CN117705447B - 一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统 - Google Patents
一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统 Download PDFInfo
- Publication number
- CN117705447B CN117705447B CN202410158519.6A CN202410158519A CN117705447B CN 117705447 B CN117705447 B CN 117705447B CN 202410158519 A CN202410158519 A CN 202410158519A CN 117705447 B CN117705447 B CN 117705447B
- Authority
- CN
- China
- Prior art keywords
- value
- rolling bearing
- self
- bearing
- peak
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005096 rolling process Methods 0.000 title claims abstract description 46
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 22
- 230000015556 catabolic process Effects 0.000 claims abstract description 8
- 238000006731 degradation reaction Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000002405 diagnostic procedure Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000012549 training Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统，基于故障机理来识别轴承故障，并通过提取的脉冲能量的趋势变化识别轴承部件的劣化趋势，实现了轴承的自诊断功能。本发明是一种基于机理的滚动轴承故障诊断方法，解决了在实际工程应用中因样本不足导致无法训练，进而导致无法构建模型的问题。本发明解决了其他滚动轴承自诊断方法中故障特征频率识别不准的问题，能较好地应用在工程实际中。
Description
技术领域
本发明属于旋转机械故障诊断技术领域，具体涉及一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统。
背景技术
滚动轴承是机械系统中应用最广泛的零部件之一，被称之为“工业的关节”。滚动轴承通常工作在交变载荷、高温、重载的恶劣工况下运行，随着时间推移，部件表面会出现疲劳剥落、裂纹与断裂、电蚀等多种形式的损伤，使得滚动轴承成为机械系统中最易失效的部件之一。作为机械装置中使用最广泛的机械部件，其运行状况直接影响整台机器的性能，进而影响到整个装备及生产线的稳定性。因此，对滚动轴承进行运行状态监测及故障诊断非常重要和迫切。
在实际故障诊断中，滚动轴承故障一般通过冲击值或加速度峰值定位早期故障，进一步地定位具体组件损伤则需要工程师通过查看图谱进行分析，浪费大量的人力物力。现有技术中的轴承自诊断方法大都通过机器学习方法去识别轴承故障；但在实际生产中，各个设备运行状况不一样，且轴承损坏有一个较长的周期，难以收集故障样本，通过机器学习识别轴承故障的方法很难运用到实际生产中。
发明内容
本发明要解决的技术问题是：提供一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统，用于轴承的自诊断。
本发明为解决上述技术问题所采取的技术方案为：一种基于冲击脉冲法的滚动轴承故障自诊断方法，包括以下步骤：
S1：获取加速度信号；
S2：采用巴特沃斯滤波方法对加速度信号进行带通滤波；
S3：对滤波后的信号进行包络检波求包络信号；
S4：对包络信号求极值得到峰值序列；
S5：根据峰值序列设置极值阈值，用于过滤受干扰的冲击信号；
S6：计算峰值序列的峰值频次，并与轴承部件的特征频率匹配，根据结果识别轴承的故障部件；
S7：按时间变化持续计算峰值序列的脉冲能量，通过脉冲能量的变化趋势判断轴承故障的劣化程度。
按上述方案，所述的步骤S2中，带通滤波的范围为3kHz～5kHz。
按上述方案，所述的步骤S3中，通过希尔伯特变换求包络信号Z。
进一步的，所述的步骤S4中，具体步骤为：
遍历包络信号Z中的每一个值，若z m≥z m-1且z m≥z m+1,则为局部极大值；利用该方法求出一组峰值序列/>。
按上述方案，所述的步骤S5中，根据峰值序列设置下十分位对应的值作为极值阈值。
按上述方案，所述的步骤S6中，根据峰值序列中的峰值个数计算峰值出现的频次；
比较峰值出现的频次与轴承部件的特征频率，若相等则表示该轴承部件出现故障。
按上述方案，所述的步骤S6中，轴承部件的特征频率的计算方式为：
设滚动轴承的参数包括滚动体个数n、滚动体直径d、节圆直径D、接触角以及轴承的真实转频f r，滚动轴承的部件包括内圈、外圈、滚动体和保持架；
则内圈特征频率BPFO、外圈特征频率BPFI、滚动体特征频率BSF和保持架特征频率FTF分别为：
；
；
；
。
按上述方案，所述的步骤S7中，具体步骤为：
S71：对包络信号进行阈值过滤，将低于阈值L的信号置0，将每个不为0的区间段相加，得到冲击脉冲能量值序列；
S72：取窗口长度为m，m＜k，则对应窗口为[Sk-1-m，…，Sk-1] ；将窗口内数据按大小进行排序，取10分位至90分位之间的数据计算均值窗口数据的均值mean；
S73：设冲击脉冲能量序列S的最新值Snew= Sk，以滑动窗口的方式计算
=/>；
S74：比较与预设报预警值。
进一步的，所述的步骤S7中，还包括步骤为：
取窗口为[Sk-m，…，Sk]，以滑动窗口的方式计算
=/>；
比较与预设报预警值；
取窗口为[Sk+1-m，…，Sk+1]，以滑动窗口的方式计算
=/>；
比较与预设报预警值；
若计算结果大于预设报警值且连续触发3次，则表明脉冲能量的变化趋势上升，判断轴承故障劣化。
一种基于冲击脉冲法的滚动轴承故障自诊断系统，该系统包括处理器和存储器，其特征在于：所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现一种基于冲击脉冲法的滚动轴承故障自诊断方法的步骤。
本发明的有益效果为：
1.本发明的一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统，基于故障机理来识别轴承故障，并通过提取的脉冲能量的趋势变化识别轴承部件的劣化趋势，实现了轴承的自诊断功能。
2.本发明是一种基于机理的滚动轴承故障诊断方法，解决了在实际工程应用中因样本不足导致无法训练，进而导致无法构建模型的问题。
3.本发明解决了其他滚动轴承自诊断方法中故障特征频率识别不准的问题，能较好地应用在工程实际中。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例的一组振动信号图。
图3是本发明实施例的巴特沃斯带通滤波后信号图。
图4是本发明实施例的检波后包络信号图。
图5是本发明实施例的计算包络后信号的极小值图。
图6是本发明实施例的阈值过滤后信号图。
图7是本发明实施例的冲击脉冲能量序列图。
具体实施方式
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。
参见图1，本发明的实施例包括以下步骤：
S1：参见图2，获取加速度信号；
S2：采用巴特沃斯滤波方法对加速度信号进行带通滤波，滤波范围选择3k～5k，滤波后信号为，参见图3；
S3：对滤波后的信号进行希尔伯特变换，求包络信号，参见图4；
S4：对希尔伯特变换后的信号求极大值，得到一组峰值序列；具体步骤为：
遍历包络信号中的每一个值，若z m≥z m-1且z m≥z m+1,则/>为局部极大值；利用该方法求出一组峰值序列/>；
S5：由于滚动轴承早期故障时有明显的冲击信号，但在实际生产现场，由于一些噪声等原因冲击信号幅值会有所变化，根据峰值序列设定阈值，过滤掉一些较低的冲击信号；
S6：阈值设定；根据峰值序列选订下十分位对应的值作为阈值，参见图5；
根据计算出来的局部极小值进行排序，取下十分位作为阈值L，过滤掉低于下十分位的阈值并将低于下十分位的值置为0，并将包络后信号首尾元素置为0，同时将大于阈值L的数据置为1。阈值过滤后的数据如图6所示（取局部数据进行放大）。
S7：根据筛选后的峰值个数匹配轴承特征频率；轴承特征频率的计算方式为：从实际轴承的参数进行计算：某一滚动轴承的参数包括滚动体个数n、滚动体直径d、节圆直径D、接触角以及轴承的真实转频f r。根据以下公式依次计算出内圈故障特征频率fBPFO、外圈故障特征频率fBPFI、滚动体故障特征频率fBSF和保持架故障特征频率fFTF，分别对应内圈特征频率BPFO、外圈特征频率BPFI、滚动体特征频率BSF和保持架特征频率FTF：
；
；
；
；
通过比较峰值出现的频次与滚动轴承出现的故障特征，若等于以上四个频率中的任意一种，则表示该轴承的对应部件出现故障；
S8：对希尔伯特变换后得到的信号进行阈值过滤，将低于阈值L的信号置为0，将每一个不为0的区间段进行相加，计算每个脉冲串中的能量得到冲击脉冲能量值序列；通过脉冲能量的变化趋势判断轴承故障的劣化程度，参见图7，具体步骤为：
S81：将冲击脉冲能量值序列S按大小进行排列，取10分位至90分位之间的数据；
S82：计算步骤S81所取数据的均值Mean；
S83：取原冲击脉冲能量序列中Snew并计算，比较计算结果和预设报预警值；
在实时监测中，随着时间推移不断更新S序列，持续计算比值，并与预设比值做比较；若计算结果大于预设报警值且连续触发了3次，则表明趋势上升，判断轴承故障劣化。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。
Claims (8)
1.一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：包括以下步骤：
S1：获取加速度信号；
S2：采用巴特沃斯滤波方法对加速度信号进行带通滤波；
S3：对滤波后的信号进行包络检波求包络信号；
S4：对包络信号求极值得到峰值序列；
S5：根据峰值序列设置极值阈值，用于过滤受干扰的冲击信号；
S6：计算峰值序列的峰值频次，并与轴承部件的特征频率匹配，根据结果识别轴承的故障部件；
S7：按时间变化持续计算峰值序列的脉冲能量，通过脉冲能量的变化趋势判断轴承故障的劣化程度；具体步骤为：
S71：对包络信号进行阈值过滤，将低于阈值L的信号置0，将每个不为0的区间段相加，得到冲击脉冲能量值序列；
S72：取窗口长度为m，m＜k，则对应窗口为[Sk-1-m，…，Sk-1]；将窗口内数据按大小进行排序，取10分位至90分位之间的数据计算均值窗口数据的均值mean；
S73：设冲击脉冲能量序列S的最新值Snew= Sk，以滑动窗口的方式计算=；
S74：比较与预设报预警值；
还包括步骤为：
更新窗口为[Sk-m，…，Sk]，以滑动窗口的方式计算=/>；比较与预设报预警值；
更新窗口为[Sk+1-m，…，Sk+1]，以滑动窗口的方式计算=/>；比较与预设报预警值；
若计算结果大于预设报警值且连续触发3次，则表明脉冲能量的变化趋势上升，判断轴承故障劣化。
2.根据权利要求1所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：所述的步骤S2中，带通滤波的范围为3kHz～5kHz。
3.根据权利要求1所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：所述的步骤S3中，通过希尔伯特变换求包络信号Z。
4.根据权利要求3所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：所述的步骤S4中，具体步骤为：
遍历包络信号Z中的每一个值，若z m≥z m-1且z m≥z m+1,则为局部极大值；利用该方法求出一组峰值序列/>。
5.根据权利要求1所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：所述的步骤S5中，根据峰值序列设置下十分位对应的值作为极值阈值。
6.根据权利要求1所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：所述的步骤S6中，根据峰值序列中的峰值个数计算峰值出现的频次；
比较峰值出现的频次与轴承部件的特征频率，若相等则表示该轴承部件出现故障。
7.根据权利要求1所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法，其特征在于：所述的步骤S6中，轴承部件的特征频率的计算方式为：
设滚动轴承的参数包括滚动体个数n、滚动体直径d、节圆直径D、接触角以及轴承的真实转频f r，滚动轴承的部件包括内圈、外圈、滚动体和保持架；
则内圈特征频率BPFO、外圈特征频率BPFI、滚动体特征频率BSF和保持架特征频率FTF分别为：
；
；
；
。
8.一种基于冲击脉冲法的滚动轴承故障自诊断系统，该系统包括处理器和存储器，其特征在于：所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统实现如权利要求1至权利要求7中任意一项所述的一种基于冲击脉冲法的滚动轴承故障自诊断方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410158519.6A CN117705447B (zh) | 2024-02-04 | 2024-02-04 | 一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410158519.6A CN117705447B (zh) | 2024-02-04 | 2024-02-04 | 一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117705447A CN117705447A (zh) | 2024-03-15 |
| CN117705447B true CN117705447B (zh) | 2024-04-26 |
Family
ID=90159304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410158519.6A Active CN117705447B (zh) | 2024-02-04 | 2024-02-04 | 一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117705447B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102269655A (zh) * | 2010-06-04 | 2011-12-07 | 北京化工大学 | 一种轴承故障的诊断方法 |
| CN109635307A (zh) * | 2016-06-29 | 2019-04-16 | 潍坊学院 | 滚动轴承的wt、谱峭度和平滑迭代解调故障诊断方法 |
| CN111413095A (zh) * | 2020-04-13 | 2020-07-14 | 西安电子科技大学 | 基于瞬时角速度的行星轴承分布式故障诊断分析方法 |
| DE102021210349A1 (de) * | 2020-09-29 | 2022-03-31 | Aktiebolaget Skf | Verfahren und System zum Durchführen einer Fehlerdiagnose durch Lagergeräuschdetektion |
| WO2023017226A1 (fr) * | 2021-08-11 | 2023-02-16 | Safran | Titre : procédé de détection d'un défaut de roulement d'un système rotatif et système de surveillance mettant en œuvre ce procédé |
| CN116432071A (zh) * | 2021-12-31 | 2023-07-14 | 中核武汉核电运行技术股份有限公司 | 一种滚动轴承剩余寿命预测方法 |
-
2024
- 2024-02-04 CN CN202410158519.6A patent/CN117705447B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102269655A (zh) * | 2010-06-04 | 2011-12-07 | 北京化工大学 | 一种轴承故障的诊断方法 |
| CN109635307A (zh) * | 2016-06-29 | 2019-04-16 | 潍坊学院 | 滚动轴承的wt、谱峭度和平滑迭代解调故障诊断方法 |
| CN111413095A (zh) * | 2020-04-13 | 2020-07-14 | 西安电子科技大学 | 基于瞬时角速度的行星轴承分布式故障诊断分析方法 |
| DE102021210349A1 (de) * | 2020-09-29 | 2022-03-31 | Aktiebolaget Skf | Verfahren und System zum Durchführen einer Fehlerdiagnose durch Lagergeräuschdetektion |
| WO2023017226A1 (fr) * | 2021-08-11 | 2023-02-16 | Safran | Titre : procédé de détection d'un défaut de roulement d'un système rotatif et système de surveillance mettant en œuvre ce procédé |
| CN116432071A (zh) * | 2021-12-31 | 2023-07-14 | 中核武汉核电运行技术股份有限公司 | 一种滚动轴承剩余寿命预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117705447A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108181105B (zh) | 基于逻辑回归和j散度的滚动轴承故障预诊方法及系统 | |
| CN108647786B (zh) | 基于深度卷积对抗神经网络的旋转机械在线故障监测方法 | |
| CN111521400B (zh) | 一种基于edm及谱峭度的轴承早期故障诊断方法 | |
| CN108304348B (zh) | 一种基于二元维纳过程的轴承剩余寿命预测方法 | |
| CN112487890B (zh) | 一种基于并行稀疏滤波的轴承声信号故障诊断方法 | |
| CN114004256A (zh) | 基于数字孪生体的制造装备主轴承的故障诊断方法 | |
| CN112633098A (zh) | 一种旋转机械故障诊断方法、系统及存储介质 | |
| CN111060302A (zh) | 多参数设备状态综合监测诊断装置和诊断方法 | |
| CN107831012A (zh) | 一种基于Walsh变换与Teager能量算子的轴承故障诊断方法 | |
| CN115563853A (zh) | 一种基于数字孪生的滚动轴承故障诊断方法 | |
| He et al. | Bearing condition evaluation based on the shock pulse method and principal resonance analysis | |
| CN111811819A (zh) | 一种基于机器学习的轴承故障诊断方法及装置 | |
| CN110196165B (zh) | 一种基于K-means聚类和证据推理的旋转机械滚珠轴承故障诊断方法 | |
| CN117705447B (zh) | 一种基于冲击脉冲法的滚动轴承故障自诊断方法及系统 | |
| CN111707472A (zh) | 基于fft和全连接层-svm的滚动轴承故障诊断方法 | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| CN113092044B (zh) | 一种基于加权水平可见图的旋转机械故障诊断方法 | |
| CN112964470A (zh) | 一种基于轴承健康指标检测滚动轴承早期故障的方法 | |
| CN112132069A (zh) | 一种基于深度学习的滚动轴承微弱故障智能诊断方法 | |
| CN112380782A (zh) | 一种基于混合指标和神经网络的旋转设备故障预测方法 | |
| Pandiyan et al. | Systematic Review on Fault Diagnosis on Rolling-Element Bearing | |
| CN116644672A (zh) | 一种基于残差网络的航空发动机滚动轴承故障诊断方法 | |
| Hamadache et al. | Improving signal-to-noise ratio (SNR) for inchoate fault detection based on principal component analysis (PCA) | |
| CN114077850B (zh) | 一种变工况下的基于图数据的旋转机械设备状态监测方法 | |
| CN113177484B (zh) | 基于lof自编码的机械故障智能诊断方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |