CN105043767A - 一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统 - Google Patents

Abstract

本发明涉及一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统，属于故障诊断技术与信号处理分析技术领域。本发明包括信号采集模块，信号处理模块，信号去噪模块，特征提取模块。本发明由于在对滚动球轴承外圈剥落故障双冲击特征进行提取的过程中，通过用AR模型对原始振动信号进行预白化处理，再根据信号的局部时变特性进行自适应的时频分解，使得原本较为复杂的信号变得易于有效提取双冲击特征，从而为实现滚动球轴承外圈剥落故障剥落区长度在运行工况下的测量奠定基础。

Description

一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统

技术领域

本发明涉及一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统，属于故障诊断技术与信号处理分析技术领域。

背景技术

集合经验模态分解(EEMD)是一种叠加高斯白噪声的多次经验模态分解(EMD)方法，其利用高斯白噪声具有频率均匀分布的统计特性，使加入噪声后的信号在不同尺度上具有连续性，可有效地解决由间歇性成分导致的模态混叠问题。

一个实值函数的希尔伯特变换(Hilberttransform)有如下定义：

$\hat{x}\left(t\right)=\frac{1}{n}{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}\frac{x\left(\mathrm{\τ}\right)}{t-\mathrm{\τ}}d\mathrm{\τ}$

式中：x(τ)为实信号；π为圆周率；

基于Hilbert变换的包络提取法以信号本身作为实部，以信号的Hilbert变换作为虚部构建解析信号，有如下定义：

$\tilde{x}\left(t\right)=x\left(t\right)+j\hat{x}\left(t\right)$

式中:为解析信号；为x(t)的Hilbert变换；x(t)为实信号；

其解析信号的幅值即为信号的包络，有如下定义：

$y\left(t\right)=\left|\tilde{x}\left(t\right)\right|=\sqrt{{\[x\left(t\right)\]}^2+{\[\hat{x}\left(t\right)\]}^2}$

式中：y(t)为信号包络；

本发明所提出的方法通过对滚动球轴承外圈剥落故障双冲击特征的提取，为实现对具有外圈剥落故障的滚动球轴承在运行工况下双冲击特征的提取提供了一种较为可取的方法与系统，为实现滚动球轴承外圈剥落故障剥落区长度在运行工况下的测量奠定基础。

发明内容

本发明提供了一种滚动球轴承外圈剥落故障双冲击特征提取方法及系统，以EEMD分解的方法，获取降噪后的振动信号，实现了对故障信号的包络分析中的双冲击特征的准确提取，解决了传统滚动球轴承外圈剥落故障双冲击特征在运行工况下难以提取的问题。

本发明的技术方案是：一种滚动球轴承外圈剥落故障双冲击特征提取方法，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理(对所采集的滚动球轴承外圈剥落故障振动信号确定AR的阶次范围，并计算各阶次下的峭度值K，找出最大峭度值，以其对应的阶次作为AR模型最优阶次对信号按AR模型进行线性预测)；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

所述去除含噪比例较大的IMF分量具体为：

首先计算各IMF分量的能量密度与其平均周期的积P_j；

再计算系数 ${\mathrm{RP}}_j=\left|\frac{p_j-\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}{\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}\right|;$

最后保留第一个RP_j≥1及其之后的IMF分量；

式中：p_i、p_j分别为第i、j个IMF分量的能量密度与其平均周期的积。

一种滚动球轴承外圈剥落故障双冲击特征提取系统，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

本发明的有益效果是：

由于在对滚动球轴承外圈剥落故障双冲击特征进行提取的过程中，通过用AR模型对原始振动信号进行预白化处理，再根据信号的局部时变特性进行自适应的时频分解，使得原本较为复杂的信号变得易于有效提取双冲击特征，从而为实现滚动球轴承外圈剥落故障剥落区长度在运行工况下的测量奠定基础。

附图说明

图1为本发明的流程图；

图2为本发明中实测信号示意图：(a)原始信号；(b)预白化信号；(c)原始信号局部放大；(d)预白化信号局部放大；

图3为本发明中实测信号EEMD分解结果示意图；

图4为本发明Hilbert包络信号示意图：(a)重构信号；(b)包络信号；(c)重构信号局部放大；(d)包络信号局部放大；

图5为本发明的系统结构图。

具体实施方式

实施例1：如图1-5所示，一种滚动球轴承外圈剥落故障双冲击特征提取方法，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

所述去除含噪比例较大的IMF分量具体为：

首先计算各IMF分量的能量密度与其平均周期的积P_j；

再计算系数 ${\mathrm{RP}}_j=\left|\frac{p_j-\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}{\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}\right|;$

最后保留第一个RP_j≥1及其之后的IMF分量；

式中：p_i、p_j分别为第i、j个IMF分量的能量密度与其平均周期的积。

一种滚动球轴承外圈剥落故障双冲击特征提取系统，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

实施例2：如图1-5所示，一种滚动球轴承外圈剥落故障双冲击特征提取方法，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

具体参数如下：1)混合陶瓷球轴承，轴承型号为6205，其内径为25mm，外径为52mm，滚动体直径为7.938mm，滚动体数目为9，接触角为0°；2)外圈故障尺寸：0.5mm；轴转速586rpm；3)数据采集设备为NIUSB9215采集卡，采样频率为102.4kHz；4)采实施例中选用的传感器为压电传感器，将压电传感器设置于剥落故障轴承的轴承座上为后续步骤做准备。

A、将压电传感器(如PV系列传感器、IEPE/ICP加速度计等)固定在本实施例中的剥落故障轴承的轴承座上，开机后开始对故障剥落故障轴承进行采样，采集获得的原始振动信号波形如图2a所示。采用本专利所提出方法，先对原始测试振动信号进行预白化处理，得到的残余信号如图2b所示。对其进行局部放大后可以看到阶跃响应及脉冲响应特征得到明显的增强，结果如图2c和图2d所示。再对残余信号进行EEMD分解得到IMF分量，如图3所示(分解得到13个IMF，显示了前6个IMF)。

B、按照IMF分量的能量密度与其平均周期的积P_j的计算公式：

$p_j=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{\[A_j\left(i\right)\]}^2\×\frac{2N}{k_j}$

式中：N为各IMF的长度；A_j(i)为第j个IMF分量的振幅数组；k_j为第j个IMF的极值点总数；

以及系数RP_j的计算公式：

${\mathrm{RP}}_j=\left|\frac{p_j-\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}{\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}\right|$

式中：p_i、p_j分别为第i、j个IMF分量的能量密度与其平均周期的积；

计算得出各IMF分量的系数RP_j，如表1所示：

表1各IMF分量RP系数

IMF系列号(j)	1	2	3	4	5	6
							RP系数	0.3991	1	1.084	0.09223	8.197	6.501

由表1知第二个IMF分量的系数RP_j≥1，则将前面的第一个IMF分量作为噪声直接去除，然后将所有剩余的IMF分量进行重构，并计算剩余各IMF分量与重构后信号的互相关系数及峭度值，如表2所示：

表2剩余各IMF分量与重构信号互相关系数及其峭度值

IMF系列号(j)	2	3	4	5	6	7
							互相关系数	0.7166	0.5088	0.2671	0.2343	0.1937	0.1422
峭度值	99.37	70	22.11	16.15	5.637	1.976
							IMF系列号(j)	8	9	10	11	12	13
互相关系数	0.1059	0.01584	0.00428	0.001135	0.002202	0.002449
							峭度值	2.964	2.056	0.002757	0.4832	-1.232	0.8756

C、根据表2的结果，计算余下几个IMF分量的互相关系数均值，计算如下：

$E_{\mathrm{\ρ}}=\underset{j=2}{\overset{13}{\Σ}}{\mathrm{\ρ}}_j/12=0.1837$

式中：ρ_j表示第j个IMF分量与重构信号的互相关系数；

并且计算峭度值均值，计算如下：

$E_k=\underset{j=2}{\overset{13}{\Σ}}{K}_j/12=18.13$

式中：K_j表示第j个IMF分量与重构信号的峭度值；

然后，选取互相关系数和峭度值均大余均值的IMF2分量、IMF3分量和IMF4分量进行重构，得到的降噪信号如图4a所示，对重构信号进行Hilbert包络提取后所得波形如图4b所示，其中图4c、4d分别为图4a、4b的局部放大波形。从图4d中可以看出，故障信号经过EEMD降噪并进行包络处理后可以清晰的看出滚子进入和退出故障区时的双冲击特征，完成对滚动球轴承外圈剥落故障双冲击特征的分离提取。

一种滚动球轴承外圈剥落故障双冲击特征提取系统，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

实施例3：如图1-5所示，一种滚动球轴承外圈剥落故障双冲击特征提取方法，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

所述去除含噪比例较大的IMF分量具体为：

首先计算各IMF分量的能量密度与其平均周期的积P_j；

再计算系数 ${\mathrm{RP}}_j=\left|\frac{p_j-\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}{\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}\right|;$

最后保留第一个RP_j≥1及其之后的IMF分量；

式中：p_i、p_j分别为第i、j个IMF分量的能量密度与其平均周期的积。

实施例4：如图1-5所示，一种滚动球轴承外圈剥落故障双冲击特征提取方法，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

实施例5：如图1-5所示，一种滚动球轴承外圈剥落故障双冲击特征提取系统，包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (3)

1.一种滚动球轴承外圈剥落故障双冲击特征提取方法，其特征在于：包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。

2.根据权利要求1所述的滚动球轴承外圈剥落故障双冲击特征提取方法，其特征在于：所述去除含噪比例较大的IMF分量具体为：

首先计算各IMF分量的能量密度与其平均周期的积P_j；

再计算系数 ${\mathrm{RP}}_j=\left|\frac{p_j-\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}{\frac{1}{j}\underset{i=1}{\overset{j}{\Σ}}{p}_i}\right|;$

最后保留第一个RP_j≥1及其之后的IMF分量；

式中：p_i、p_j分别为第i、j个IMF分量的能量密度与其平均周期的积。

3.一种滚动球轴承外圈剥落故障双冲击特征提取系统，其特征在于：包括：

信号采集模块，用于通过加速度传感器获取滚动球轴承外圈剥落故障振动信号；

信号处理模块，用于对工况下的滚动球轴承外圈剥落故障振动信号进行预白化处理；

信号去噪模块，用于对信号处理模块中所得残余信号进行EEMD分解，得到一组从高频到低频的IMF，接着去除含噪比例较大的IMF分量，再对剩余的IMF分量进行重构，并计算各剩余的IMF分量与重构后信号的互相关系数及其峭度值，最后选取互相关系数及峭度值均大于均值的IMF进行重构，得到去噪后信号；

特征提取模块，用于对去噪后的信号采用Hilbert包络提取方法实现对滚动球轴承外圈剥落故障双冲击特征的分离提取。