CN105424365A - 一种滚动轴承故障迁移轨迹可视化的方法 - Google Patents

Abstract

本发明涉及一种滚动轴承故障迁移轨迹可视化的方法，其步骤：获取滚动轴承内圈时序振动信号、外圈时序振动信号和滚动体时序振动信号；对滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号进行特征量提取，分别得到变异系数、偏度和峭度指标；获取不同时刻的状态矩阵；获取滚动轴承迁移矩阵；将各迁移矩阵第一列元素分别映射到空间坐标系后得到一个坐标点，第二列元素、第三列元素分别作映射到空间坐标系，得到第二列元素对应的坐标点以及第三列元素对应的坐标点；将第一列至第三列对应的坐标点均采用最小二乘法进行曲线拟合，形成滚动轴承内圈、外圈和滚动体的故障迁移曲线。本发明计算简单、计算量小，可以广泛在机械故障诊断领域中应用。

Description

一种滚动轴承故障迁移轨迹可视化的方法

技术领域

本发明涉及一种机械故障诊断方法，特别是关于一种滚动轴承故障迁移轨迹可视化的方法。

背景技术

滚动轴承是机械运行中一个复杂的系统，各个零部件之间存在相对运动，在设备运行情况下引起振动，这些振动对设备造成的细微影响不易察觉，长期积累下引起设备不同部位形成故障，故障原因不容易判断，以至于不能提前做到预防工作，导致轴承甚至是成套设备不能正常运转使用。传统机械设备中的滚动轴承监测设备，只有对轴承的监测作用，不能形成可视化的图形和数据，无法做到对故障点查找和排除。

发明内容

针对上述问题，本发明的目的是提供一种滚动轴承故障迁移轨迹可视化的方法，能直观有效地分析故障的变化规律，将故障的发展变化用图形方式表达出来，且计算简单、计算量小。

为实现上述目的，本发明采取以下技术方案：一种滚动轴承故障迁移轨迹可视化的方法，其特征在于包括以下步骤：1)在滚动轴承内圈不同位置加工出点蚀故障，并在滚动轴承内圈上安装三个振动传感器；三个振动传感器分别采集滚动轴承内圈、外圈以及滚动体的振动信号，进而获取三组滚动轴承内圈时序振动信号、外圈时序振动信号和滚动体时序振动信号；2)对滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号进行特征量提取，分别得到滚动轴承内圈、外圈及滚动体时序振动信号的变异系数、偏度和峭度指标；3)根据所述步骤2)得到的滚动轴承内圈、外圈及滚动体时序振动信号的变异系数、偏度和峭度指标，进而获取不同时刻的状态矩阵；4)根据所述步骤3)得到的滚动轴承状态矩阵获取滚动轴承迁移矩阵；5)将所述步骤4)中得到的滚动轴承各迁移矩阵第一列元素分别作为空间坐标系中X、Y、Z轴的数值，映射到空间坐标系后得到一个坐标点，共得到n-2个坐标点；同理，滚动轴承各迁移矩阵第二列元素、第三列元素分别作为空间坐标系中X、Y、Z轴的数值，映射到空间坐标系，得到第二列元素对应的n-2个坐标点以及第三列元素对应的n-2个坐标点；6)将第一列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承内圈故障迁移曲线；第二列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承外圈故障迁移曲线；第三列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承滚动体故障迁移曲线，实现将滚动轴承故障的发展变化用图形方式表达。

进一步，所述步骤2)中，所述滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号的特征量提取过程相同，所述滚动轴承内圈时序振动信号特征量提取过程为：在t₁、t₂、…、t_n时刻截取n个采样点作为数据段，其中n＝2048，计算每个数据段的变异系数std、偏度s和峭度指标C_q：

变异系数std为： $std=\sqrt{\frac{1}{n-1}{\mathrm{\Σ}}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2},$

式中，x_i为第i段数据段内的时序振动信号；为x_i的均值，

偏度s为：其中，μ表示期望，σ表示标准差；

峭度指标C_q为： $C_q=\frac{\frac{1}{n}\mathrm{\Σ}{\left(\right|x_i|-\stackrel{\‾}{x})}^4}{x_{rms}^4},$ 式中， $x_{rms}=\sqrt{\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{x_i}^2}.$

进一步，所述步骤3)中，所述状态矩阵获取方法如下：以t₁时刻下滚动轴承内圈、外圈及滚动体时序振动信号作为矩阵的行；以t₁时刻下滚动轴承内圈、外圈和滚动体的变异系数、偏度、峭度指标作为矩阵的列，组成3×3的状态矩阵S₁，代表t₁时刻下滚动轴承的状态；同理，得到状态矩阵S₂……S_n。

进一步，所述步骤4)中，滚动轴承由t₁时刻到t₂时刻的变化过程定义为滚动轴承的迁移矩阵m₁₂，即S₁m₁₂＝S₂，则m₁₂＝S₂/S₁；同理，得到迁移矩阵m₂₃、m₃₄、…m_(n-1)n。

本发明由于采取以上技术方案，其具有以下优点：1、本发明利用状态矩阵表示故障状态，并根据状态矩阵获取迁移矩阵，进而表示故障状态的迁移，将故障变化规律映射到矩阵的运算中，具有计算简单、计算量小的特点。2、本发明根据迁移矩阵的列向量作为空间坐标系的数值，并映射到空间坐标系得到坐标点，进而将得到的所有坐标点进行拟合构成滚动轴承内圈、外圈及滚动体的故障迁移曲线，将故障的发展变化用图形方式表达出来，可以直观地分析故障的变化规律。综上所述，本发明可以直观地分析故障的变化规律，提前采取有效措施，预防故障发生和减缓故障的劣化进程，可以广泛在机械故障诊断领域中应用。

附图说明

图1是本发明的整体流程示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明提供一种滚动轴承故障迁移轨迹可视化的方法，该方法用于将故障的发展变化采用图形方式表达出来，进而对滚动轴承故障实现迁移轨迹可视化，其包括以下步骤：

(1)在滚动轴承内圈不同位置加工出点蚀故障，并在滚动轴承内圈上安装三个振动传感器。三个振动传感器分别采集滚动轴承内圈、外圈以及滚动体的振动信号，进而获取三组滚动轴承内圈时序振动信号x_i(t)、外圈时序振动信号x_o(t)和滚动体时序振动信号x_r(t)。

(2)对滚动轴承内圈时序振动信号x_i(t)、外圈时序振动信号x_o(t)、滚动体时序振动信号x_r(t)进行特征量提取，三者特征量提取方法相同，以轴承内圈时序振动信号x_i(t)为例进行说明，其提取过程如下：

在t₁、t₂、…、t_n时刻截取n个采样点作为数据段，其中n＝2048，计算每个数据段的变异系数std、偏度s和峭度指标C_q：

变异系数std为： $std=\sqrt{\frac{1}{n-1}{\mathrm{\Σ}}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2},---\left(1\right)$

式中，x_i为第i段数据段内的时序振动信号；n＝2048；为x_i的均值， $\stackrel{\‾}{x}=\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{x}_i.$

偏度s为：

$s=\frac{E{(x-\mathrm{\μ})}^3}{{\mathrm{\σ}}^3}---\left(2\right)$

其中，μ表示期望，σ表示标准差。

峭度指标C_q为：

$C_q=\frac{\frac{1}{n}\mathrm{\Σ}{\left(\right|x_i|-\stackrel{\‾}{x})}^4}{x_{rms}^4}---\left(3\right)$

式中， $x_{rms}=\sqrt{\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{x_i}^2},n=2048.$

(3)根据步骤(2)得到的滚动轴承内圈、外圈及滚动体时序振动信号的变异系数、偏度和峭度指标，进而获取不同时刻的状态矩阵。

具体方法如下：以t₁时刻下滚动轴承内圈、外圈及滚动体时序振动信号作为矩阵的行；以t₁时刻下滚动轴承内圈、外圈和滚动体的变异系数、偏度、峭度指标作为矩阵的列，组成3×3的状态矩阵S₁，代表t₁t₁时刻下滚动轴承的状态。同理，得到状态矩阵S₂……S_n，其中n＝2048。

(4)根据步骤(3)得到的滚动轴承状态矩阵获取滚动轴承迁移矩阵，具体方法如下：

滚动轴承由t₁时刻到t₂时刻的变化过程定义为滚动轴承的迁移矩阵m₁₂，即S₁m₁₂＝S₂，则

m₁₂＝S₂/S₁(4)

同理，得到迁移矩阵m₂₃、m₃₄、…m_(n-1)n，其中n＝2048。

(5)将步骤(4)中得到的滚动轴承各迁移矩阵第一列元素分别作为空间坐标系中X、Y、Z轴的数值，映射到空间坐标系后得到一个坐标点，共得到n-2个坐标点；同理，滚动轴承各迁移矩阵第二列元素、第三列元素分别作为空间坐标系中X、Y、Z轴的数值，映射到空间坐标系，得到第二列元素对应的n-2个坐标点以及第三列元素对应的n-2个坐标点。

(6)将第一列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承内圈故障迁移曲线；第二列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承外圈故障迁移曲线；第三列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承滚动体故障迁移曲线。实现了将滚动轴承故障的发展变化用图形方式表达出来，进而可以直观地分析故障的变化规律。

上述各实施例仅用于说明本发明，各部件的结构、尺寸、设置位置及形状都是可以有所变化的，在本发明技术方案的基础上，凡根据本发明原理对个别部件进行的改进和等同变换，均不应排除在本发明的保护范围之外。

Claims (5)

1.一种滚动轴承故障迁移轨迹可视化的方法，其特征在于包括以下步骤：

1)在滚动轴承内圈不同位置加工出点蚀故障，并在滚动轴承内圈上安装三个振动传感器；三个振动传感器分别采集滚动轴承内圈、外圈以及滚动体的振动信号，进而获取三组滚动轴承内圈时序振动信号、外圈时序振动信号和滚动体时序振动信号；

2)对滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号进行特征量提取，分别得到滚动轴承内圈、外圈及滚动体时序振动信号的变异系数、偏度和峭度指标；

3)根据所述步骤2)得到的滚动轴承内圈、外圈及滚动体时序振动信号的变异系数、偏度和峭度指标，进而获取不同时刻的状态矩阵；

4)根据所述步骤3)得到的滚动轴承状态矩阵获取滚动轴承迁移矩阵；

5)将所述步骤4)中得到的滚动轴承各迁移矩阵第一列元素分别作为空间坐标系中X、Y、Z轴的数值，映射到空间坐标系后得到一个坐标点，共得到n-2个坐标点；同理，滚动轴承各迁移矩阵第二列元素、第三列元素分别作为空间坐标系中X、Y、Z轴的数值，映射到空间坐标系，得到第二列元素对应的n-2个坐标点以及第三列元素对应的n-2个坐标点；

6)将第一列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承内圈故障迁移曲线；第二列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承外圈故障迁移曲线；第三列对应的n-2个坐标点采用最小二乘法进行曲线拟合，形成滚动轴承滚动体故障迁移曲线，实现将滚动轴承故障的发展变化用图形方式表达。

2.如权利要求1所述的一种滚动轴承故障迁移轨迹可视化的方法，其特征在于：所述步骤2)中，所述滚动轴承内圈时序振动信号、外圈时序振动信号、滚动体时序振动信号的特征量提取过程相同，所述滚动轴承内圈时序振动信号特征量提取过程为：在t₁、t₂、…、t_n时刻截取n个采样点作为数据段，其中n＝2048，计算每个数据段的变异系数std、偏度s和峭度指标C_q：

变异系数std为： $std=\sqrt{\frac{1}{n-1}{\mathrm{\Σ}}_{i=1}^n{(x_i-\stackrel{\‾}{x})}^2},$

式中，x_i为第i段数据段内的时序振动信号；为x_i的均值，

偏度s为：其中，μ表示期望，σ表示标准差；

峭度指标C_q为： $C_q=\frac{\frac{1}{n}\mathrm{\Σ}{\left(\right|x_i|-\stackrel{\‾}{x})}^4}{x_{rms}^4},$ 式中， $x_{rms}=\sqrt{\frac{1}{n}{\mathrm{\Σ}}_{i=1}^n{x_i}^2}.$

3.如权利要求1所述的一种滚动轴承故障迁移轨迹可视化的方法，其特征在于：所述步骤3)中，所述状态矩阵获取方法如下：以t₁时刻下滚动轴承内圈、外圈及滚动体时序振动信号作为矩阵的行；以t₁时刻下滚动轴承内圈、外圈和滚动体的变异系数、偏度、峭度指标作为矩阵的列，组成3×3的状态矩阵S₁，代表t₁时刻下滚动轴承的状态；同理，得到状态矩阵S₂……S_n。

4.如权利要求2所述的一种滚动轴承故障迁移轨迹可视化的方法，其特征在于：所述步骤3)中，所述状态矩阵获取方法如下：以t₁时刻下滚动轴承内圈、外圈及滚动体时序振动信号作为矩阵的行；以t₁时刻下滚动轴承内圈、外圈和滚动体的变异系数、偏度、峭度指标作为矩阵的列，组成3×3的状态矩阵S₁，代表t₁时刻下滚动轴承的状态；同理，得到状态矩阵S₂……S_n。

5.如权利要求1或2或3或4所述的一种滚动轴承故障迁移轨迹可视化的方法，其特征在于：所述步骤4)中，滚动轴承由t₁时刻到t₂时刻的变化过程定义为滚动轴承的迁移矩阵m₁₂，即S₁m₁₂＝S₂，则m₁₂＝S₂/S₁；同理，得到迁移矩阵m₂₃、m₃₄、…m_(n-1)n。