基于冲击度量和形态滤波的轴承振动信号自适应处理方法
文献发布时间:2024-04-18 19:58:21
技术领域
本发明属于机械设备的振动信号处理与故障诊断领域,特别涉及一种基于冲击度量和形态滤波的轴承振动信号自适应处理方法。
背景技术
滚动轴承是工业生产中旋转机械设备的重要组成部分。已有研究表明,机械设备中的大多数故障与轴承部件的损伤紧密相关,轴承故障也会影响整个旋转设备,乃至整个机械系统的安全运行。在复杂运行环境下,如环境噪声强、转速波动、载荷变化等,如何准确地提取出轴承信号、及早发现轴承的早期故障,仍然是轴承研究与应用中关注的重点。
由于滚动轴承的工作环境复杂,轴承故障的冲击响应成分容易被环境噪声和冲击噪声干扰,造成轴承故障特征提取困难等问题,进而影响对轴承故障情况的判断。在现有的振动信号处理方法中,形态滤波的主要思想是利用不同形态特征的结构元素去提取与之相匹配的图像或信号,以便实现图像辨识与信号降噪的目的。由于形态滤波只涉及到加法、减法、取极大值和极小值等运算,其计算简单、易实现、易理解。其中形态算子构建和结构元素参数选取是影响形态滤波性能的一个关键问题。
形态滤波的多种算子为提取不同形式的冲击信号、分离高低频信号和去除信号中的噪声提供了有用的工具。但是,相关研究与实验结果表明,在强噪声环境下,所得结果中仍含有较多噪声,不利于轴承故障的定性和定量分析。轴承故障机理研究的结果表明,当滚动轴承出现故障时,在滚动体相对滚道的旋转过程中会产生有规律的冲击信号,可激励起轴承自身固有频率和相邻部件的固有频率。理想故障振动信号是以轴承相关结构的固有频率为载波频率和故障特征通过频率为调制的振动信号,而故障信息都包含在共振频带中。因此,需要研究如何准确识别故障轴承的共振频带,进而设计合适的滤波器对轴承振动分析十分重要。
为了提高滚动轴承振动分析和故障诊断的性能,同时降低经验参数设定的不良影响,有必要研究如何量化分析故障冲击信息,改进形态滤波分析和共振频带识别性能,旨在实现复杂噪声环境下轴承微弱故障振动信号提取与分析的目的。
发明内容
本发明的目的在于克服现有技术的不足,提供一种能够实现在复杂噪声环境下准确提取轴承微弱故障振动信号的自适应处理方法。本发明定义的形态算子有助于增强形态滤波方法的周期性冲击信号提取能力;通过对轴承振动信号的冲击度量,自动选取合适的结构元素长度,有效去除冲击噪声。进一步地,使用冲击度量比较,确定带通滤波器的最优参数,提高了故障轴承共振频带的识别能力,移除了残余噪声和其他无关信号。所得的信号处理结果可以清楚地辨识轴承的故障频率和类型,实现了微弱故障振动自动提取和准确故障诊断的目的。
本发明的目的是通过以下技术方案来实现的:基于冲击度量和形态滤波的轴承振动信号自适应处理方法,包括以下步骤:
S1、参数设定:设定滑动窗口长度f
S2、基于最优结构元素长度的改进形态滤波:确定结构元素长度的取值范围,计算每个长度对应的滤波信号和相应的故障频率比值;使故障频率比值最大的结构元素的长度为最优长度se
S3、确定自适应带通滤波器的中心频率:确定带通滤波器的初始带宽和初始中心频率,从信号x
S4、确定自适应带通滤波器的带宽:对信号x
S5、获得轴承振动信号的处理结果:使用S3和S4得到的最优参数对信号x
本发明的有益效果是:本发明提出的基于冲击度量和形态滤波的轴承振动信号自适应处理方法,实现了在复杂噪声环境下准确提取轴承微弱故障振动信号的目的。在改进形态滤波方法中,定义的形态算子有助于增强形态滤波方法的周期性冲击信号提取能力;通过对故障轴承振动信号的冲击度量,自动选取合适的结构元素长度,有效去除冲击噪声。进一步地,使用冲击度量比较,确定带通滤波器的最优参数(中心频率和带宽),提高了故障轴承共振频带的识别能力,移除了残余噪声和其他无关信号。所得的信号处理结果可以清楚地辨识轴承的故障频率和类型,实现了微弱故障振动自动提取和准确故障诊断的目的。同时,冲击度量不仅可以辅助信号处理,自动筛选出最优的参数,还可以量化故障冲击信息,便于评估轴承性能退化情况。
本发明所提方法亦可扩展应用于其他旋转机械设备或部件的振动信号自适应处理,减少经验参数设定和复杂噪声对信号处理的不良影响,提升信号处理的自适应性,为整个设备的振动分析与故障诊断提供可行的技术。
附图说明
图1为轮对轴承的含冲击噪声的振动信号(内圈故障):(a)时域波形;(b)频谱;(c)0-2kHz的包络谱;
图2为本发明的基于冲击度量和形态滤波的轴承振动信号自适应处理方法的流程图;
图3为结构元素长度与FFR的关系曲线;
图4为改进形态滤波方法处理后得到的信号:(a)时域波形;(b)频谱;(c)0-2kHz的包络谱;
图5为自适应带通滤波器的中心频率设定与FFA的关系曲线;
图6为自适应带通滤波器的带宽设定与FFR的关系曲线;
图7为自适应带通滤波器处理后得到的信号:(a)时域波形;(b)频谱;(c)0-2kHz的包络谱;
图8为改进形态滤波基础上采用EEMD处理后得到的信号:(a)时域波形;(b)频谱;(c)0-2kHz的包络谱;
图9为改进形态滤波基础上采用小波去噪处理后得到的信号:(a)时域波形;(b)频谱;(c)0-2kHz的包络谱。
具体实施方式
本发明所述方法的已知条件为:采用振动加速计采集轮对测试轴承的振动信号,采样频率为12.8kHz,轮对测试轴承的转动频率为10.0Hz,该轴承的外圈故障理论频率为86Hz,内圈故障理论频率为112Hz,滚动体故障理论频率为73Hz。为了使轮对轴承的测试信号更接近实际情况,在采集的轮对轴承原始振动信号基础上添加了随机冲击噪声,添加后信号如图1所示,图1(a)为信号的时域波形图,图1(b)和图1(c)为该信号的频谱和0-2kHz的包络谱。由图1(a)可以看出,信号中包含较为明显的冲击噪声,但未能观测到故障冲击信号,表明不存在故障或故障冲击较为微弱;图1(b)的频谱中无法观测到较为明显的轴承故障产生的共振频带,图1(b)和图1(c)中标记出的100Hz和130Hz成分与轴承故障频率并无关联,因此无法判断该轴承的故障情况。
在此基础上实施本发明所述的轴承振动信号自适应处理方法。下面结合附图进一步说明本发明的技术方案。
如图2所示,本发明的一种基于冲击度量和形态滤波的轴承振动信号自适应处理方法,包括以下步骤:
S1、参数设定:设定滑动窗口长度f
S2、基于最优结构元素长度的改进形态滤波:确定结构元素长度的取值范围,计算每个长度对应的滤波信号和相应的故障频率比值(FFR);使故障频率比值最大的结构元素的长度为最优长度se
具体实现过程为:将通过振动加速计采集到的滚动轴承的振动离散信号表示为x(n),n=0,1,…,N-1,N表示该次观测信号的数据点数;
因直线形结构元素适用于保留信号的形态特征,因此选用直线形结构元素用于形态滤波;然后确定最优结构元素长度,其步骤如下:
S21、识别出振动信号x(n)的局部极大值点,共计L
S22、识别出振动信号x(n)的局部极小值点,共计L
S23、设定结构元素长度的取值范围为[l
S24、使用增强形态顶帽(Enhanced Morphological Top-Hat,EMTH)算子进行形态滤波,其定义如下:
EMTH(x(n))=COAH(x(n))+c
其中,COAH(x(n))和DCMFH(x(n))分别为闭开平均顶帽(Closing and OpeningAverage-Hat,COAH)算子和差分组合形态滤波-帽(Difference CombinationMorphological Filter-Hat,DCMFH)算子,表示为:
其中,g(m)表示结构元素,m=0,1,…,se
S25、将滤波所得到的信号记为x
其中,Y(x
其中,c
式中,maxindex{}表示确定分析包络谱中最大幅值对应的频率;式(5)中,H表示选取的故障频率倍数,该式选取1~H倍识别故障频率处的频带计算其幅值和。
S26、当se
se
获得se
否则,更新结构元素长度,表示为se
选用直线形结构元素;图3显示了结构元素长度与FFR的关系曲线,可知最优结构元素长度是3。图4是采用改进形态滤波处理后的信号,其中,图4(a)为滤波信号x
S3、确定自适应带通滤波器的中心频率:确定带通滤波器的初始带宽和初始中心频率,从信号x
具体实现过程为:
S31、确定带宽基数
S32、设定带通滤波器的初始带宽为B
S33、带通滤波器的低截止频率f
对步骤S2所得的信号x
S34、当f
f
否则,更新带通滤波器的中心频率,表示为
对图4中的滤波信号进行带通滤波。图5显示了自适应带通滤波器的中心频率设定与FFA的关系曲线,可知带通滤波器的最优中心频率为8904Hz。
S4、确定自适应带通滤波器的带宽:对信号x
S41、设定初始带宽B
S42、带通滤波器的低截止频率和高截止频率表示为
对信号x
S43、当B
B
使用最优带通滤波器处理信号x
否则,更新带通滤波器的带宽,表示为B
S5、获得轴承振动信号的处理结果:使用S3和S4得到的最优参数对信号x
图6显示了自适应带通滤波器的带宽设定与FFR的关系曲线;可知带通滤波器的最优带宽为9倍轴承故障频率,即112×9=1008Hz。
S5、获得轴承振动信号的处理结果:使用上述最优参数对信号x
图7显示了带通滤波所得信号x
为了对比本发明与传统方法的效果,采用总体经验模态分解(EEMD)和小波去噪两种方法对滤波信号x
表1轮对轴承振动信号处理结果的冲击度量对比
由表1可以看出,本发明的方法所得信号的FFA和FFR高于另外两种方法的度量值,说明本专利所述方法处理后的信号FFA值较高表明所得信号含有较多故障冲击信息,FFR值较高表明所得信号中噪声含量较低。因此,本发明所述方法的信号处理性能更优。同时,冲击度量以量化的方式反映信号处理方法之间的性能差异,不仅可用于筛选不同信号处理方法,还可以用于信号处理方法的参数优化和故障信息度量。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
- 一种基于形态滤波器的电抗器振动信号处理方法
- 基于自适应形态滤波及改进EMD的振动故障提取方法