CN108458875A - 一种回转窑托轮轴承的故障诊断方法 - Google Patents

Abstract

本发明提供了一种回转窑托轮轴承的故障诊断方法，包括：获取回转窑托轮轴承的振动信号；对振动信号进行经验模态分解，得到n个固有模态函数IMF分量；从n个固有模态函数IMF分量选取m个IMF分量组成初始向量矩阵；对初始向量矩阵进行奇异值分解，得到奇异值分解特征向量；对回转窑托轮轴承的故障特征矩阵进行希尔伯特Hilbert变换，得到振动信号的包络谱图；将包络谱图与回转窑托轮轴承正常运行状态下得到的参考包络图进行比对，以得到回转窑托轮轴承的故障类型和/或故障位置。本发明实现了快速、自动、准确诊断故障位置，并克服传统检测方式效率低下和位置不准确的缺陷，节约了诊断轴承故障的时间，提高了诊断精度。

Description

一种回转窑托轮轴承的故障诊断方法

技术领域

本发明涉及机械故障诊断技术领域，具体地，涉及一种回转窑托轮轴承的故障诊断方法。

背景技术

机械滚动轴承在冶金、交通等行业不断被广泛应用，其行业生产设备日趋大型化、集成化、高速化、自动化和智能化，由此而使得设备特别是关键设备在生产实践中的作用越来越大。滚动轴承作为红土镍矿回转窑转动的关键设备被大量应用于窑托轮装置中。在回转窑生产过程中，滚动托轮轴承的磨损、裂纹和断轴等故障会导致窑不能进行正常生产，严重时甚至引发意外事故，造成极大的经济与安全隐患。

除固定的外圈之外，滚动轴承中运动部件(包括内圈、保持架和滚动体)的局部损伤会造成振动激励源与传感器之间位置的相对变化，而且在轴和轴上多种零部件振动的影响作用下，信号中的干扰激励多，滚动轴承振动信号的成分比较复杂，因此，滚动轴承故障的特征微弱，不易提取。运行过程中，滚动轴承的工作表面损伤点反复撞击与之接触的其他元件表面而产生冲击振动，周期性冲击的重复频率即为滚动轴承元件故障特征频率。

由于回转窑的整体结构较为繁杂，且具有封闭性的特点，因此无法通过建立数学模型等精确的诊断方法检测故障，大多只能运用人工检测。但是，人工检测效率低，不能及时有效预防故障。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种回转窑托轮轴承的故障诊断方法。

根据本发明提供的一种回转窑托轮轴承的故障诊断方法，包括：

获取回转窑托轮轴承的振动信号；

对所述振动信号进行经验模态分解，得到n个固有模态函数IMF分量，其中n为大于1的自然数；

从所述n个固有模态函数IMF分量选取m个IMF分量组成初始向量矩阵，其中m为大于0且小于等于n的自然数；

对所述初始向量矩阵进行奇异值分解，得到奇异值分解特征向量；

对回转窑托轮轴承的故障特征矩阵进行希尔伯特Hilbert变换，得到所述振动信号的包络谱图；其中，所述回转窑托轮轴承的故障特征矩阵是由所述奇异值分解特征向量组成的；

将所述包络谱图与所述回转窑托轮轴承正常运行状态下得到的参考包络图进行比对，以得到所述回转窑托轮轴承的故障类型和/或故障位置。

可选地，所述获取回转窑托轮轴承的振动信号，包括：

通过安装在回转窑托轮轴承的轴承座上的加速度传感器来采集所述回转窑托轮轴承的振动信号。

可选地，所述对所述振动信号进行经验模态分解，得到n个固有模态函数IMF分量，包括：

通过经验模态分解将所述振动信号x(t)分解为如下等式：

式中：x(t)表示振动信号，b_i表示第i个固有模态函数IMF分量，r_n表示残余函数，且r_n为单调函数。

可选地，所述从所述n个固有模态函数IMF分量选取m个IMF分量组成初始向量矩阵，包括：

从所述n个固有模态函数IMF分量中选取出IMF分量占总能量的百分比大于预设阈值的IMF分量组成初始向量矩阵。

可选地，所述对所述初始向量矩阵进行奇异值分解，得到奇异值分解特征向量，包括：

对于初始向量矩阵A，其秩为r′，则存在两个标准正交矩阵U和W及对角阵D，矩阵A的奇异值分解为：

A＝UDW^T

其中，U＝[u₁,u₂,…,u_n]，

W＝[w₁,w₂,…,w_n]

σ_i(i＝1,2,…,r′)为矩阵A的奇异值，i的取值范围为[1,r′]，λ₁≥λ₂≥…≥λ_r′≥0是矩阵A^TA的特征值；在λ₁≥λ₂≥…≥λ_r′≥0的限制条件下，矩阵的奇异值(σ₁,σ₂,…,σ_r′)是唯一的。

可选地，所述对回转窑托轮轴承的故障特征矩阵进行希尔伯特Hilbert变换，得到所述振动信号的包络谱图，包括：

以故障特征矩阵为实部、Hilbert变换对为虚部构建解析特征矩阵；对所述解析特征矩阵进行求模后得到所述振动信号的包络；

对所述振动信号的包络进行低通滤波，并作傅里叶Fourier变换后求出包络谱图。

与现有技术相比，本发明具有如下的有益效果：

本发明提供的一种回转窑托轮轴承的故障诊断方法，通过奇异值的差异对回转窑托轮轴承的振动信号在各种磨损状态时不同频率段上的特征进行有效描述；从而实现了快速、自动、准确诊断故障位置，并克服传统检测方式效率低下和位置不准确的缺陷，节约了诊断轴承故障的时间，提高了诊断精度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施例提供的回转窑托轮轴承的故障诊断方法的流程图；

图2为回转窑托轮轴承振动信号的原始信号示意图；

图3为选出的8个固有模态函数IMF分量的信号示意图；

图4为图3中的8个固有模态函数IMF分量占总能量的百分比示意图；

图5为包络谱图的示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

图1为本发明实施例提供的一种回转窑托轮轴承的故障诊断方法的流程图，如图1所示，本实施例中的方法可以包括：

S101、获取回转窑托轮轴承的振动信号。

本实施例中，可以通过安装在回转窑托轮轴承的轴承座上的加速度传感器来采集所述回转窑托轮轴承的振动信号。图2为回转窑托轮轴承振动信号的原始信号示意图，可以看出此时无法判定回转窑托轮轴承是否故障。

S102、对所述振动信号进行经验模态分解，得到n个固有模态函数IMF分量。

本实施例中，通过经验模态分解将所述振动信号x(t)分解为如下等式：

式中：x(t)表示振动信号，b_i表示第i个固有模态函数IMF分量，r_n表示残余函数，且r_n为单调函数，n为大于1的自然数。

具体地，步骤S102可以包括如下步骤：

步骤1021、确定当前信号的所有局部极大值点和局部极小值点；

步骤1022、通过三次样条函数对所有局部极大值点和局部极小值点分别进行插值运算，拟合出所述当前信号的上包络和下包络，并计算得到所述上包络和下包络的平均值；

步骤1023、将所述当前信号减去所述平均值，得到差值信号，判断所述差值信号是否满足固有模态函数IMF的判别条件，若满足，则执行步骤1024；若不满足，则将所述差值信号作为新的当前信号，返回执行步骤1021；其中，所述判别条件为：曲线的极值点和零点的数目相等或至多相差1；在曲线的任意一点，包络的最大极值点和最小极值点的均值等于零；

步骤1024、将所述差值信号作为第i个固有模态函数IMF分量，记为b_i；

具体地，令h₁＝x(t)-m₁

若h₁是IMF，记h₁是x(t)的第1个IMF分量；若h₁不是IMF，将其作为当前数据，假设重复步骤1021～步骤1024k次，最终得到

h_1k＝h_1(k-1)-m_1k

使得h_1k满足IMF条件，则它就是第1阶IMF，记为b₁。其中m_1k是h_1(k-1)的上、下包络线均值；从x(t)中减去b₁，得到残差

r₁＝x(t)-b₁

进一步地，由于三次样条的拟合不可避免引入人为干扰，实际IMF分量的包络均值未必为零。为此采用连续两个处理结果间的标准差SD。

作为筛选终止的判据，一般SD取值为0.2～0.3。

步骤1025：令判断r_i是否为单调函数，若是，则结束流程；若否，则将r_i作为新的当前信号，返回执行步骤1021；其中，x(t)表示振动信号，b_j表示第j个固有模态函数IMF分量。

S103、从所述n个固有模态函数IMF分量选取m个IMF分量组成初始向量矩阵。

本实施例中，从所述n个固有模态函数IMF分量中选取出IMF分量占总能量的百分比大于预设阈值的IMF分量组成初始向量矩阵；其中m为大于0且小于等于n的自然数。图3为选出的8个固有模态函数IMF分量的信号示意图，图4为图3中的8个固有模态函数IMF分量占总能量的百分比示意图。

S104、对所述初始向量矩阵进行奇异值分解，得到奇异值分解特征向量。

本实施例中，对于初始向量矩阵A，其秩为r′，则存在两个标准正交矩阵U和W及对角阵D，矩阵A的奇异值分解为：

A＝UDW^T

其中，U＝[u₁,u₂,…,u_n]，

W＝[w₁,w₂,…,w_n]

σ_i(i＝1,2,…,r′)为矩阵A的奇异值，λ₁≥λ₂≥…≥λ_r′≥0是矩阵A^TA的特征值；在λ₁≥λ₂≥…≥λ_r′≥0的限制条件下，矩阵的奇异值(σ₁,σ₂,…,σ_r′)是唯一的。

S105、对回转窑托轮轴承的故障特征矩阵进行希尔伯特Hilbert变换，得到所述振动信号的包络谱图。

本实施例中，所述回转窑托轮轴承的故障特征矩阵是由所述奇异值分解特征向量组成的。具体地，以故障特征矩阵为实部、Hilbert变换对为虚部构建解析特征矩阵；对所述解析特征矩阵进行求模后得到所述振动信号的包络；对所述振动信号的包络进行低通滤波，并作傅里叶Fourier变换后求出包络谱图。

图5为包络谱图的示意图，当轴承出现故障时，其振动信号的各个频带的能量差异较大，从包络谱图可以看出，低频段幅值比较明显，所以，把这段频率和幅值当作判断回转窑托轮轴承故障的标志。

进一步地，可以从包络谱图中得到调制频率及其高次谐波，并可得到相位调制函数。从而研究故障特征矩阵的幅值包络、瞬时相位和瞬时频率。

S106、将所述包络谱图与所述回转窑托轮轴承正常运行状态下得到的参考包络图进行比对，以得到所述回转窑托轮轴承的故障类型和/或故障位置。

本实施例，通过奇异值的差异对回转窑托轮轴承的振动信号在各种磨损状态时不同频率段上的特征进行有效描述；从而实现了快速、自动、准确诊断故障位置，并克服传统检测方式效率低下和位置不准确的缺陷，节约了诊断轴承故障的时间，最终提高了诊断精度。

本发明实施例还提供一种回转窑托轮轴承的故障诊断系统，可以应用上述的回转窑托轮轴承的故障诊断方法。

需要说明的是，本发明提供的所述回转窑托轮轴承的故障诊断方法中的步骤，可以利用所述回转窑托轮轴承的故障诊断系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (6)

1.一种回转窑托轮轴承的故障诊断方法，其特征在于，包括：

获取回转窑托轮轴承的振动信号；

对所述振动信号进行经验模态分解，得到n个固有模态函数IMF分量，其中n为大于1的自然数；

从所述n个固有模态函数IMF分量选取m个IMF分量组成初始向量矩阵，其中m为大于0且小于等于n的自然数；

对所述初始向量矩阵进行奇异值分解，得到奇异值分解特征向量；

对回转窑托轮轴承的故障特征矩阵进行希尔伯特Hilbert变换，得到所述振动信号的包络谱图；其中，所述回转窑托轮轴承的故障特征矩阵是由所述奇异值分解特征向量组成的；

将所述包络谱图与所述回转窑托轮轴承正常运行状态下得到的参考包络图进行比对，以得到所述回转窑托轮轴承的故障类型和/或故障位置。

2.根据权利要求1所述的回转窑托轮轴承的故障诊断方法，其特征在于，所述获取回转窑托轮轴承的振动信号，包括：

通过安装在回转窑托轮轴承的轴承座上的加速度传感器来采集所述回转窑托轮轴承的振动信号。

3.根据权利要求1所述的回转窑托轮轴承的故障诊断方法，其特征在于，所述对所述振动信号进行经验模态分解，得到n个固有模态函数IMF分量，包括：

通过经验模态分解将所述振动信号x(t)分解为如下等式：

式中：x(t)表示振动信号，b_i表示第i个固有模态函数IMF分量，r_n表示残余函数，且r_n为单调函数。

4.根据权利要求1所述的回转窑托轮轴承的故障诊断方法，其特征在于，所述从所述n个固有模态函数IMF分量选取m个IMF分量组成初始向量矩阵，包括：

从所述n个固有模态函数IMF分量中选取出IMF分量占总能量的百分比大于预设阈值的IMF分量组成初始向量矩阵。

5.根据权利要求1所述的回转窑托轮轴承的故障诊断方法，其特征在于，所述对所述初始向量矩阵进行奇异值分解，得到奇异值分解特征向量，包括：

对于初始向量矩阵A，其秩为r′，则存在两个标准正交矩阵U和W及对角阵D，矩阵A的奇异值分解为：

A＝UDW^T

其中，U＝[u₁,u₂,…,u_n]，

Δ_r′*r′＝diag(σ₁,σ₂,…,σ_r′)，

W＝[w₁,w₂,…,w_n]

i的取值范围为[1,r′]，λ₁≥λ₂≥…≥λ_r′≥0是矩阵A^TA的特征值；在λ₁≥λ₂≥…≥λ_r′≥0的限制条件下，矩阵A的奇异值(σ₁,σ₂,…,σ_r′)是唯一的。

6.根据权利要求1所述的回转窑托轮轴承的故障诊断方法，其特征在于，所述对回转窑托轮轴承的故障特征矩阵进行希尔伯特Hilbert变换，得到所述振动信号的包络谱图，包括：

以故障特征矩阵为实部、Hilbert变换对为虚部构建解析特征矩阵；对所述解析特征矩阵进行求模后得到所述振动信号的包络；

对所述振动信号的包络进行低通滤波，并作傅里叶Fourier变换后求出包络谱图。