一种基于循环脉冲的滚动轴承微弱故障诊断方法

技术领域

本发明涉及故障诊断技术领域，特别是涉及一种基于循环脉冲的滚动轴承微弱故障诊断方法。

背景技术

滚动轴承是工业设备中应用最广泛的机械零部件之一，主要起支撑转动部件、减少摩擦的作用。由于滚动轴承经常处于高速、重载等场合，在长期不间断工作状态下极易发生磨损、破裂、剥落等故障。有统计数据表明，滚动轴承故障几乎占据了各类旋转机械故障的30％。然而，由于生产现场环境复杂，滚动轴承早期微弱故障信息常常淹没于噪声信号中，传统的轴承故障诊断方法难以对早期微弱故障进行准确诊断，如包络解调需要从频谱中寻找故障特征频率，而在噪声大或者早期微弱故障情况下，其故障特征频率往往很难被发现；而谱峭度等方法对故障振动信号的共振频带进行优化选择，需要一定的先验知识，且在振动信号中的频率成分较为复杂，信噪比较低情况下，难以诊断出轴承早期故障产生的微弱脉冲信号。

发明内容

针对上述现有技术缺点，本发明的目的是提供一种基于循环脉冲的滚动轴承微弱故障诊断方法。

为了达到上述目的，本发明采取的技术方案为：

一种基于循环脉冲的滚动轴承微弱故障诊断方法，包括以下步骤：

步骤S1：利用加速度传感器采集待测轴承的振动信号，并从采集到的信号样本中截取长度为N的数据作为原始时间序列x(t)；

步骤S2：对原始时间序列x(t)进行S变换，计算式为：

式中，w

步骤S3：根据时频分布矩阵S(τ,f)在每一频率f

二维时频分布矩阵S(τ,f)在频率f＝f

切片时间序列s(t)的计算式如下：

s(t)＝S(τ,f

式中，f

步骤S4：定义切片时间序列的脉冲峰值矩计算方法及过程，计算得到切片时间序列s(t)的脉冲峰值矩PM

步骤S401：对于只含有单脉冲的时间序列s(t),(t∈[t

步骤S402：实际轴承振动信号的时间切片序列s(t)所包含的故障脉冲分量个数未知，故需对序列s(t)进行分段处理。针对长度为N、采样频率为f

式中，τ

步骤S403：使用可变窗函数w对s(t)进行加窗截断，并求取每个矩形窗中的脉冲峰值矩。

当第1个矩形窗起始时间为τ

步骤S404：将同一τ

步骤S5：求取各个故障脉冲可能出现的频率f下脉冲指数ID的变异系数，计算式如下：

式中，

计算得到时间序列s(t)的循环脉冲谱CP(f)，将循环脉冲谱CP(f)的峰值频率与轴承故障频率理论值进行分析对比，确定待测轴承的故障位置，完成滚动轴承故障诊断。

本发明相比于现有技术，具有以下有益效果：

1、使用能量最大的频率处对时频谱进行切片选择，充分利用了时频谱在每个频率处的动态变化信息，与传统的共振频带选择方法相比更具鲁棒性；

2、本发明通过计算信号的脉冲峰值矩，然后以其变异系数即循环脉冲谱来判断轴承故障频率，充分利用了滚动轴承故障冲击的脉冲性和周期性，能够在强干扰环境下，对滚动轴承微弱故障信号频率进行准确提取。

附图说明

图1为本发明进行滚动轴承故障诊断的流程图

图2为可变窗w加窗示意图

图3为循环脉冲谱CP(f)图

图4为对比算法结果图

具体实施方式

为了使本发明的实施过程更加详尽、易懂，下面将结合本发明实施例，对本发明的技术方案进行完整、详细的描述，显然，本文所描述的实施例仅为本发明的某一实施例，而并非本发明全部的实施例。基于本发明中的实施例，本领域内的其余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基于循环脉冲的滚动轴承微弱故障诊断方法，用于在复杂环境、强干扰的场景下对滚动轴承微弱故障进行精确诊断。

如图1所示，一种基于循环脉冲的滚动轴承微弱故障诊断方法，包括以下步骤：

根据轴承几何条件和转速得知，本实例被测滚动轴承外圈故障、内圈故障与滚动体故障所对应的故障频率理论值分别为168.05Hz，222.4Hz，71.26Hz。

步骤S1：利用加速度传感器采集待测轴承的振动信号，并从采集到的信号样本中截取长度为N的数据作为原始时间序列x(t)；

步骤S2：对原始时间序列x(t)进行S变换，计算式为：

式中，w

步骤S3：根据时频分布矩阵S(τ,f)在每一频率f

二维时频分布矩阵S(τ,f)在频率f＝f

切片时间序列s(t)的计算式如下：

s(t)＝S(τ,f

式中，f

步骤S4：定义切片时间序列的脉冲峰值矩计算方法及过程，计算得到切片时间序列s(t)的脉冲峰值矩PM

步骤S401：若切片时间序列s(t)仅含有单个故障脉冲，使用脉冲峰值矩PM来表征信号的尖峰陡峭程度，PM计算方法定义如下：

步骤S402：实际轴承振动信号的时间切片序列s(t)所包含的故障脉冲分量个数未知，故需对序列s(t)进行分段处理。针对长度为N、采样频率为f

式中，τ

步骤S403：使用可变窗w对s(t)进行加窗截断，并求取每个矩形窗中的脉冲峰值矩，图2为使用可变窗w对s(t)加窗示意图。

当第1个矩形窗起始时间为τ

步骤S404：将同一τ

步骤S5：求取各个故障脉冲可能出现的频率f下脉冲指数ID的变异系数，计算式如下：

式中，

至此，计算得到滚动轴承振动信号的循环脉冲谱CP(f)如图3所示，可见在外圈理论故障频率168Hz、二倍频336Hz处均有明显峰值，可以判断该轴承具有外圈故障，完成滚动轴承微弱故障的诊断。

本发明方法与其他故障诊断方法对比。

对比1：直接对原始振动信号序列x(t)进行傅里叶变换，得到其频谱图如图4(a)所示。

对比2：对x(t)进行快速谱峭度，选择适当频带进行滤波，得到其包络谱图如图4(b)所示。

由图3、图4对比可知，传统轴承故障诊断方法无法准确诊断出该滚动轴承微弱故障类型，而本发明充分利用了故障冲击的脉冲性与周期性，无需准确的共振频带优化选择与后续解调分析即可对轴承早期微弱故障进行精确诊断，能减少因滚动轴承故障而带来的安全隐患和损失。