CN111896257A - 一种滚动轴承故障诊断方法及系统 - Google Patents

Abstract

本发明公开了一种滚动轴承故障诊断方法及系统。该方法包括：对待检测滚动轴承进行信号采集；对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率；对故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号；对故障频率段时域信号取包络，确定包络时间；根据故障中心频率以及包络时间，确定积分时长；基于积分时长，对故障频率段时域信号进行积分，得到积分曲线；对积分曲线进行功率谱分析，确定待检测滚动轴承的故障点。脉冲信号的定长积分反映了信号各模态总能量随时间的变化过程，积分曲线与系统结构阻尼相关，因此更加稳定，从而能够更加快速、准确的对滚动轴承故障进行诊断。

Description

一种滚动轴承故障诊断方法及系统

技术领域

本发明涉及滚动轴承领域，特别是涉及一种滚动轴承故障诊断方法及系统。

背景技术

滚动轴承广泛应用于旋转机械之中，用以支持轴类零件的工作。由于滚动轴承为点接触，接触应力大，制造、保养和使用不当，极其容易发生磨损。损坏的主要部位包括轴承内圈、外圈、滚动体和保持架。对于滚动轴承采用振动传感器进行监测是主要方法。滚动轴承运转过程中的冲击振动表现为脉冲衰减信号，并激励轴承零件高频振动，该振动表现为振动信号的载波，其幅值在旋转过程中受到与转速相关的调制，从而使轴承最终的振动波形表现为幅值调制波。现有的滚动轴承故障诊断方法包括信号提取分解和解调分析两个步骤。解调分析是滚动轴承故障诊断的关键问题，通过对解调信号的频谱分析，可以找到轴承的故障特征频率，目前采用的解调方法包括基于Hilbert变换解调、广义检波解调和能量算子解调。上述解调方法均是对信号包络的提取分析，但轴承冲击信号为指数衰减信号，其包络谱会分散到谐波频率上，需要通过谐波分析来进行故障诊断，当信噪比较低时，故障信号的频率容易被淹没，影响故障诊断的准确性。

发明内容

本发明的目的是提供一种滚动轴承故障诊断方法及系统，用以快速、准确的对滚动轴承故障进行诊断。

为实现上述目的，本发明提供了如下方案：

一种滚动轴承故障诊断方法，包括：

对待检测滚动轴承进行信号采集；

对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率；

对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号；

对所述故障频率段时域信号取包络，确定包络时间；

根据所述故障中心频率以及所述包络时间，确定积分时长；

基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线；

对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。

可选的，通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。

可选的，所述包络时间为从包络峰值下降到包络峰值的50％时所需的时间。

可选的，所述基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线，计算公式如下：

其中，S(t)为t时刻的积分曲线，Δt为积分时长，r(x)为故障频率段时域信号，x为时间，t≤x≤t+Δt。

可选的，所述对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点，具体包括：

对所述积分曲线进行功率谱分析，确定峰值频率；

将所述峰值频率与故障特征频率进行比较，确定故障点。

本发明还提供了一种滚动轴承故障诊断系统，包括：

信号采集模块，用于对待检测滚动轴承进行信号采集；

频谱分析模块，用于对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率；

滤波模块，用于对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号；

包络模块，用于对所述故障频率段时域信号取包络，确定包络时间；

积分时长确定模块，用于根据所述故障中心频率以及所述包络时间，确定积分时长；

积分模块，基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线；

功率谱分析模块，用于对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。

可选的，通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。

可选的，所述包络时间为从包络峰值下降到包络峰值的50％时所需的时间。

可选的，所述积分模块进行积分的计算公式如下：

其中，S(t)为t时刻的积分曲线，Δt为积分时长，r(x)为故障频率段时域信号，x为时间，t≤x≤t+Δt。

可选的，所述功率谱分析模块具体包括：

功率谱分析单元，用于对所述积分曲线进行功率谱分析，确定峰值频率；

比较单元，用于将所述峰值频率与故障特征频率进行比较，确定故障点。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明对待检测滚动轴承进行信号采集；对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率；对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号；对所述故障频率段时域信号取包络，确定包络时间；根据所述故障中心频率以及所述包络时间，确定积分时长；基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线；对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。脉冲信号的定长积分反映了信号各模态总能量随时间的变化过程，积分曲线与系统结构阻尼相关，因此更加稳定，从而能够更加快速、准确的对滚动轴承故障进行诊断。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例滚动轴承故障诊断方法的流程图；

图2为本发明实施例故障中心频率示意图；

图3为本发明实施例峰值频率示意图；

图4为本发明实施例滚动轴承故障诊断系统的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种滚动轴承故障诊断方法及系统，用以快速、准确的对滚动轴承故障进行诊断。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种滚动轴承故障诊断方法，包括：

步骤101：对待检测滚动轴承进行信号采集。使用加速度传感器采集轴承的振动信号或使用传声器采集轴承的噪声信号.

步骤102：对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率f。

步骤103：对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号。

步骤104：对所述故障频率段时域信号取包络，确定包络时间t₀。测量从包络峰值下降到50％峰值所需的时间t₀。

步骤105：根据所述故障中心频率以及所述包络时间，确定积分时长。积分时长Δt大于1/f，小于或等于2t₀。

步骤106：基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线。

在t时刻，对从t时刻开始后的Δt时长范围内的各点信号的平方进行积分，并对积分值取对数，绘制积分曲线；积分公式为：

其中，S(t)为t时刻的积分曲线，Δt为积分时长，r(x)为故障频率段时域信号，x为时间，t≤x≤t+Δt。

步骤107：对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。

对积分曲线进行功率谱或幅值谱分析，将功率谱或幅值谱的主要峰值频率与故障特征频率比较，确定故障点为轴承内圈、外圈、滚动体或保持架中的某一处。

具体操作方法如下：

1、将加速度传感器安装在轴承支座上，尽可能靠近轴承。

2、记录加速度传感器信号，每段10秒。

3、选择其中不少于2秒的一段信号，对信号进行功率谱分析，将1kHz以上的功率谱峰值对应的频率确定为故障信号载波的中心频率f。例如图2所示的3600Hz。

4、在故障信号载波的中心频率附近设置带通滤波器，滤波器带宽为f/10。对信号进行带通滤波，保留包含中心频率的信号。

5、使用Hilbert变换对带通滤波信号取包络，找到包络的幅值最大点，测量从该点下降到50％所需的时间t₀。

6、设定积分时长Δt＝t₀，对信号进行积分并取对数，

S(t)为某一时刻t的新的数值，r(x)为滤波后的时域信号。

7、对新的信号S(t)进行功率谱分析，找到5Hz以上的5个的最大峰值的频率点。如图3所示的峰值。

8、按照轴承故障频率的经验公式，根据轴承的尺寸和转速计算轴承各零件的故障频率。

轴承内圈故障特征频率f_i＝0.6×Z×f_r；

外圈故障特征频率：f₀＝0.4×Z×f_r；

保持架故障特征频率：f_c＝0.381-0.4×f_r；

滚动体故障特征频率：f_b＝0.23×Z×f_r(Z<10)；f_b＝0.18×Z×f_r(Z>10)；

外圈与保持架关系：f₀＝Z×f_c；

外圈与内圈关系：f₀+f_i＝Z×f_r；

其中，f_r为轴承旋转频率，Z为轴承滚子数量。

9、当峰值频率点与轴承某一零件的故障频率或其谐频接近时，确定是该零件的故障。如图3中，轴承转速是1797转/分，

Z＝9，f_i＝0.6×9×29.95＝161.73HZ。

当滚动轴承的某一元件发生局部损伤时，在轴承旋转过程中，其它元件经过损伤点，产生一次冲击振动，并激励轴承各元件振动。由于润滑和结构阻尼等原因，这种冲击振动又被迅速衰减下去。因此故障引起的冲击振动响应信号可以认为是一个自由衰减信号，这个自由衰减信号包含了其冲击振动激发的各种模态。虽然每次激发出的模态频率和幅值不同，但阻尼基本不变。脉冲信号的定长积分反映了信号各模态总能量随时间的变化过程，积分曲线与系统结构阻尼相关，因此更加稳定。

故障轴承高速旋转时，冲击振动的衰减变化曲线即信号能量的变化过程，信号发生衰减变化的频率即故障特征频率。相比其他方法而言，本发明提供的方法的信噪比更大，且具有明确的物理意义，故障特征更显著。

希尔伯特变换和能量算子得到的幅值谱下降较为平缓，使得的很多能量都会分布到谐波上，因此需要通过寻找谐波来确定故障特征频率，当信噪比较低时，谐波的寻找就会变得困难。而本发明提供的方法的频谱能量更集中于基频上，则在低信噪比时，更容易发现故障特征频率。

如图4所示，本发明还提供了一种滚动轴承故障诊断系统，包括：

信号采集模块401，用于对待检测滚动轴承进行信号采集。通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。

频谱分析模块402，用于对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率。

滤波模块403，用于对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号。

包络模块404，用于对所述故障频率段时域信号取包络，确定包络时间。所述包络时间为从包络峰值下降到包络峰值的50％时所需的时间。

积分时长确定模块405，用于根据所述故障中心频率以及所述包络时间，确定积分时长。

积分模块406，基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线。

所述积分模块进行积分的计算公式如下：

其中，S(t)为t时刻的积分曲线，Δt为积分时长，r(x)为故障频率段时域信号，x为时间，t≤x≤t+Δt。

功率谱分析模块407，用于对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。

所述功率谱分析模块407具体包括：

功率谱分析单元，用于对所述积分曲线进行功率谱分析，确定峰值频率；

比较单元，用于将所述峰值频率与故障特征频率进行比较，确定故障点。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种滚动轴承故障诊断方法，其特征在于，包括：

对待检测滚动轴承进行信号采集；

对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率；

对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号；

对所述故障频率段时域信号取包络，确定包络时间；

根据所述故障中心频率以及所述包络时间，确定积分时长；

基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线；

对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。

2.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。

3.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述包络时间为从包络峰值下降到包络峰值的50％时所需的时间。

4.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线，计算公式如下：

其中，S(t)为t时刻的积分曲线，Δt为积分时长，r(x)为故障频率段时域信号，x为时间，t≤x≤t+Δt。

5.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，所述对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点，具体包括：

对所述积分曲线进行功率谱分析，确定峰值频率；

将所述峰值频率与故障特征频率进行比较，确定故障点。

6.一种滚动轴承故障诊断系统，其特征在于，包括：

信号采集模块，用于对待检测滚动轴承进行信号采集；

频谱分析模块，用于对采集到的信号进行频谱分析，确定包含故障特征的故障频率段信号以及故障中心频率；

滤波模块，用于对所述故障频率段信号进行带通滤波或者经验模态分解，获取故障频率段时域信号；

包络模块，用于对所述故障频率段时域信号取包络，确定包络时间；

积分时长确定模块，用于根据所述故障中心频率以及所述包络时间，确定积分时长；

积分模块，基于所述积分时长，对所述故障频率段时域信号进行积分，得到积分曲线；

功率谱分析模块，用于对所述积分曲线进行功率谱分析，确定所述待检测滚动轴承的故障点。

7.根据权利要求6所述的滚动轴承故障诊断系统，其特征在于，通过速度传感器采集所述待检测滚动轴承的振动信号或使用传声器采集待检测滚动轴承的噪声信号。

8.根据权利要求6所述的滚动轴承故障诊断系统，其特征在于，所述包络时间为从包络峰值下降到包络峰值的50％时所需的时间。

9.根据权利要求6所述的滚动轴承故障诊断系统，其特征在于，所述积分模块进行积分的计算公式如下：

其中，S(t)为t时刻的积分曲线，Δt为积分时长，r(x)为故障频率段时域信号，x为时间，t≤x≤t+Δt。

10.根据权利要求6所述的滚动轴承故障诊断系统，其特征在于，所述功率谱分析模块具体包括：

功率谱分析单元，用于对所述积分曲线进行功率谱分析，确定峰值频率；

比较单元，用于将所述峰值频率与故障特征频率进行比较，确定故障点。

Images