CN110763464A - 一种基于循环平稳分析的滚动轴承故障特征提取方法 - Google Patents
一种基于循环平稳分析的滚动轴承故障特征提取方法 Download PDFInfo
- Publication number
- CN110763464A CN110763464A CN201910898224.1A CN201910898224A CN110763464A CN 110763464 A CN110763464 A CN 110763464A CN 201910898224 A CN201910898224 A CN 201910898224A CN 110763464 A CN110763464 A CN 110763464A
- Authority
- CN
- China
- Prior art keywords
- frequency
- fault
- rolling bearing
- signal
- rolling
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/04—Bearings
- G01M13/045—Acoustic or vibration analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供一种基于循环平稳分析的滚动轴承故障特征提取方法,所述提取方法包括,获取齿轮箱的振动信号X(t),进行谱峭度分析,获得振动信号X(t)的谱峭度值,确定谱峭度值最大处所对应的频带的中心频率和频率带宽;根据所述中心频率和频率带宽,确定频带范围,并在所述频带范围内,对所述振动信号X(t)进行带通滤波,得到滤波信号Y(t);对所述滤波信号Y(t)进行二阶循环平稳分析,得到谱相关密度函数;利用所述谱相关密度函数获取滚动轴承外圈、内圈、滚动体、保持架的故障特征。
Description
技术领域
本发明属于齿轮箱故障诊断领域,具体涉及一种基于循环平稳分析的滚动轴承故障特征提取方法。
背景技术
齿轮箱是飞机、车等关键传动部件,结构复杂,长期处于高速、交变重载的恶劣环境下,又由于其无冗余设计,容易产生故障和损坏,其健康状况直接关系到飞机、车的安全运行和驾驶人员的生命安全。而滚动轴承作为齿轮箱的关键部件之一,对齿轮箱的健康运行起到了至关重要的作用。因此,为了提高齿轮箱的运行安全进而保证飞机、车运行安全性以及防止事故发生,就必须对轴承的相关故障特征进行准确提取。
通常,齿轮箱振动信号中滚动轴承的信号成分所占比例较少,极易被其他部件如齿轮、轴等信号掩盖。因此,如何能够在耦合的齿轮箱复杂振动信号中提取出滚动轴承的相关微弱信号,成为了开展齿轮箱滚动轴承故障诊断的关键技术问题。
发明内容
本发明的目的是:提供一种基于循环平稳分析的滚动轴承故障特征提取方法,能够从耦合的齿轮箱振动信号中提取出滚动轴承的微弱故障特征信号。
本发明采用谱峭度理论确定带通滤波的中心频率和带宽,采用带通滤波器对振动信号进行滤波,最后基于循环平稳分析的方法提取轴承的故障特征信号。
本发明提供的技术方案为,提供一种基于循环平稳分析的滚动轴承故障特征提取方法,所述提取方法包括,
获取齿轮箱的振动信号X(t),对所述振动信号X(t)进行谱峭度分析,获得所述振动信号X(t)的谱峭度值,确定谱峭度值最大处所对应的频带的中心频率和频率带宽;t为信号获取时间;
根据所述中心频率和频率带宽,确定频带范围,并在所述频带范围内,对所述振动信号X(t)进行带通滤波,得到滤波信号Y(t);
对所述滤波信号Y(t)进行二阶循环平稳分析,得到谱相关密度函数;
根据齿轮箱内的滚动轴承的结构参数,计算滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s;
利用所述谱相关密度函数计算所述外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s在各自对应的循环频率区间内的所有切片的均方根值;选取所述外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s在各自对应的循环频率区间内的均方根值的最大值,分别作为滚动轴承外圈、内圈、滚动体、保持架的故障特征。
进一步地,所述提取方法还包括,所述频带范围为[f_fl,f_cl],其中,
f_fl=f_mid-f_band/2;f_cl=f_mid+f_band/2;f_mid表示中心频率,f_band表示频率带宽。
进一步地,对所述滤波信号Y(t)进行二阶循环平稳分析,包括:
计算滤波信号Y(t)的时变自相关函数ry(t,τ);τ为时延因子;
对时变自相关函数ry(t,τ)按照变量τ做离散傅里叶变换得到循环自相关函数Ry(τ,α);α为信号循环频率;
将所述循环自相关函数Ry(τ,α)以时延因子τ为变量进行傅里叶变化得到滤波信号Y(t)的谱相关密度函数Sy(f,α)。
进一步地,所述时变自相关函数ry(t,τ),计算公式为
其中,*为共轭,E(·)为统计平均。
进一步地,将所述循环自相关函数Ry(τ,α)以时延因子τ为变量进行傅里叶变化得到滤波信号Y(t)的谱相关密度函数Sy(f,α),计算公式为,
其中,f为信号频率、j表示虚数。
进一步地,外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s的各自对应的循环频率区间分别为[f_o-0.5,f_o+0.5]、[f_i-0.5,f_i+0.5]、[f_b-0.5,f_b+0.5]、[f_s-0.5,f_s+0.5]。
进一步地,利用巴特沃斯带通滤波器对振动信号X(t)进行带通滤波。
进一步地,所述滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s的计算公式为,
外圈通过频率f_o=(1+d/D)*fr*z/2;
内圈通过频率f_i=(1-d/D)*fr*z/2;
滚动体故障频率f_b=(1-(d/D)2)*fr*D/(2*d);
保持架故障频率f_s=(1-d/D)*fr/2;
其中,d为滚动体直径,D为轴承节径,fr为轴承所在轴的旋转频率,z为滚动体个数。
本发明的技术效果为:采用基于谱峭度分析的带通滤波区间确定方法和基于循环平稳分析的滚动轴承微弱故障信号特征提取方法,最终从复杂振动信号中提取出滚动轴承的故障信号。
具体实施方式
实施例一
本实施例,提供一种基于循环平稳分析的滚动轴承故障特征提取方法,能够从耦合的齿轮箱振动信号中提取出滚动轴承微弱故障信号。本实施例采用基于谱峭度分析的带通滤波区间确定方法和基于循环平稳分析的滚动轴承微弱故障信号特征提取方法从齿轮箱振动信号中提取出滚动轴承的微弱故障特征。
该提取方法具体包括如下步骤:
步骤一:针对基于加速度传感器采集得到的齿轮箱振动信号X(t),利用Matlab中的谱峭度工具箱Pack Kurtogram中的Fast_Kurtogram函数开展谱峭度分析,其中输入参数为振动信号X(t)、分解层数nlevel=6、振动信号的采样频率Fs,通过该函数分析可以得到,振动信号X(t)中冲击最显著的信号所在的中心频率f_mid和频率带宽f_band。冲击最显著的信号即对振动信号X(t)进行谱峭度分析时,谱峭度值最大处所对应的信号。t为信号获取时间。
步骤二:根据步骤一所确定的中心频率f_mid和频率带宽f_band,确定巴特沃斯带通滤波器的通过频率的频带范围[f_f l,f_cl],计算公式为f_fl=f_mid-f_band/2;f_cl=f_mid+f_band/2。
以该频带范围设计巴特沃斯带通滤波器,并基于该带通滤波器对振动信号X(t)进行带通滤波,得到滤波信号Y(t)。
步骤三:首先,采用二阶循环平稳理论对步骤二得到的滤波信号Y(t)进行二阶循环平稳分析,计算滤波信号Y(t)的时变自相关函数ry(t,τ):
其中τ为时延因子,*为共轭,E(·)为统计平均。
然后,对ry(t,τ)的每一行按照变量τ做离散傅里叶变换得到循环自相关函数Ry(τ,α),其中α为信号循环频率。
最后,将Ry(τ,α)以时延因子τ为变量进行傅里叶变化得到滤波信号Y(t)的谱相关密度函数Sy(f,α),
步骤四:滚动轴承包括外圈、内圈、滚动体和保持架,获取滚动轴承的故障特征,具体包括以下部分:
首先,根据轴承的结构参数,分别计算滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s。
滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s的计算公式为,
外圈通过频率f_o=(1+d/D)*fr*z/2;
内圈通过频率f_i=(1-d/D)*fr*z/2;
滚动体故障频率f_b=(1-(d/D)2)*fr*D/(2*d);
保持架故障频率f_s=(1-d/D)*fr/2;
其中,d为滚动体直径,D为轴承节径,fr为轴承所在轴的旋转频率,z为滚动体个数。
然后,确定滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s各自对应的循环频率区间。其中,滚动轴承的外圈循环频率区间为[f_o-0.5,f_o+0.5]、内圈循环频率区间[f_i-0.5,f_i+0.5]、滚动体循环频率区间[f_b-0.5,f_b+0.5]、保持架循环频率区间[f_s-0.5,f_s+0.5]。
进一步地,在谱相关密度函数Sy(f,α)中分别找出信号循环频率α位于上述四个区间内的谱相关密度函数切片组{Sy(f,αf_o_1),…,Sy(f,αf_o_k)}、{Sy(f,αf_i_1),…,Sy(f,αf_i_k)}、{Sy(f,αf_b_1),…,Sy(f,αf_b_k)}和{Sy(f,αf_s_1),…,Sy(f,αf_s_k)},
其中,{Sy(f,αf_o_1),…,Sy(f,αf_o_k)}为满足α∈[f_o-0.5,f_o+0.5]的所有谱相关密度函数切片;
{Sy(f,αf_i_1),…,Sy(f,αf_i_k)}为满足α∈[f_i-0.5,f_i+0.5]的所有谱相关密度函数切片;
{Sy(f,αf_b_1),…,Sy(f,αf_b_k)}为满足α∈[f_b-0.5,f_b+0.5]的所有谱相关密度函数切片,
{Sy(f,αf_s_1),…,Sy(f,αf_s_k)}为满足α∈[f_s-0.5,f_s+0.5]的所有谱相关密度函数切片。
进一步地,分别计算上述四个谱相关密度函数切片组内的所有谱相关密度函数切片的均方根值{RMS(αf_o_1),…,RMS(αf_o_k)},{RMS(αf_i_1),…,RMS(αf_i_k)},{RMS(αf_b_1),…,RMS(αf_b_k)},{RMS(αf_s_1),…,RMS(αf_s_k)},并选取滚动轴承外圈、内圈、滚动体和保持架的各自谱相关密度函数切片组内的均方根值的最大值max{RMS(αf_o_1),…,RMS(αf_o_k)},max{RMS(αf_i_1),…,RMS(αf_i_k)},max{RMS(αf_b_1),…,RMS(αf_b_k)},max{RMS(αf_s_1),…,RMS(αf_s_k)},分别作为滚动轴承外圈、内圈、滚动体和保持架的故障特征参数。
Claims (8)
1.一种基于循环平稳分析的滚动轴承故障特征提取方法,其特征在于,所述提取方法包括,
获取齿轮箱的振动信号X(t),对所述振动信号X(t)进行谱峭度分析,获得所述振动信号X(t)的谱峭度值,确定谱峭度值最大处所对应的频带的中心频率和频率带宽;t为信号获取时间;
根据所述中心频率和频率带宽,确定频带范围,并在所述频带范围内,对所述振动信号X(t)进行带通滤波,得到滤波信号Y(t);
对所述滤波信号Y(t)进行二阶循环平稳分析,得到谱相关密度函数;
根据齿轮箱内的滚动轴承的结构参数,计算滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s;
利用所述谱相关密度函数计算所述外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s在各自对应的循环频率区间内的所有切片的均方根值;选取所述外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s在各自对应的循环频率区间内的均方根值的最大值,分别作为滚动轴承外圈、内圈、滚动体、保持架的故障特征。
2.根据权利要求1所述的滚动轴承故障特征提取方法,其特征在于,所述提取方法还包括,所述频带范围为[f_fl,f_cl],其中,
f_fl=f_mid-f_band/2;f_cl=f_mid+f_band/2;f_mid表示中心频率,f_band表示频率带宽。
3.根据权利要求1所述的滚动轴承故障特征提取方法,其特征在于,对所述滤波信号Y(t)进行二阶循环平稳分析,包括:
计算滤波信号Y(t)的时变自相关函数ry(t,τ);τ为时延因子;
对时变自相关函数ry(t,τ)按照变量τ做离散傅里叶变换得到循环自相关函数Ry(τ,α);α为信号循环频率;
将所述循环自相关函数Ry(τ,α)以时延因子τ为变量进行傅里叶变化得到滤波信号Y(t)的谱相关密度函数Sy(f,α)。
4.根据权利要求3所述的滚动轴承故障特征提取方法,其特征在于,所述时变自相关函数ry(t,τ),计算公式为
其中,*为共轭,E(·)为统计平均。
6.根据权利要求1所述的滚动轴承故障特征提取方法,其特征在于,外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s的各自对应的循环频率区间分别为[f_o-0.5,f_o+0.5]、[f_i-0.5,f_i+0.5]、[f_b-0.5,f_b+0.5]、[f_s-0.5,f_s+0.5]。
7.根据权利要求1所述的滚动轴承故障特征提取方法,其特征在于,利用巴特沃斯带通滤波器对振动信号X(t)进行带通滤波。
8.根据权利要求1所述的滚动轴承故障特征提取方法,其特征在于,所述滚动轴承的外圈通过频率f_o、内圈通过频率f_i、滚动体故障频率f_b、保持架故障频率f_s的计算公式为,
外圈通过频率f_o=(1+d/D)*fr*z/2;
内圈通过频率f_i=(1-d/D)*fr*z/2;
滚动体故障频率f_b=(1-(d/D)2)*fr*D/(2*d);
保持架故障频率f_s=(1-d/D)*fr/2;
其中,d为滚动体直径,D为轴承节径,fr为轴承所在轴的旋转频率,z为滚动体个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898224.1A CN110763464A (zh) | 2019-09-23 | 2019-09-23 | 一种基于循环平稳分析的滚动轴承故障特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898224.1A CN110763464A (zh) | 2019-09-23 | 2019-09-23 | 一种基于循环平稳分析的滚动轴承故障特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110763464A true CN110763464A (zh) | 2020-02-07 |
Family
ID=69329709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910898224.1A Pending CN110763464A (zh) | 2019-09-23 | 2019-09-23 | 一种基于循环平稳分析的滚动轴承故障特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110763464A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487882A (zh) * | 2020-11-13 | 2021-03-12 | 西南交通大学 | 一种基于谱相干生成非稀疏指标指导的增强包络谱的方法 |
CN113484019A (zh) * | 2021-07-26 | 2021-10-08 | 西南交通大学 | 一种轴承的检测方法、装置及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928225A (zh) * | 2012-10-31 | 2013-02-13 | 西安交通大学 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
CN109883705A (zh) * | 2019-03-25 | 2019-06-14 | 西安交通大学 | 电机滚动轴承局部点蚀故障诊断方法及其诊断系统 |
-
2019
- 2019-09-23 CN CN201910898224.1A patent/CN110763464A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928225A (zh) * | 2012-10-31 | 2013-02-13 | 西安交通大学 | 一种针对滚动轴承故障诊断的自适应共振解调方法 |
CN109883705A (zh) * | 2019-03-25 | 2019-06-14 | 西安交通大学 | 电机滚动轴承局部点蚀故障诊断方法及其诊断系统 |
Non-Patent Citations (2)
Title |
---|
刘文艺: "《风力发电机组振动监测与故障诊断技术》", 31 January 2016, 中国矿业大学出版社 * |
程军圣: "《机械故障特征提取的循环平稳理论及方法》", 31 December 2013, 上海交通大学出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112487882A (zh) * | 2020-11-13 | 2021-03-12 | 西南交通大学 | 一种基于谱相干生成非稀疏指标指导的增强包络谱的方法 |
CN112487882B (zh) * | 2020-11-13 | 2022-09-27 | 西南交通大学 | 一种基于谱相干生成非稀疏指标指导的增强包络谱的方法 |
CN113484019A (zh) * | 2021-07-26 | 2021-10-08 | 西南交通大学 | 一种轴承的检测方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105716857B (zh) | 一种行星齿轮箱健康状态评估方法 | |
CN102721545B (zh) | 一种基于多特征参量的滚动轴承故障诊断方法 | |
CN109029977A (zh) | 一种基于vmd-amckd的行星齿轮箱早期故障诊断方法 | |
CN107505135A (zh) | 一种滚动轴承复合故障提取方法及系统 | |
CN105699080B (zh) | 一种基于振动数据的风电机组轴承故障特征提取方法 | |
CN110763464A (zh) | 一种基于循环平稳分析的滚动轴承故障特征提取方法 | |
CN100507490C (zh) | 一种大型低速重载齿轮箱故障诊断的方法 | |
CN112347588A (zh) | 基于小波包分解的旋转机械故障诊断方法 | |
CN106650122B (zh) | 一种设备变工况运行风险评估方法 | |
CN110672327A (zh) | 一种基于多层降噪技术的异步电机轴承故障诊断方法 | |
CN110046476B (zh) | 滚动轴承故障的三元二进分形小波稀疏诊断方法 | |
CN104215456B (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
CN107525671B (zh) | 一种风电机组传动链复合故障特征分离与辨识方法 | |
CN109799090B (zh) | 采用频带3分区的经验小波变换的轴承特征频率提取方法 | |
CN107506710A (zh) | 一种滚动轴承复合故障提取方法 | |
CN104236908A (zh) | 基于mid算法的组合切片轴承故障诊断方法 | |
CN108647667B (zh) | 一种基于信号时频分解的频域幅值谱峭度图的实现方法 | |
CN109883706A (zh) | 一种滚动轴承局部损伤微弱故障特征提取方法 | |
CN106153339B (zh) | 一种基于变分模式分解滤波的包络分析方法 | |
CN110333071B (zh) | 一种利用窄带倒谱变换的机械振动信号处理方法 | |
CN106383028A (zh) | 一种齿轮箱故障的诊断方法 | |
JP4307591B2 (ja) | 加速度センサを備えた乗り物、特にヘリコプタの遊星歯車装置を監視する方法 | |
CN112733612A (zh) | 一种跨领域的旋转机械故障诊断模型建立方法及其应用 | |
CN109635306A (zh) | 基于小波分解和谱峭度的旋转机械故障诊断方法 | |
CN109238717A (zh) | 一种基于vmd-omeda的齿轮箱复合故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200207 |