小波包分析在滚动轴承信号消噪处理中的应用

合集下载

平稳小波变换在轴承振动信号去噪中的应用

ｅｔａｔｔｅｆｕｔｅｔｒｎｔｅｖｂａｉｎｓｎ．ｘｒｃｈａｌｆａｕｅｉｈｉｒｔｉａｏｇ１Ｋｅｒｓｏｌｇｂａｎｙｗｏｄ：ｒｌｎｅｒｇ；ｓａｉｎｒｖｌｔｔｎｆｒ；ｓａｅｃｒｅａｉｎ；ｎｉｅｒｄｃｉｎ；ｖｂａｉｎｓｇａｉｉｔｔａｙｗａｅｅｒｓｍｏａｏｃｏｒｌｔｌｏｏｓｅｕｔｏｉｒｔｉｌｏｎ
许多机械是在非平稳状态下工作，采集的振动信号往往受到噪声信号干扰。研究机械振动信号的滤波消噪，对机械设备的故障诊断有着重要
的理论和实践意义 ¨ 。
噪中得到广泛的研究并取得了非常好的应用效果，成为信号去噪的主要方法之一。为了有效提
Ｓｅ —ｔｏＺＨＡＮＧｎＵＩＷｎａ，Ｄａ
（ｈｎｏｇＵｉｒｔｏｅｈｏｇ．ｈｎｏｇＰｏｉｃｌｅａｏａｏｆｒｉｏｎｆｔｉｇａｄＳａｄｎｎｅｓｙｆｃｎｌｙａＳａｄｎｒｎｉｙＬｂｒｔｙｏｅｓｎＭａｅｅｒｎｖｉＴｏｖａＫｒＰｃｉａｕｎＮｎ—ｔｄｔｎｌｃｉｉ；．ｃｏｌｆｌｔｃｌＥｅｔｎｃＥｇｎｅｎ，ｉ５０９，ｈｎ）ｏｒｉｏａＭａｈｎｂＳｈｏｏｅｒａ＆ｌｃｏｉｎｉｅｒｇＺｂ２５ａｉｎｇＥｃｉｒｉｏ４Ｃｉａ
在Ｍｌｔａａ离散小波变换算法中，ｌ信号经过低通和高通滤波器卷积后，进行隔二取一的下采样得到尺度系数和小波系数。但由于进行下采样得到的小波系数缺乏平移不变性。平稳小波变换（ｔｔｎｒａｅｅｔｎｆｉ，ＷＴ）引入在一定ｓｉａｙｗｖｌｔｒｓｒｌＳａｏａｏｌ的程度上解决了该问题。平稳小波变换与离散小波变换相同之处在于在每层上都运用高通和低通滤波器对输入信号进行处理，同之处是平稳小波不变换不对输出信号进行下采样，而是进行上采样。

小波分析在信号消噪中的应用

Wa 去 x '(} ,)rt,a’ f.(,r)_ r ()wp l 。
等效的频域表示是 :
二(R 一 X)Tau 、 .。'l (w%)一 a f ; 2 r
式中X(( )和`Y ) 分是x(t) 和O(t) 的立变 J (w 别傅叶换小波包分析是从小波分析中延伸出来的一种对信号进行更加细
号进行多尺化分析，解决了度细于从而傅里叶变换不能解决的许多问
题，是调和分析发展史上的里程碑，是一种比较理想的信号处理方法。
2 小波变换的基本理论
den 表示消噪，表示小波包，代表信号;T 是返回阑值， W P X HR SORH 选择软阑值或硬阂值沐EEPAPP 让你保存低频号， CRIT 指嫡标
致的分析和重构方法。
X 是输人信号，消噪后返回XD, wname 指小波包函数， SORH 选择软阂值或硬阑值，指分解层数。 N 用嫡标准实现最佳分解时，嫡标准由 CRIT,PAR 定义，阑值参数也是PAR, KEEPAPP=1 时低频系数不用阑值量化，反之低频系数也要阑值量化。输出 TREED ,DATAD 是小波包最佳分解结构 PERFO 及 PERF2 是恢复和压缩 L2范数百分比。
[rHASO RHEEEPA R Y PP,C P ]=dds- "d.,;w p,X)
A值为sgrt(2*log(length(x))),③启发式m值选择，是前两种A值的综合，
用的信号不明显，为得到准确的测试结果，要对测试信号进行处理和
分析。
信号处理，就是以数值计算的方法对信号进行采集、变换、综合、估计与识别等加工处理，借以达到提取信号，便于应用的目的。随着计

小波理论在滚动轴承故障诊断中的应用

ｈｔ：ｗｗｃＳ．ｒ．ｔ／ｐ／ｗ．－ｏｇｃ－ａａ
汁算机系统应用
已广泛应用于信号及图像处理、语音处理、数值计算、模式识别、量子物理、故障诊断［等领域，被认为是】在工具和方法上的重大突破。由基本小波或母小波（通过伸缩ａ和平移ｂ产ｆ）生一个函数族称｛（）ｆ为小波。有：）
（）原始信号ａ（）含噪信号ｂ
率确定小波最大分解层数。２对细节系数做相关分析，阈值选择可用公式如）
下描述：
图ｌ信号时域图
分别用上述两种方法对信号进行消噪处理，实验结果分别见图２ａ和图２ｂ所示。（）（）可以看出，用小波消噪对信号中的尖峰和突变部分有着很好的处理，而ＦＴ滤波消噪则不能对有用信Ｆ
留。因此分解层数的选择要使信噪比提高的同时也要
考虑到对低频噪声的抑制。小波降噪分析实质上是抑
制信号中的无用成份，恢复有用成份的过程，因此小
波分解系数要能够反映有用信号中的最小频率成分，将信号分解到各个独立的频带上，高层的细节系数反
映了信号的低频部分，从而提出由有用信号的最小频
３利用处理后的细节信号和最后一层的逼近信号）
进行重构，得到降噪后的信号。４二阶循环统计量分析．２
系数。通常，把（ ≠ 的频率称为信号（的循ｆ０）ｆ）
环频率。循环自相关函数与传统相关函数的区别是，引入因子ｅ，使得相关域分析拓展到循环相关域－。分析中，这个加权因子ｅ被称为循环权重因子。

小波包神经网络在轴承故障模式识别中的应用

ｓｕｔｎｆｒｕａｐｌｎｎｒｆａｈｆｑｅｃａｄｔ８ｔｐｔｅｔｒｆｅｒｌｅｏｋｔｅｅｏｋＷｔｃｉｍｌ，Ａｐｙｇｅｅｏｃｅｕｎｙｂａｅｉｕｃｎｕａｔｒ，ｎｎｔｒａｒｏｏｉｙｇｅｒｎｏｈｎｖｏｏｎｗｈｗｓ
ＡｐｌａｉｎｏａｅｅｃｅｎｕａｔｒｎｐｉｔｏｆＷｖｌｔＰａｋｔａｄＮｅｒｌｃＮｅｗｏｋｉＢｅｒｎｕｔＰａｔｒｃｇｉｏａｉｇＦａｌｔｅｎＲｅｏｎｔｎｉ
ＷＡＧＧｏ— ｏｇＺＡＧＪｎ— ｕＧＯＬ —ｘ，０Ｙｎ —ｇｎ，ＨＮｕ —ｓｎＮｕｄｎ，ＨＮｉａｙ，ＡｉｉｘｏｇａｇＺＡＧＸｅｏｇｎ
ｌｙｒｅｏｐｓｏｏｆｃｅｔＷｂａｅｏｗｆｑｅｃｉｅｕｎｙａｄｓａｓａｅｗｒｄｄｄｃｒ－ａｅｃｍｏｉｎｃｅｉｉｎｓａｏｔｉｄｆｍｌｅｕｎｙｔｈｇｆｑｅｃｎｉｌｐｃｅｅｉｅｏｄｉｔＳｎｒｏｒｏｈｒｎｇｖｉｎｐｅｌｍａｔｅｏｐｎｎｆａｈｆｑｅｃａｄＷａｅｒｇｉｌｂａｃｅｏｓｕｔｎｗｔｅｒｎｌｔｙｅｉ，Ｃｍｅｔｃｅｕｎｙｂａｇｉｄｔｏｈｓｇｅｒｈｒｃｎｔｃｉｉｔｇ－ｅｎｍｏｏｅｒｎｓｎｈｕｎｎｒｏｈｈ￣ｏ
维普资讯０年１０７期
Ｃ１—１４／Ｎ４１８ＴＨＢａｉｇ２０Ｎｏ１ｅｒｎ０７，．

小波变换在滚动轴承故障分析中的应用

ｃｌｖｂａｉｎｓｅｄｓｇａｓｍｅｓｒｄｆｍｏｌｇｂａｉｇｔａｌｒｎｌｚｄｂｈｒｐｓｄｍｅｈｄ，ａｄｔｅａｉｒｔｐｅｉｎｌｏａｕｅｒｏｒｌｎｅｒｎｓｗｉｆｕｔａｅａａｙｅｙｔｅｐｏｏｅｔｏｓｎｈｉｈｓｒｑｅｃｐｃｒｇａｆｆｌｓｇａｓａｅｄａｎｒｓｅｔｌ．Ｔｅｒｓｌｈｗａｅｐｏｏｅｔｏｓａｅｓｐｒｏｆｅｕｎｙｓｅｔｏｒｍｓｏｕｔｉｎｌｒｒｗｅｐｃｉｅｙａｖｈｅｕｔｓｏｔｔｈｒｐｓｄｍｅｈｄｕｅｉｒｓｈｔｒｔｈｒｄｔｎｔｏｓｉｘｒｃｉｇｔｅｆｕｔｃａａｔｒｔｓｏｎｒｒｇａｄｒｌｎｌｍｅｔｏｏｌｇｂａｉｇ．ｏｔｅｔｉｏａｍｅｈｄｎｅｔａｔａｌｈｃｅｉｉｆｉｅｉｎｏｌｇｅｅｎｆｒｌｎｅｒｓａｉｌｎｈｒｓｃｎｎｉｉｎＫｅｒｓｏｌｇｂａｉｇｉｃｅｅｗａｅｅｒｎｆｒ；ｉｎｒｒｎａｌ；ｒｌｎｌｍｅｔａｌｙｗｏｄ：ｒｌｎｅｒｎ；ｄｓｒｔｖｌｔｔｓｍｉａｏｎｅｉｇｆｕｔｏｌｇｅｅｎｕｔｉｆ
滚动轴承在运行过程中出现的故障按其振动信号的特征可分为表面损伤类故障（如点蚀、剥落及擦伤等）和磨损故障。当轴承零件滚动接触面
存在表面损伤类故障时，轴承运动过程中，承在轴的其他零件会间断地撞击局部的故障部位，生产

小波变换在轴承故障声发射信号降噪中的应用

障脉冲特征明显增强。采用实验数据，过与离散小波变换的比较，到了用连续小波变换可通得
以有效降低噪声、提取故障声发射信号特征的结论
关键词：续小波变换；声消除；连噪滚动轴承中图分类号：Ｈ１３文献标识码：Ｔ３Ａ文章编号：１０３２（０６００３００６２６２０）４—０４５
阈值处理，然后进行小波重构得到降躁的信号。根据故障轴承声发射信号的脉冲特性选取Ｍｏ— ｒ
ｌ小波，小波熵最小” ｅｔ以“ 原则确定Ｍｒｔｏｅ小波的波形参数，ｌ然后进行连续小波变换。采用软阈
值方法处理小波东数，通过小波重构得到降噪后的故障声发射信号，声得到了很好的抑制，噪故
பைடு நூலகம்
３５
式中。号为复共轭，符尺度参数 “ 和时问位置参数ｆＪ在取值范围内连续变化实际计算中往往采用离散
小波变换，二进离散小波变换：为
，／）：２嚏（，ｋＩ ∑ （＾（）２２２，・ｎ一）
实际计算中连续小波变换的重构公式为
轴承的声发射信号对轴承的安全性及运行状态进行长期监测。考虑到制造精度和装配精度的影响，完好轴承在运转过程中内外罔和滚动体及保持架之间的运动接触也会产生声发射信号，但是与故障引起的声
发射信号相比非常微弱。当故障出现早期，微弱的故障声发射信号常常淹没在背景噪声中，¨ 女何从背景噪声中提纯故障声发射信号特征，对于滚动轴承早期故障诊断具有重要意义。王提出通过连续小波变换见来提纯轴承故障声发射信号的力法， ‘ 通过与原始采样信号埘比，降躁后的信号故障特征明显增强，结果表

小波分析在滚动轴承故障信号处理中的应用

ｓｉｇｎａｌｉｓｔＯＯｗｅａｋ，ｔｈｅｒｏｌｌｉｎｇｂｅａｒｉｎｇｆａｕｌｔｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｂａｓｅｄｏｎＦｏｕｒｉｅｒｔｒａｎｓｆｏｒｍｓｐｅｃｔｒｕｍａｎａｌｙｓｉｓｔｅｃｈｎｉｑｕｅｓｉｓ
ＬｉＸｉｎ（ＡＶＩＣＡｖｉａｔｉｏｎＰｏｗｅｒｐｌａｎｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｚｈｕｚｈｏｕ４１２００２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｒｏｔａｔｉｎｇｍａｃｈｉｎｅｒｙｗｈｅｎｔｈｅｂｅａｒｉｎｇｆａｉｌｕｒｅ，ｔｈｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｉｓｍｏｒｅｃｏｍｐｌｅｘｃｏｍｐａｒｅｄｔＯｏｔｈｅｒｖｉｂｒａｔｉｏｎ
／第］己卷第５期
己口１］年５月
理论与方法
小波分析在滚动轴承故障信号处理中的应用
李鑫
（中航工业航空动力机械研究所摘株洲４１２００２）
要：在旋转机械中，当轴承发生故障时，振动信号比较复杂，相对其它振动信号太弱，基于傅立叶变换的谱分析技术对滚

自适应小波降噪在轴承故障诊断中的应用概要

文章编号:1006-1355(200705-0100-05自适应小波降噪在轴承故障诊断中的应用王国栋1,胡邦喜2,高立新1,张建宇1(1.北京工业大学北京市先进制造技术重点实验室,北京100022;2.武汉理工大学管理学院,武汉430070摘要:针对轴承振动的非平稳性特点和频谱成分的混杂性,提出了基于小波的信号自适应阈值降噪法。

自适应阈值降噪法首先对信号进行离散正交小波多层分解,对分解后的各层细节系数中模小于某阈值的系数进行处理,然后将处理完的小波系数再进行反变换,重构出经过降噪后的信号。

用仿真信号进行降噪处理,结果表明:通过选择合适的小波基和阈值选择规则,可以实现信号的完美降噪;实测轴承振动信号用小波降噪方法进行预处理,提高了信噪比,进一步作频谱分析得到了故障特征信息,为诊断决策提供了依据。

关键词:振动与波;非平稳性;小波分解;阈值选择;信号降噪;特征提取中图分类号:TH 165+.3 文献标识码:AApplication of AdaptiveW avelet D enoisi ng on Beari ng Fault D iagnosisWANG Guo dong 1,H U Bang x i 2,GAO L i xin 1,Z HANG J i a n yu1(1.K ey Laboratory o fAdvanced M anu facturing Techno logy ,Be ijing University o fTechnology ,Be ijing 100022,China ;2.Schoo l ofM anage m ent Sciences ,W uhan University o fTechnology ,W uhan 430070,China A bstract :For the nonstationarity and spectrum chaos of the bear i n g v i b ration si g na,l t h reshold de no ising based on w ave let deco m position w as put for w ard .I n th is m ethod ,signal w as deco m posed into m ulti layer ,pr ocessi n g the deta il coefficients acco r d i n g as the t h resho l d ,t h en reconstructi n g to get the de no i s ed si g na l by the w avelet coefficients .The si m ulated signalw as deno ised ,the result de m onstrated tha t fi n e denoisi n g cou l d be carried out thr ough selecti n g suitab le w ave let and threshold r u ler .The deno ising m ethod w as e mp l o yed to preprocess the real vibration signal of beari n g ,i m prov i n g t h e signal no ise rate .Fault characteristic w as gained by the fo ll o w ing frequency analysis ,it approved foundati o n o f d i a gnosis decisi o n m aking .K ey w ords :v i b rati o n and w ave ;nonstationarity ;w ave let deco mposition ;thresho l d se lecti o n ;si g na l denoisi n g ;characteristic extraction 收稿日期:2006 12 27作者简介:王国栋(1981-,男,河北省宁晋县人,硕士研究生,研究方向:智能监控与故障诊断。

小波分析在轴承故障诊断中的应用

小波分析在轴承故障诊断中的应用轴承是旋转机械中重要的组件之一，其正常运转不仅能保证设备的稳定运行，还能延长其使用寿命。

然而，长期的振动载荷和摩擦磨损等因素会导致轴承故障，进而影响到设备的正常运行。

因此，轴承故障的及时检测与诊断对于设备的健康运行至关重要。

传统的轴承故障诊断方法主要是基于振动信号分析，但该方法存在故障判断不准确、对轴承内部结构无法感知等问题。

与此同时，近年来，小波分析技术在信号处理领域中被广泛应用，具有多分辨率、非线性和局部性等优点，可以有效地用于轴承故障诊断。

一、小波分析技术介绍小波分析（Wavelet Analysis）是一种数学工具，可对信号进行多分辨率分析和频率变换。

相比于傅里叶变换等传统频谱分析方法，小波变换可以提供频率特性和时间特性的同时信息，更适用于对非平稳和非线性信号的处理。

在小波分析中，最常用的小波基为 Morlet 小波，其实为高斯函数和正弦余弦函数的乘积，具有较好的时频局部分辨率。

二、1. 小波包能量谱分析法（WPES）小波包能量谱分析法（WPES）采用小波包变换对轴承振动信号进行特征提取和信号分类。

其基本思路为利用小波包变换的逐层分解和重构特性，详细分析不同尺度的频率信号，得到轴承信号内部结构的多频率特征信息，并通过指定的能量门限对不同频率特征进行分类。

此方法可以准确地识别出轴承故障信号，并对不同故障类型进行区分。

2. 模态分解小波包能量谱分析法（MWPES）模态分解小波包能量谱分析法（MWPES）结合小波包变换和模态分解方法，可以有效地对轴承振动信号进行故障诊断。

其中，模态分解可将信号分解为不同的振动模态信号，并采用小波包变换对不同振动模态信号进行小波分析，在分析过程中，对每种振动模态信号进行特征提取，并计算它们的能量谱，最终通过能量拟合曲线来确定轴承是否发生故障。

3. 瞬态特征小波包谱分析法（TWPES）瞬态特征小波包谱分析法（TWPES）通过选择特定小波基进行瞬态信号分析，有效区分了高斯白噪声和轴承局部损伤所产生的转子挥动信号。

小波分析及在轴承故障诊断中的应用【文献综述】

毕业设计文献综述电气工程与自动化小波分析及在轴承故障诊断中的应用一、材料的来源目前，小波分析在故障诊断中的应用已取得了极大的成功。

小波变换在故障诊断领域中的应用越来越也引起广泛注意，许多学者投入到这方面的研究。

由于小波分析非常适合于分析非平稳信号，因此小波分析可作为故障诊断中信号处理的较理想工具，由它可以构造故障诊断所需的特征或直接提取对诊断有用的信息。

小波分析不仅可以在低信噪比的信号中检测到故障信号，而且可以滤去噪声恢复原信号，具有很高的应用价值。

小波变换适用于机械故障分析，尤其适用于滚动轴承和齿轮故障分析。

用小波算法对故障振动信号进行分解和重构，将很好的找到故障频率信号的位置。

二、课题的研究历史与现状及简要评述（1）研究历史小波分析（Wavelet Analysis)或多分辨分析（Multiresolution Analysis)是傅里叶分析发展史上里程碑式的进展，近年来在法、美、英等国家称为众多学科共同关注的热点。

它被堪称是调和分析这一数学领域半个世纪以来工作的结晶。

而小波变换的概念是1984年法国地球物理学家J.Morlet在分析出理地球物理勘探资料时提出来的。

小波变换的数学基础是19世纪的傅里叶变换，其后理论物理学家A.Grossman采用平移和伸缩不变性建立了小波变换的理论体系。

1985年，法国数学家Y.Meyer第一个构造出具有一定摔减性的光滑小波。

1988年，比利时数学家L.Daubechies证明了紧支撑正交标准小波基的存在性，使得离散小波分析成为可能。

1989年S.Mallat提出了多分辨率分析概念，同意了在此之前的各种构造小波的方法，特别是提出了二进小波变换的快速算法，使得小波变换完全走向实用性。

（2）研究现状小波分析是建立在泛函分析，Fourier分析、样条分析及调和分析基础上的新的分析处理工具。

它又被称为多分辨分析，在时域和频域同时具有良好的局部化特性，常被誉为信号分析的“数学显微镜”。

基于小波包频带能量特征的包络分析在滚动轴承故障诊断中的应用

（）：（）ｋ、ｋ分别为（）ｋ经分解后的低频部分和
高频部分。
对应的故障特征频率 … 。因此通过对信号进行包络分析就可以将轴承的故障信息从复杂的调制波中
分离出来，以此确定轴承的故障类型。并小波包分析是多分辨率分析的推广，它能将信
摘
要：典的小波包迭代算法会由于小波包分解过程中的隔点采样而发生频率混叠现象。采用小波包移频算经
法，１２、这３个４６滚动轴承（中１轴承工作正常，２、轴承工作状态未知）行分析。通过小波包分以、３０其而３进解提取了这３个轴承振动信号的频带能量特征，步判断２、轴承的工作情况。基于此，选择合适的频带进行初３再小波包重构，经Ｈｌｅ变换实现包络检波，样轴承发生故障时的高频共振信号就实现了包络解调。再通过对并ｉｒｂｔ这振动包络信号进行频谱分析就可以对轴承的故障类型作出判定。关键词：波包分析；率混叠；小频迭代算法；频算法；络解调；ｉｅｔ换；号重构移包Ｈｂｒ变信中图分类号：Ｐ９Ｔ３１文献标识码：Ａ
重构算法为：

1文献综述-小波变换在滚动轴承故障诊断中的应用

小波变换在滚动轴承故障诊断中的应用摘要：近年来，随着人们对小波分析技术研究的不断深入，小波分析得到广泛的应用。

对滚动轴承故障信号的研究，早期采用傅立叶分析方法，而傅立叶分析只能从整体上获得信号的频谱分析，不能对信号做局部分析。

小波变换以其独有的平移、伸缩特性，可达到对高频信号时间细分、低频信号频率细分的要求，由此对滚动轴承故障引入了小波分析。

小波变换分析研究为滚动轴承故障诊断提供了一种新的有效方法。

关键词：小波变换；滚动轴承；故障诊断；应用O引言在机械设备中，回转机械通常占90％以上，而滚动轴承又是各种旋转机械中应用最常见的一种通用部件且已广泛用于各种机器上，它的运行状态正常与否，往往直接影响到整台机器的性能。

如果轴承在运行中发生故障，就可能造成停机、停产，甚至人员伤亡等重大损失，因此，滚动轴承故障诊断是机械设备故障诊断的重要内容之一，也是当前故障诊断领域中研究的热门课题。

用小波变换来分析滚动轴承故障振动信号，可以获得更为有效的诊断特征信息。

因此，小波变换在滚动轴承故障诊断中得到了很多的应用，目前大多采用二进离散小波变换、小波包变换和连续小波变换。

采用二进离散小波变换和小波包变换计算速度快，但是必须采用正交小波基函数，其尺度划分由于基于二进划分而跳跃，离散间隔太大而过于粗糙，这样会影响故障特征的提取；连续小波具有细致的时间尺度网格划分，小波基的选取仅仅要求满足容许条件，而且具有时不变特性，连续小波变换可以充分发挥小波变换在细致刻划信号方面的能力。

1滚动轴承故障特征滚动轴承常见的失效方式有磨损、疲劳、腐蚀、断裂、压痕、胶合失效等。

当轴承元件(包括外圈、内圈和滚珠)的工作表面出现局部缺陷时，会以一定的通过频率(限制取决于转频、轴承型号)产生一系列的宽带冲击，称为轴承的“通过振动”，如图1所示。

通过振动的频率称为“通过频率”或“故障频率”，实际中滚动轴承故障振动检测就是要检测这个频率。

同时，轴承系统会被这些冲击所激励，产生一系列的冲击衰减响应。

小波包能量谱在滚动轴承故障诊断中的应用

Ｑｎｕｎｄｏ６０Ｃｉａ３ｉｕｎｄｏＳｏｇｎｌｅＭｉＣ．Ｌｄ，ｉｈａｇａ６０３ｈｎ）ｉａｇａ６０，ｈｎ；．ＱｎａｇａｈｕａｇＰａｌｏ，ｔ．Ｑｎｕｎｄｏ０６０，Ｃｉａｈ０１ｈｔｌ
Ａｂｔａｔｙａｐｙｎａｅｅａｋｔｅｅｇｐｃｒｍ，ｅｍｅｈｄｉｐｅｅｔｄｆｒｒｌｎｅｔｇｆｕｔｄａｎｓｓｓｒｃ：Ｂｐｌｉｇｗｖｌｔｃｅｎｒｙｓｅｔｐｕａｎｗｔｏｓｒｓｎｅｏｏｌｇｂａｎａｌｉｇｏｉ．ｉｉＦｒｔ，ｔｅ６０ｏｌｇｂａｎｓｔｋｎｆｒｅａｌ，ａｄｔｅｖｂａｉｎｓｎｌａｅｃｌｃｅｎｅｉｅｅｔｗｒｉｇｉｌｈ６ｒｌｎｅｒｇｉａｅｘｍｐｅｎｈｉｒｏｋｎｓｙ４ｉｉｏｏｇｅｆｃｎｉｏｓｈｎ，ｔｅｅｐｒｍｅｔａａｉｔａｓｒｄｂａｅｅａｋｔｈｉｒｔｎｓｎｌｉｄｃｍｐｓｄｉｔｅｉ－ｏｄｔｎ．Ｔｅｉｈｘｅｉｎｔｒｎｆｍｅｙｗｖｌｔｃｅ，ｔｅｖｂａｉｉａｓｅｏｏｅｎｏｔｎｄｓｏｐｏｇｈ
ｅｇｐｃｒｍｅｔｒｖｃｏｓｒｘｒｃｅｏｔｅｉｉｉｕｌｆｅｕｎｙｂｎ．Ｆｉａｌｔｅｕｚｙｃｕｔｒａａｙｉｒｓｅｔｙｕｆａｕｅｅｔｒａｅｅｔａｔｄｆｍｈｎｄｖｄａｑｅｃａｄｓｒｒｎｌｙ，ｈｆｚｌｓｅｎｌｓｓ

小波包技术在滚动轴承故障诊断中的应用

、
，
号，好地提取了特征信号，法解决了轴承振动信号干扰大滤波难的问题存状态监测与故障诊断领域乃至信号较算处理领域具有广阔的应用前景。
，
关键词：波包；承：障包分解的过程中，随着分解层数的增加，
数据点数成倍减半。若原始数据长度为２分解￡次，每个频段数据长度变为２是原长的１，／。笔者２提出的小波包信号提取算法，利用了小波包可以将
给定的信号，通过一组低高通组合正交滤波器ＨＧ，可以将信号划分到任意频段上，其划分过程见图１。
日Ｇ
ＨＨ
Ｇ日
ＨＧ
ｌ
ＧＧ
现故障的部件。于滚动轴承的诊断方法很多２常对Ｊ，用的有频域分析法。由于振动信号存在很大的干扰
适用于信号的主要信息集中在低频域的情况。当感兴趣的频率成分位于中高频段时，机械振动信号、如语音信号等，由于小波变换在高频段的频谱窗口较宽，小波系数中包含的频率成分过多。法获取感其无兴趣的频率信号。利用小波包技术则可以将小波变换中停止分解的中高频段小波系数继续分解。使分
构。重构信号长度仍为２，有较窄的频带宽度和较具高的信噪比。然这一过程的实质是带通滤波．滤虽但

基于全矢小波分析的滚动轴承信号降噪处理

在某些工况下，轴承的故障信号中含有大量的随机噪声，影响了故障信号特征信息的提取。如何去除含噪信号中的噪声干扰，提取出信号真实
．ｓ（）＝／【ｉБайду номын сангаас）＋ｅ（ｉ），
式中：Ｓ（）为含噪信号；，（）为真实信号；ｅ（ｉ）为噪声信号，噪声性质未知。小波降噪的目的是将ｉ）的特征信息从Ｓ（ｉ）中最大程度地提取出来。对信号进行小波降噪处理的过程为：首先将含噪信号进行小波分解，各分解系数具有相同频
ＷａｖｅｌｅｔＡｎａｌｙｓｉｓ
ＬｉＨａｏ，ＤｏｎｇＸｉｎ—ｒａｉｎ，ＷａｎｇＡｉ — ｊｕｎ，ＤａｉＲｕｉ —ｐｅｎｇ，ＹｕＤａ— ｙｏｎｇ
（１．ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＶｉｂｒａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｃｈｉｎａ；２．ＮａｔｕｒａｌＧａｓＰｒｏｃｅｓｓｉｎｇＰｌａｎｔｏｆＺｈｏｎｇｙｕａｎＯｉｌｉｆｅｌｄＳｉｎｏｐｅｃ，Ｐｕｙａｎｇ４５７００１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｏｆｗａｖｅｌｅｔｄｅ—ｎｏｉｓｉｎｇａｎｄｆｕｌｌｖｅｃｔｏｒｓｐｅｃｔｒｕｍｔｅｃｈｎｏｌｏｇｙ，ｔｈｅｍｅｔｈｏｄｉｓｐｕｔｆｏｒｗａｒｄ

小波分析在煤矿胶带机滚动轴承故障诊断中的应用

小波分析在煤矿胶带机滚动轴承故障诊断中的应用【摘要】本文介绍了小波变换理论及小波分析的特点，对小波变换应用于煤矿滚动轴承故障诊断的方法和滚动轴承故障特征频率的计算方法进行了研究。

根据煤矿胶带机滚动轴承的振动特征，应用小波分解重构的方法对煤矿胶带机滚动轴承的现场故障振动信号进行分析，验证小波变换在提取滚动轴承早期故障信号特征方面的有效性。

【关键词】小波分析；滚动轴承；故障诊断1.引言胶带机是煤矿生产的主要运输设备，而滚动轴承是胶带机的易损部件之一，轴承的损坏直接关系到整个煤矿的高效安全生产。

据相关资料统计，约有近30%的旋转机械故障都是由滚动轴承故障引起的。

因此，如何有效的及早的发现旋转部件的故障，是目前煤矿机械设备亟待解决的问题之一。

煤矿胶带机滚动轴承工作环境恶劣，轴承故障频繁发生，在正常润滑和维护情况下常见的就是表面疲劳剥落，而这类故障信号表现为冲击特征，在故障早期，由于轴承滚动体与保持架撞击等产生的振动噪声干扰，常规的时域频谱很难识别出早期故障，小波分析在不平稳的冲击信号分析上具有很大的优势，能够对信号进行时域和频域进行小波分解和重构，对信号特征进行局域话，能够有效的提取出滚动轴承的振动冲击信号特征，从而有效的识别出轴承的早期故障。

2.小波分析理论2.1 小波变换小波变换的概念早在1984年就已经提出，提出该概念的是一位法国地球物理学家在分析处理相关地球物理勘探资料时提出来的。

小波变换的数学基础是建立在傅立叶变换上的，其后理论物理学家A.Grossman经过长期研究，利用平移和伸缩不变性的特征建立了一套小波变换的理论体系。

小波分析的基本方法就是用一族基函数依次去逼近一个信号，这里的基函数称之为展缩小波函数系。

小波变换的方法就是将信号f（t）与相应的展缩小波a、b进行卷积分，将信号f（t）分解成为处于不同频率段和不同时间段内的各个成分。

表达式如下：实际上，离散二进制小波变换的过程就是一个对信号进行带通滤波的过程，与普通滤波过程不同的是，这类滤波的带通宽度会随尺度S的变化而变化。

基于小波理论的滚动轴承振动信号去噪方法初探

摘要滚动轴承是转动设备中应用最为广泛的机械零件，也是最容易产生故障的元件。

滚动轴承出现故障时，在荷载的作用下局部失稳会释放出机械波，这些机械波的表现形式、波形特征等信息间接地表达了滚动轴承的状态。

在实际工程中由振动监测仪采集到的信号含有大量的噪声，从强背景噪声环境中将这些信号提取出来，对滚动轴承的状态检测有很重要的意义。

系统的学习了傅里叶变换、窗口傅里叶变换和小波变换，列举出几种常用的小波基函数并分析出其特点，对小波理论及去噪的基本原理做了分析。

剖析了小波变换的特点、性质和相较于其他分析方法的优点。

作为一种多分辨率的的信号处理办法，小波分析能很好的去除含噪信号中的噪声，从含噪信号中提取到有用的信息。

本文通过使用控制变量法对影响去噪效果的因素进行控制，以Matlab软件作为仿真平台，分别用不同的阈值函数和不同的阈值选取形式对滚动轴承的振动信号进行了去噪仿真，计算去噪前后信号的信噪比，对比分析去噪前后的信号波形，得出针对滚动轴承振动信号的最佳去噪方法。

关键词：滚动轴承；小波变换；去噪AbstractAs the most widely used mechanical part, the rolling bearing is the component which the most prone to failure. The faulty rolling bearing will release mechanical wave when it is partial no stabilization under load function. The form of manifestation and wave characteristics of mechanical wave which are released by structure indirectly express the state of the rolling bearing. The signals collected by the vibration monitor in practical engineering contain a lot of noise. Extracting those signals from the strong noise background has the vital significance to the rolling bearing condition monitor.Fourier transform, Fast wavelet transform to the Wavelet transform are studied systematically in this paper. Several wavelet basis functions are listed and its characteristics are analyzed in this paper. The theories of denoising based on wavelet transform are introduced. The characteristics, nature and advantages of the wavelet transform are analyzed by comparing other methods. As an advanced multi-resolution approach of signal processing, the noise can be removed from signal containing noise and useful information can be extracted from the signal that contains noise by wavelet analysis.The Matlab software is used as the simulation platform in this thesis. Using the different threshold processing approaches and different methods acquiring threshold denoise the rolling bearing vibration signals. The factors affecting the de-noising effect of the rolling bearing s’ vibration signals are controlled by using the method of variable-controlling approach. The best denoising methods are obtained by calculating the signal-to-noise ratio and comparatively analyzing the waveform of the signal containing noise and the denoising signal.Key Words：Wavelet transform, Denoising, Rolling bearing目录摘要 (I)Abstract (II)目录 (III)1 绪论 (1)1.1 论文背景与意义 (1)1.2 论文研究现状 (1)1.3 论文的研究内容与目标 (1)2 小波分析的基本理论 (2)2.1 小波分析概述 (2)2.2 小波变换及其性质 (2)2.3 小波分解与重构的mallat算法 (7)3 基于小波变换的滚动轴承振动信号去噪 (10)3.1 小波阈值去噪 (10)3.2 阈值函数与阈值的选取 (10)3.3 对滚动轴承振动信号进行去噪仿真 (12)3.3.1 硬阈值和软阈值函数的去噪效果比较 (13)3.3.2 不同小波形态对去噪效果的影响 (14)3.2.3 两种阈值选取形式的去噪效果比较 (15)结论 (17)致谢 (18)参考文献 (19)1 绪论1.1 论文背景与意义滚动轴承是大型机械的关键部件，对于整个设备的可靠运行有着不可估量的意义，被誉为“工业的关节”[1]。

小波方法在滚动轴承振动信号分析中的应用a

文章编号:1009-3486(2003)02-0057-05小波方法在滚动轴承振动信号分析中的应用明廷锋1,朴甲哲1,张永祥1,仰德标2(1.海军工程大学动力工程学院,湖北武汉430033; 2.92910部队,浙江舟山316000)摘要:通过分析滚动轴承表面损伤类故障信号的特点,提出了基于小波包分解和信号重构技术的滚动轴承故障精密诊断方法.试验表明,该方法是有效的,适用于滚动轴承早期故障的振动监测和诊断.关键词:小波变换;滚动轴承;振动信号;故障中图分类号:T N911.7;T H133.33 文献标识码:AApplication of wavelet transform to vib ration sign al analysis of rolling b earingMING Ting feng 1,PIAO Jia zhe 1,ZHANG Yong x iang 1,YANG De biao 2(1.Power Eng.C ollege,Naval Univ.of Engineering,Wuhan 430033,China;2.Unit No.92910,Zhoushan 316000,China)A bstract:An acc urate fault diagnosis method of rolling bearing based on wavelet packet decomposition and signal reconstruction techniques is presented by analysing the characteristics of fault signals,suc h as rolling bearing surface damage.Experiment results prove the efficiency of the method and show that it is suitable for monitoring and dia g nosis of the early fault in rolling bearing.Key w ords:wavelet transform;rolling bearing;vibration signal;fault滚动轴承是机械设备中应用最为广泛的通用部件之一,其状态监测及故障诊断一直受到广大科技工作者的重视.在众多的故障诊断技术中,利用振动信号的诊断方法是最有效的方法之一[1].故障诊断领域中的振动信号分析一般分为时域分析和采用以快速傅立叶变换(FFT)为基本手段的频谱分析方法.对于时域分析,它可以在时域范围分析每个时刻(即任意小的一段时间范围)信号具有的能量情况,因此也可以说,它具有很高的时域分辨率,但是不包含任何时域信息.这种方法要求信号是平稳的,即其统计特征不随时间变化,频谱也不随时间变化.虽然工程中许多信号是平稳的,但是也存在着各种非平稳的信号,尤其是当机械设备出现松动、剥落和冲击等故障时,振动信号中就包含了大量的非平稳成分.非平稳信号的统计特征及其频谱是随时间而变换的,因此为了对滚动轴承振动信号进行更深刻的描述,提出了从时域两方面进行分析的要求.小波变换正是一种满足这种要求的数学方法.本文尝试用小波包分解和信号重构技术分析存在表面损伤类故障滚动轴承的振动信号,进而对其进行故障类型的识别.1 滚动轴承早期故障振动信号的基本特点早期故障的滚动轴承主要故障模式有:滚动轴承滚动体和滚道接触面疲劳剥落、磨损超限、滚动体碰撞保持架和固定圈松动等.当故障发生时,振动信号中会含有相关的冲击信号.这种冲击信号具有短暂而尖锐的特征,其冲击强度的大小取决于滚动轴承的运转速度、损伤点的大小以及轴承的承载条件与状态. 第15卷第2期 2003年4月海军工程大学学报 JO U RNAL OF NAV AL U N IV ERSI T Y OF EN GI NEER IN G Vol.15 No.2 Apr.2003收稿日期:2002 06 27;修订日期:2002 11 06作者简介:明廷锋(1975 ),男,博士生.这种冲击力的发生时间间隔(周期)则由滚动轴承的型号、尺寸及转速来确定.设该冲击力的时间间隔为T ,则可以近似用一系列的函数来表述这个冲击力,即:f (t)=n=0k n (t -t 0-nT )(1)式中:k n 为冲击强度系数.这种冲击产生的振动信号,首先通过轴承的外圈,然后再通过轴承座传递出来.由于阻尼的存在,这一瞬态振动的表现形式为陡峭的上升和高频的压缩振荡,并且持续时间很短暂.因而,冲击力作用后的短暂时间内的响应,正是轴承系统的传递函数的一种测量.实践表明,这种振动信号的频率含量是随时间连续变化的.傅立叶变换分析虽然能精确地描述线性时不变系统的信号频谱特征,但不能描述信号频谱分量的动态特征,即对于频变或非平稳信号丧失了有效性,所以采用常规的频谱分析技术很难得到这种故障信号的特征[2].通常,滚动轴承的弹性振动系统的传递函数是很难用数学公式准确描述出来的,但可以利用传感器检测得到.理论上可用函数h(t)表示轴承系统的传递函数.这样,由于故障冲击力而引发的轴承系统响应可用下式表示:y (t)=f (t)*h(t)= + n=0k n h(t -t 0-nT)(2)图1中的上图反映了典型响应信号时间历程,在滚动轴承的外圈滚道上人为地制造了表面损伤故障.图中明显地反映了信号的非平稳特征:每隔一段时刻就有冲击力的作用,信号发生了突变,激起轴承系统的高频振动,又由于阻尼的存在而迅速衰减掉了.而在其它没有冲击力作用的时刻,振动信号也可能有较大的幅值,也就是说滚动轴承的一般振动信号的信噪比很低,所以直接对滚动轴承的振动信号进行分析,无论在时域上还是频域上都得不到相关的故障信息(如图2中的下图所示).但是相对故障冲击信号,振动信号的频率含量较低.这种信号的产生可能是由于旋转部件的不对中或不平衡等因素造成的.因此,充分了解滚动轴承因早期故障而引起的异常振动信号在频域上特有的特征后,就可以找到一种适当的方法来研究故障振动信号.图1 存在外圈滚道损伤故障时的振动信号时域图(上)和频域图(下)!58!海军工程大学学报第15卷2 小波方法的应用2.1 应用小波方法的基本思想小波变换的过程可以看成由一组低通滤波器和高通滤波器对信号进行滤波,以及二抽一的采样过程.它通过对低通滤波器的输出信号进行递归分解,使得在低频的信号具有较高的频率分辨率和窄的带宽[3].工程应用上关心的是小波级数.设时域振动信号为f (t),可展开为小波级数:f (t)= j,k c jk j ,k (t); j,k (t)=2j /2 (2j t -k)(3)式中:c j k 为系数; (t)为基本小波函数;j 为尺度指标;k 为平移指标.小波变换通过Mallat 提出的Mallat 快速算法来实现.它可表述为:c j k =2-1/2 n c j+1n h n-2k ;d j k =2-1/2 n c j+1n g n -2k (k =0,1,∀,N -1)(4)式中:N 为采样点数;h(n)、g (n)为共轭镜像滤波器(QMF )H 和G 的脉冲响应;j 为分解层数;{c j +1k }、{h n }和{g n }假设已知.信号被一层层进行分解,每一层分解的结果是将上次分解得到的低频信号再次分解为低频和高频两部分.各层分解信号还可以用重构算法进行重构,表达如下:c j k =2-1/2( n c j+1n h k-2n + n d j-1n g k-2n ) (k =0,1,∀,N -1)(5)经每一次的重构以后,信号的数据量增加一倍,因此可以提高信号的时域分辨率.Mallat 算法对信号进行多分辨分析过程中,没有对每层分解信号的高频成分进行细化,因此不能满足在高频端的更窄频段内分析信号的需要.小波包算法是一种灵活的时-频分析方法,它把正交小波分解的低频和高频部分同时作进一步细分.通过小波包算法分解可以把信号分解到相邻的不同频率段上,随着分解层数的增加,频率段划分得也越来越细.若视信号为一个空间,则小波包空间分解结构及子空间所对应的频带示意图(以3层小波包分解为例)如图2所示.图2 小波包空间分解结构及其子空间所对应的频带如果要分析其中一频段上的时域信号,那么保留这一频率段的小波系数,其它频率段的数据置为零,再用(5)式重构该频率段信号即可.2.2 应用实例由冲击信号的基本特性可知,滚动轴承的故障冲击信号在整体信号的高频部分也有一定的能量分布,而该频率范围包含的其它振动信号能量很少或没有.因此,通过对滚动轴承振动信号的小波包分解和重构,提取某高频范围的信号,就可以对滚动轴承振动信号进行有效分析.应用实例如下.选用一个204滚动轴承进行故障模拟实验[4](外圈固定,内圈转动),其结构参数如表1所示.!59! 第2期明廷锋等:小波方法在滚动轴承振动信号分析中的应用表1 204滚动轴承结构参数表滚动体直径d /mm滚动体个数Z 轴承节径D/mm 接触角 /rad 7.94833.50滚动体在外圈滚道上的通过频率为:f r =Zn 120(1-d c os D )(6)在转速n =2830r/min 时,f r =143.95Hz ,轴的转动频率是f o =47.17Hz .利用电火花在外圈滚道上打一个凹坑,作为模拟滚动轴承的局部故障.轴承运转,当滚动体碾过外圈滚道上的故障点,由于撞击产生相应的冲击信号.一般情况下,该撞击频率等于f r .因此,当轴转动一周时,滚动体与内圈滚动表面的冲击点数约为f r /f o =143.95/47.17#3.图1给出了204滚动轴承外圈滚道存在凹坑故障时振动信号的时域及频域波形,其中采样频率为6kHz .从图中明显看出时域信号中存在着冲击成分,但是因为被噪声信号所掩盖,它表现得杂乱无章.同时也看出无法通过经频域变换后得到的几个突出的谱峰来辨识故障类型,所以无论在时域上还是频域上都无法得到滚动轴承的相关故障信息.借鉴上述应用小波方法的基本思想,利用Symlets A 小波函数对图1所示振动信号进行小波包5层分解,并通过重构技术得到32个频率段的振动信号.1频率段是最低频率段,32频率段是最高频率段.其中关键的是高频率段的重构信号,取第5层中的26频率段信号进行重构.如图3所示,由于外圈滚道凹坑故障的存在,在0.064s 时间段内,即3个轴转动周期1/47.17#0.0212s 时间里,重构信号中共有9个冲击.同时也可发现,平均0.022s 时间段里信号存在3个冲击,每个冲击的持续时间近似等于1/143.95#0.0069s ,这与前面分析基本相符.因此,运用小波变换进行滚动轴承振动信号分析是有效的.同理,对于滚动轴承的其它类表面损伤故障,也可以对振动信号通过小波变换后来分析识别.图3 204滚动轴承的重构信号对于运行正常的204滚动轴承的振动信号进行同样的小波包分解,对第5层分解的各频率段信号进行重构后,则可发现不具有明显的冲击特征.3 结论当滚动轴承存在早期故障时,所测得的是具有非平稳局部突变性质的振动信号,并且故障引起的冲击能量很小,其响应在功率谱图上基本与噪声谱同量级,若不经分离和放大在谱图上无法辨认.小波变换的时-频特性为信号分析提供了一种常规时域或频域分析所无法比拟的有效手段.本文通过分析故障冲击信号的特点,采用小波包分解和信号重构技术从强噪声下的振动信号中提取所关心的信号进行分析,经过试验表明,小波变换的正确应用具有如下效果:(1)可以辨识出振动信号中突变部分的情况,从而判别滚动轴承存在故障与否.(2)可以辨识出振动信号中不同局部突变部分的情况,从而根据滚动轴承各类故障的特征识别出其故障类型.!60!海军工程大学学报第15卷参考文献:[1] Berr y J E.How to track rolling element bearing health w i th vibration signature analysis [J].Sound and Vibration,November1991:256-265.[2] 傅勤毅,王峰林,李明章.滚动轴承故障信号特征的提取[J].轴承,1997,(3):33-35.[3] 徐长发,李国宽.实用小波方法[M].武汉:华中科技大学出版社,2001.[4] 明廷锋.滚动轴承故障精密诊断的研究[D].武汉:海军工程大学,2001.(上接第52页)出,从而避免了对轴承的三体磨损.端泄量大同时也可使得由摩擦功所产生的热量迅速地被带走.这些都能延长轴承的寿命.4 结论与普通径向滑动轴承相比,镶嵌式径向滑动轴承具有以下特点:(1)镶嵌式滑动轴承油膜压力分布有波动,会使得该型轴承的油膜温度场分布、动特性与普通径向滑动轴承相比更具复杂性;(2)镶嵌式滑动轴承的承载能力明显高于普通滑动轴承;(3)镶嵌式滑动轴承的摩擦系数小于普通滑动轴承,所产生的摩擦功小于相同尺寸参数和工况下的普通滑动轴承,延长了轴承的寿命;(4)镶嵌式滑动轴承的端泄量大于普通滑动轴承,有利于降低轴承的温升和三体磨损.这种具有自润滑性能、承载能力高、寿命长、抗磨损能力强等优点[3]的镶嵌式径向滑动轴承的动特性有待今后进一步研究.参考文献:[1] 温诗铸.摩擦学原理[M ].北京:清华大学出版社,1990.[2] 王基,郑建华,杨胜国.二维间隙函数薄油膜润滑的一种数值计算方法[J].润滑与密封,2000,(1):4-6.[3] 胡荣华,王基.镶嵌式滑动轴承承载能力的实验研究[J].机电设备,2002,(3):14-19.!61! 第2期明廷锋等:小波方法在滚动轴承振动信号分析中的应用。

小波包能量谱在滚动轴承故障诊断中的应用

测量与仪器小波包能量谱在滚动轴承故障诊断中的应用王冬云1,2,张文志1,张建刚3(1.燕山大学轧机研究所,河北秦皇岛 066004;2.秦皇岛职业技术学院,河北秦皇岛 066100;3.秦皇岛首钢板材有限公司,河北秦皇岛 066003)摘要:提出了基于小波包能量谱的滚动轴承故障诊断方法。

首先,以6406轴承为例采集不同工况的振动信号,然后对试验数据进行小波包变换,振动信号被分解到独立的频段,不同频带内的信号能量变化反映了运行状态的改变,提取各频带小波包能量谱为特征向量,最后应用基于模糊聚类的故障诊断方法。

经对大量实测数据的处理和分析,能够比较准确地诊断出轴承的故障。

关键词:滚动轴承;故障诊断;振动信号;小波包能量谱;模糊聚类中图分类号:TH 133.33;TH 165.3 文献标志码:A 文章编号:1000-3762(2010)11-0032-05Applicati on ofW avel et Packet Energy Spectru m i n R olli ng BearingFault D i agnosisWANG Dong-yun 1,2,Z HANG W en-zhi 1,Z HANG Jian-gang3(1.R o lli ng M ill R esearch Institute ,Y anshan Un i v ers it y ,Q i nhuangdao 066004,Chi na ;2.Q i nhuangdao Institute of T echno l ogy ,Q i nhuangdao 066100,Ch i na ;3.Q inhuangdao Shougang P late M ill Co .,L td .,Q i nhuangdao 066003,Ch i na)Abstrac t :By apply i ng wave l e t packe t energy spectrum ,a new m ethod is presented for ro lli ng beari ng fault d i agno si s .F irstly ,the 6406rolling beari ng is taken for exa m ple ,and t he vibra tion signa l s a re co ll ec ted under different worki ng cond iti ons .T hen ,the experi m ent data is transfor m ed by w ave let packe t ,the v i bration si gna l is deco m posed i nto the i n d i v i dua l frequency bands .The va riati ons of the signa l energy i n t hese bands reflect the different fault l oca tions .The en e rgy spectru m feature vecto rs are ex tracted from the i nd i v i dua l frequency bands .F i na ll y ,t he f uzzy c l uste r analysism ethod i s proposed f o r fault d i agnosis .T hrough processing and ana l y zi ng the m assive m easured data ,the m ethod is ab l e to d iagnose accurate l y faults of ro lli ng bear i ng s .K ey word s :ro lli ng bear i ng ;fau lt diagnosis ;v ibration s i gna ;l w av elet packet energy spectru m;fuzz c l uster滚动轴承是机械中最常用的部件之一,其运行情况直接影响到主机的机能。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

分解后的数据长度不变，分解层数不受限制，明小波包分析方法应用于滚动轴承信号消噪使证
的有效性，并取得了较好的效果．
关键词：滚动轴承；障诊断；故小渡包分析；号消噪信
中图号：ＴＨ１３１文献标识码：Ａ
低而频率分辨率高，而实际应用中往往希望提高
高频频带信号的频率分辨率．解决这个问题，为
１８～１９９９９１年，．Ｒｏ｛ｎＷ．Ｖ．Ｗｉｅ— Ｐ．Ｃｉｍａ、ｃｒｋ
ｈｕｅ及合作者提出了小波包概念及其算法叫．ａｓｒ
维普资讯
第１期
丁锋等：波包分析在滚动轴承信号消噪处理中的应用小
以在整个时频域中进行分析，获得更多的参数特征，号经小波包分解后被分成若干个序列，信每个
序列对应原信号中某个频带成分，Ｓｚ如。表示第３层的第３个特征向量．
１９，．Ｘｏｇ等人提出了基于树结构的时变９７年Ｚｉｎ
关领域的热点．动轴承在线监测一般通过对能够滚反映其工作状态的特征信号进行观测、析与处理分
来识别轴承的状态，一定程度上说， Байду номын сангаас 故障诊从轴
１１小波包的分解．
性，即对频变或非平稳信号丧失了有效性．波分小
析Ｌ。被认为是傅立叶变换方法的突破性进展，２由
小波包分析能够为信号提供一种更加精细的
分析方法，频带进行多频段划分，别是对于多将特
文章编号：１０ — ７４２０）ｌ０８０００５１（０６Ｏ一０ —５
小波包分析在滚动轴承信号消噪处理中的应用
丁锋，何正嘉张新运，
（．安工业学院机电工程学院，安７０３；．安交通大学）１西西１０２２西
于它具有良好的时频局部化特性及多分辨率等优点，以对于非稳态的故障信号的处理正好适用．所但小波变换的分解方式使得高频频带的时间分辨
分辨分析没有细分的高频部分进一步分解，使频带和频谱相匹配．解的过程是信号（）通滤波分Ｓ低（和高通滤波（的过程，直进行下去，低频Ａ）Ｄ）一使和高频成分达到很精细的程度，图１所示．可如它
率高而频率分辨率低，低频频带信号的时间分辨率
＊收稿日期：０５０９２０ —６２
基金资助：国家自然基金重点项目（０３００；家９３计划项目（ｏ５Ｂ７４０）５３５３）国７２０Ｃ２１６
作者简介：ｙ￣（９８）男，１６，西安工业学院副教授。博士研究生，主要研究方向为机电系统状态监测及故障诊断
摘
要：对滚动轴承的故障特点进行了分析．据小波包变换能将信号按任意时频分辨率分根
解到不同频段的特性，出了小波包分解和重构用于滚动轴承信号消噪处理的概念及其算法，提建立了滚动轴承加速度信号实时测试系统．通过实验研究得出，用小渡包分解并通过重构可使
维普资讯
第２６卷第１期２００６年２月
西安工业学院学报
ＪＯＵＲＮＡＬＯＦＸＩＡＮＮＳＴＵＴＥ ’ ＩＴＩＯＦＴＥＣＨＮ０ＩＯＧＹ
Ｖｏ．６Ｎｏ１１２．Ｆｂ２０ｅ．０６
往往随时间变化，利用传统的傅立叶变换有时很难准确发现识别信号中的故障成分【，为傅立叶变因
换只是一种纯频率的分析方法，而在时域无定位
进行了分解，从而提高了时一频分辨率，这点对于
信号消噪和故障诊断很具有应用价值．
小波包．］西安交通大学的科技工作者对小波包分
析进行了较为深入的理论和工程应用研究，取得了
一
定的成果ｌ．７ｊ
断就是轴承状态识别，其中最关键的是观测信号的
特征提取方法及状态识别方法．
１小波包分析基本理论
小波包分析是从小波分析延伸出来的一种对
当滚动轴承发生故障时，生的振动信号往往产
都含有大量的非稳态成分，些成分为分析轴承故这
信号进行更加细致的分析与重构的方法，它将频带
进行多层次划分，对小波分析没有细分的高频部分
障提供了重要依据，由于这种故障信号的频率特性
滚动轴承是机械设备中应用最广泛也最易损坏的零件之一，运行状态是否正常往往直接影响其
到整台机器的性能，机械设备的故障中由于滚动在轴承受损所导致的故障占有很大的比例，因此滚动轴承的工况监测和故障诊断方法的研究一直是有