
CN112101174A (zh) 一种基于LOF-Kurtogram的机械故障诊断方法
CN109101768A (zh) 基于压缩感知的叶端定时传感器布局优化设计方法
CN102155988A (zh) 设备监诊方法
Chen et al. Compound fault identification of rolling element bearing based on adaptive resonant frequency band extraction
CN110108467B (zh) 基于便携式移动设备的主动发声测速方法
CN113375939A (zh) 基于svd和vmd的机械件故障诊断方法
CN108317052B (zh) 齿轮的损伤因子的检测方法及装置、风力发电机组
CN108195584A (zh) 一种基于准确度谱图的滚动轴承故障诊断方法
CN114739671A (zh) 一种基于改进广义s变换的轴承故障诊断方法
CN108414217B (zh) 齿轮箱噪音测试系统
Jiang et al. Rolling bearing quality evaluation based on a morphological filter and a Kolmogorov complexity measure
CN116499742A (zh) 一种基于集成学习的旋转机械故障监测方法
CN113822193A (zh) 一种基于窄带增强包络谱的滚动轴承故障诊断方法及系统
CN113686577A (zh) 一种基于快速非线性稀疏谱的轴承故障诊断方法
CN108627357B (zh) 一种采煤机截割载荷软测量方法
Chenxi et al. Intelligent identification of bearing faults using time domain features

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant