CN113092113A - 一种基于谱值比的滚动轴承故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于谱值比的滚动轴承故障诊断方法。原理是通过分析已知故障类型的轴承振动信号的数据，包括振动信号的时域波形、频谱、包络谱、时域特征参数，统计出轴承故障时振动信号的共同特征，然后以这些特征为依据，编写出故障诊断的条件规则。本系统包含数据准备模块、故障频率计算模块、数据读取及波形图显示模块、时域特征参数提取模块、包络谱比值计算分析模块、诊断规则模块和故障诊断模块，七个主要模块。选择轴承振动信号的数据类型，输入相应的轴承参数后点击运行，系统进行分析，就能够得到轴承所存在的故障类型。

Description

一种基于谱值比的滚动轴承故障诊断方法

技术领域

本发明涉及一种基于谱值比的滚动轴承故障诊断方法，属于机械故障检测技术领域。

背景技术

在机械自动化高速发展的今天，机械设备扮演重要的角色，特别是大型机械；可以说机械设备对促进社会的发展起着关键性的作用。机械设备在运行过程中的安全问题是一个我们不得不重视的问题。机械设备在运行过程中应该具有安全性、稳定性。因此，要满足机械设备的这些性能，机械设备的故障诊断技术就充当着相当重要的角色。机械故障诊断技术是用来测取机械设备在运行中或相对静态条件下的状态信息，通过对所测信号的处理和分析，并结合诊断对象的历史状况，来定量识别机械设备及其零件、部件、整机的实时技术状况，并预知有关异常、故障和预测其未来技术状况，从而确定必要对策的技术，机械故障监测与诊断技术在其设备的安全、可靠、高效运行方面中起到了重要的作用，并分析了振动分析方法这一关键技术。

本发明设计主要针对滚动轴承故障这一问题，提出了基于振动信号谱值比滚动轴承故障诊断方法。本方法原理是通过分析一些已知故障类型的轴承振动信号的数据来统计出它们各自的共同特征；然后以这些特征为依据来编写出一个故障诊断的条件规则。本系统包含数据准备模块、故障频率计算模块、数据读取及波形图显示模块、时域特征参数提取模块、包络谱比值计算分析模块、诊断规则模块和故障诊断模块，共计七个主要模块。选择了轴承振动信号的数据之后，根据诊断规则模块进行故障判别，最后通过故障诊断模块来识别所输入轴承数据所存在的故障类型。

发明内容

本发明的目的在于提供了一种基于谱值比的滚动轴承故障诊断方法，该发明解决了现有技术中对于从滚动轴承中获得振动信号，进行谱值比判别滚动轴承故障诊断的方法的技术问题。

本发明的技术方案是：一种基于谱值比的滚动轴承故障诊断方法，所述方法的具体步骤如下：

一种基于谱值比的滚动轴承故障诊断方法，包括据准备模块、故障频率计算模块、数据读取及波形图显示模块、时域特征参数提取模块、包络谱比值计算分析模块、编写诊断规则模块和故障诊断模块，共计七个模块；

步骤一：所述数据准备模块用于提供整个故障诊断系统的数据支撑，利用传感器、PC电脑、采集系统实验采集设备对相关的轴承数据进行振动信号的采集，作为整个发明系统的数据源；

步骤二：所述故障频率计算模块用于判断轴承的故障频率处是否存在振动脉冲，利用数据准备模块中采集到的轴承振动信号通过故障频率计算公式进行振动脉冲信号的判断；其中在计算公式中用到的变量定义：

r：轴承转速，单位：转/分；

n：滚动体个数；

d：滚动体直径；

D：轴承节径；

α：滚动体接触角

外圈故障频率：外圈故障频率用f_外表示；

内圈故障频率：内圈故障频率用f_内表示；

滚动体故障频率：滚动体故障频率用f_滚表示；

保持架故障频率：保持架故障频率用f_保表示；

故障频率的计算需要通过对四种不同工况下的轴承故障数据进行汇编表示。

步骤三：所述数据读取及波形图显示模块用于对采集的数据进行读取和转换相应的时频波形图，是针对整个滚动轴承数据通过Labview软件来读取数据并生成时频域波形图。在波形图内通过进行时域分析、频谱分析、包络谱分析来了解轴承振动情况。其中：

时域分析中可以直观的了解轴承振动情况，了解轴承振动的变化过程，可以观察到轴承振动信号的每一点处的振幅。

频谱分析是指从频率的角度来分析轴承振动信号的变化规律，将时域分析进行傅里叶变换转化成频谱分析，主要体现的是振动信号的频率。

包络谱分析是指对时域信号进行希尔伯特变换之后再做频谱分析，Hilbert谱表示的是信号幅值在整个频率段上随时间和频率的变化规律。

步骤四：所述时域特征参数提取模块将从轴承振动数据统计的角度来反映轴承振动的特性，反映轴承在振动过程中的振动幅度及轴承的振动变化范围等情况；利用数据读取及波形图显示模块中的时域分析、频域分析在进一步进行均方根、标准差、均值、方差、峰值及峰峰值的时频域特征参数提取。其中：

①均方根：本方法中主要依据均方根值RMS来判别正常轴承和故障轴承，正常轴承振动信号的均方根值RMS较小，而故障轴承振动信号的均方根值RMS相对于正常轴承来说要大得多，因此我们就可以在均方根值RMS上设置一个界限；如果振动信号的均方根值RMS小于这个界限，则轴承为正常轴承，反之则存在故障。

②标准差：本方法中标准差反映的是轴承振动信号的离散程度，在轴承振动信号上的情况就是：标准差越小，轴承的振动越平稳；反之轴承振动波动就大，正常工作时轴承的振动较平稳，其振动信号的标准差较小；而故障轴承的振动波动相对较大，其振动信号的标准差相对较大。

③均值：反映的是一组数据的集中程度，一组数据中的所有数值都是在均值的上下变动的。在本系统的轴承振动信号中，均值反映的是振动信号振幅的集中程度。

④方差：在轴承工作过程中，振动信号是随机的，振动信号的方差表示振动信号与均值的偏离程度。方差越小，则振动信号越接近均值，振动越平稳；反之振动波动就越大。

⑤峰值：本方法中表示的是在一个时间段内振动信号的波峰处的值，多数情况下峰值等于最大值。

⑥峰峰值：在本方法中，轴承振动信号中表示的是其振动信号幅值的最大值与其最小值之间的差值，它表示轴承振动幅值的一个变化范围。

步骤五：所述包络谱比值计算分析模块是从轴承振动信号中提取的包络谱波形图中轴承故障频率处所对应的包络谱值与包络谱谱总值的比；它表示的故障特征频率处包络谱值所占谱总值的比重；通过包络谱比值表示的故障特征频率处包络谱值所占谱总值的比重。其公式为：

其中：

①包络谱谱总值计算：在本发明中包络谱波形图的横坐标最大值固定显示为300Hz，在300Hz之后的数据点的值都接近于0，故只需要计算0—300Hz内的谱总值即可；即计算时只需要就散0—300Hz的频率范围内有多少个数据点，再将所有数据点的数据相加。

②故障特征频率处包络谱谱值计算：即为包络谱波形图中故障特征频率处所对应的纵坐标值，可以直接在波形图中读取出来；由于计算的故障特征频率的结果和在波形图中测量的结果一定的偏差，故在本系统中在所计算的故障特征值的左右各取2Hz的频率范围，并求该范围的谱总值作为故障特征频率处的谱值。

步骤六：所述编写诊断规则模块是大量的数据分析来挖掘的分析轴承振动信号的特征，分析这些特征是否满足条件，若满足条件，那么轴承就存在相应的故障，反之就是不存在该故障，并编写相应的诊断规则。其中：

①判断正常轴承的规则是依据轴承振动信号的时域特征参数中的均方根值及振动信号在转频处的包络谱比值来定义。

②判断轴承外圈故障是依据在轴承外圈故障频率处的包络谱比值来判断的，需要找出外圈故障频率处包络谱比值的共同特征，再以这些特征为依据来判断轴承是否存在外圈故障。

③判断轴承内圈故障和滚动体故障是依据轴承内圈故障频率处的包络谱比值来判断的，需要找出内圈故障频率处包络谱比值的共同特征，再以这些特征为依据来判断轴承是否存在内圈故障。

④判断轴承滚动体故障是依据轴承滚动体故障频率处的包络谱比值来判断的，需要找出滚动体故障频率处包络谱比值的共同特征，再以这些特征为依据来判断轴承是否存在滚动体故障。

在本发明方法中，则规则流程图如图2所示，判别轴承故障的规则如下：

规则一：若轴承振动信号的均方根值RMS＜0.1且振动信号的F_内圈、F_外圈、F_滚动体、F_正常四个包络谱比值中F_正常的值最大，则判断该轴承为正常轴承。

规则二：如果轴承振动信号的均方根值RMS≥0.1，在F_内圈、F_外圈、F_滚动体、F_正常四个包络谱比值中F_外圈的值最大且＞0.03，则判断该轴承就存在外圈故障。

规则三：如果轴承振动信号的均方根值RMS≥0.1，在F_内圈、F_外圈、F_滚动体、F_正常四个包络谱比值中F_内圈的值最大且＞0.025，则判断该轴承就存在内圈故障。

规则四：如果轴承振动信号的均方根值RMS≥0.1，在F_内圈、F_外圈、F_滚动体、F_正常四个包络谱比值中F_滚动体的值最大且＞0.01，则判断该轴承存在滚动体故障。

步骤七：所述故障诊断模块将依据编写诊断规则模块进行故障诊断的判别，将故障类别直观的表现出来。

在整个发明方法中，通过加入四个布尔控件来更加可视化直观的表现出故障类别，每一个布尔控件对应一种故障状态，在初始状态下，各个布尔控件是灰色的；若系统判断的结果为“轴承正常”，则“轴承正常”所对应的布尔控件显示为绿色；若判断结果为“外圈故障”、“内圈故障”、“滚动体故障”，则所对应的布尔控件显示为红色。

本发明的有益效果是：

1.本发明基于谱值比的滚动轴承故障诊断方法简单，针对振动信号提取的故障特征易识别，运行耗时短；

2.本发明在针对滚动轴承振动信号时，用到了对滚动轴承振动信号的时频域分的特征提取，能够较好的保留和观看信号的特征信息，从而进一步了解信号特诊信息，并且能够简单直观的看出来特征提取之后的波形图，方便于使用者的操作性，减少重复操作步骤；

3.实验证明，本发明适用于任何滚动轴承振动信号的故障诊断识别，通过本方法进行振动信号的故障诊断主要通过谱值比的计算并通过诊断规则都能较号的识别率。

4.本发明为最大程度获得提取滚动轴承振动信号的信号特征和通过谱值比的计算提取故障诊断规则的判别，对任何滚动轴承的振动信号都较好的准确性和鲁棒性。作为本发明提出的方法易于实现、操作简单，故障识别率高，利用谱值比判别诊断不仅较容易提取了滚动轴承的振动信号所相应时域，频域，包络谱波形以及相应的均方根、标准差、均值、方差、峰值及峰峰值，方便对相应滚动轴承的振动信号进行大致评估，也成功通过谱值比计算编写判别诊断规则快速准确判断出滚动轴承的故障类别。

附图说明

图1为本发明基于谱值比轴承故障诊断流程图；

图2为本发明滚动轴承振动信号时域分析波形图；

图3为本发明滚动轴承振动信号频域分析波形图；

图4为本发明滚动轴承振动信号包络谱分析波形图；

图5为本发明轴承故障诊断系统诊断规则流程图；

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

请参照图1-4所示，一种基于谱值比的滚动轴承故障诊断方法，包括包含数据准备模块1、故障频率计算模块2、数据读取及波形图显示模块3、7，其特征在于，所述通过利用传感器、PC电脑以及采集程序作为数据准备模块1将采集的滚动轴承振动信号分析，通过故障频率计算模块2进行信号判别是否存在脉冲信号，将判断存在的滚动轴承振动信号通过数据读取及波形图显示模块3以时域(如图2所示)、频域(如图3所示)和包络谱波形(如图4所示)进行读取和显示，对显示波形后的滚动轴承振动信号通过时域特征参数提取模块4进行均方根RMS、标准差、均值、方差、峰值及峰峰值特征提取、将数据读取及波形图显示模块3中的滚动轴承的振动信号通过包络谱比值计算分析模块5进行包络谱谱总值时域特征参数提取模块4、包络谱比值计算分析模块5、诊断规则模块6和故障诊断模块和故障频率处的包络谱的计算，计算

的值，利用时域特征参数提取模块4中提取到的均方根RMS的值和包络谱比值计算分析模块5中计算的P值完善整个诊断规则模块6的制定，最后根据诊断规则模块6的判定准则进一步通过故障诊断模块7可视化显示整个滚动轴承故障诊断的故障类别。分析的数据越多，所得到的诊断规则就越具有说服力，诊断结果的准确性就越准确。

请参照图5所示，滚动轴承故障诊断方法的诊断规则：首先判断均方根值RMS是否＜0.1，若是，则下一步提取F_内圈、F_外圈、F_滚动体、F_正常四个包络谱比值中的最大值Fmax，提取出Fmax之后就判断Fmax是否＝F_正常，若相等就判断为“轴承正常状态”，若不等就判断为“特征有误”；若均方根值RMS≥0.1，下一步提取F_内圈、F_外圈、F_滚动体三个包络谱比值中的最大值Fmax1，紧接着下一步判断Fmax1是否＝F_外圈，若相等则下一步判断Fmax1是否＞0.03，若是则判断为“外圈故障”，若不大于0.03则判断为“特征有误”；若Fmax1≠F_外圈则下一步判断Fmax1是否＝F_内圈；若相等下一步判断Fmax1是否＞0.025，若是则判断为“内圈故障”，若不是则判断为“特征有误”；若Fmax1≠F_内圈，下一步判断Fmax1是否＞0.01，若是判断为“滚动体故障”，若不是则判断为“特征有误”。

本发明的操作及运行过程如下：

一种基于谱值比的滚动轴承故障诊断方法，包括包含数据准备模块1、故障频率计算模块2、数据读取及波形图显示模块3、时域特征参数提取模块4、包络谱比值计算分析模块5、诊断规则模块6和故障诊断模块7，传感器、PC电脑、采集系统实验采集设备对相关的轴承数据进行振动信号的采集，采集完成后，系统进行故障频率计算，将数据读取后，进行波形显示，根据时域特征参数提取和包络谱比值计算分析，按照预先编写的诊断规则，对轴承故障进行诊断。析的数据越多，所得到的诊断规则就越具有说服力，诊断结果的准确性就越准确。

Claims (8)

1.一种基于谱值比的滚动轴承故障诊断方法，其特征在于：包括数据准备模块(1)、故障频率计算模块(2)、数据读取及波形图显示模块(3)、时域特征参数提取模块(4)、包络谱比值计算分析模块(5)、诊断规则模块(6)和故障诊断模块(7)共计七个模块；

所述数据准备模块(1)，该模块用于提供整个故障诊断系统的数据支撑，利用传感器、PC电脑、采集系统实验采集设备对相关的轴承数据进行振动信号的采集，作为整个发明系统的数据源；

所述故障频率计算模块(2)，该模块用于判断轴承的故障频率处是否存在振动脉冲，利用数据准备模块(1)中采集到的轴承振动信号通过故障频率计算公式进行振动脉冲信号的判断；

所述数据读取及波形图显示模块(3)，该模块用于对采集的数据进行读取和转换相应的时频波形图，将数据准备模块(1)和故障频率计算模块(2)中采集和判断完成后的振动信号输入数据读取及波形图显示模块(3)计算相应的时域分析、频域分析、包络谱分析，并进行波形图形化显示；

所述时域特征参数提取模块(4)该模块将从轴承振动数据统计的角度来反映轴承振动的特性，利用数据读取及波形图显示模块(3)中的时域分析、频域分析进行均方根、标准差、均值、方差、峰值及峰值的时频域特征参数提取；

所述包络谱比值计算分析模块(5)，该模块是指在包络谱波形图中滚动轴承故障频率处所对应的包络谱值与包络谱谱总值之比；它表示故障特征频率处包络谱值所占谱总值的比重；

所述编写诊断规则模块(6)，该模块分析滚动轴承振动信号特征，判断其是否满足相应故障条件，若满足条件，那么轴承就存在相应的故障，反之就是不存在该故障，并编写相应的诊断规则；

所述故障诊断模块(7)，该模块依据编写诊断规则模块(6)进行故障诊断的判别，将故障类别直观的表现出来。

2.根据权利要求1所述的方法，其特征在于，所述数据准备模块(1)需要通过传感器、PC电脑、采集系统实验采集设备对相关的轴承数据进行振动信号的采集，轴承振动数据中将包含四种不同类型，分别为轴承正常、外圈故障、内圈故障及滚动体故障。

3.根据权利要求1所述的方法，其特征在于，所述故障频率计算模块(2)是判断轴承好坏的一个重要依据，判断轴承是否存在故障需要观察轴承的故障频率处是否存在振动脉冲，若有，则轴承存在相应的故障。

4.根据权利要求1所述的方法，其特征在于，所述数据读取及波形图显示模块(3)是对采集的轴承振动数据进行读取和转换成相关的频谱图，在波形图内通过进行时域分析、频谱分析、包络谱分析具体了解轴承振动情况。

5.根据权利要求1所述的方法，其特征在于，所述时域特征参数提取模块(4)时是从轴承振动数据统计的角度来反映轴承振动的特性，它们可以反映轴承在振动过程中的振动幅度及轴承的振动变化范围等情况。在本发明中提取的时域特征参数有均方根、标准差、均值、方差、峰值及峰峰值。

6.根据权利要求1所述的方法，其特征在于，所述包络谱比值计算分析模块(5)是从轴承振动信号中提取的包络谱波形图中轴承故障频率处所对应的包络谱值与包络谱谱总值的比；它表示的故障特征频率处包络谱值所占谱总值的比重。

7.根据权利要求1所述的方法，其特征在于，所述编写诊断规则模块(6)是大量的数据分析来挖掘的分析轴承振动信号的特征，分析这些特征是否满足条件，若满足条件，那么轴承就存在相应的故障，反之就是不存在该故障，并编写相应的诊断规则。

8.根据权利要求1所述的方法，其特征在于，所述故障诊断模块(7)是通过系统简洁美观的界面，将输入的轴承振动信号根据通过故障频率计算模块(2)、数据读取及波形图显示模块(3)、时域特征参数提取模块(4)、包络谱比值计算分析模块(5)、诊断规则模块(6)的诊断依据进行故障诊断的判别，方便更加直观的表现故障类别。

Images