小波分析在滚动轴承故障信号处理中的应用
小波理论在滚动轴承故障诊断中的应用
ht: ww cS .r. t / p/ w . - ogc -a a
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 F T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 f 0 ) 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。
可调品质因子小波变换在滚动轴承微弱故障特征提取中的应用_唐贵基
第 36 卷 第 3 期 2016 年 2 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE
报
Vol.36 No.3 Feb. 5, 2016 ©2016 Chin.Soc.for Elec.Eng. 中图分类号:TH 17;TP 206
DOI:10.13334/j.0258-8013.pcsee.2016.03.019
x
H 0 (ω ) H1 (ω )
LPS α
H1 (ω ) HPS β
w(2)
w
(1)
(a) 分解滤波器组
c(3) w
(3)
LPS
HPS
1
α
1
* H0 (ω )
LPS
* H1 (ω )
1
α
1
* H0 (ω )
β
LPS
* H1 (ω )
1
峭度极值分量筛选
* H0 (ω )
w(2)
HPS
α
1
y
β
冗余信号分量剔除 包络谱分析 故障识别
中共筛选出 P 个峭度极值分量{z1, z2,⋅⋅⋅, zP}(P < N), 在所得信号分量中,某些分量可能蕴含的故障信息 过少或不包含故障相关信息,对于故障特征提取来 说意义不大,反而会增加后续分析过程的负担,因 此该步骤利用相关系数准则对此类冗余信号分量 进行剔除,相关系数表达式为
1)设置 TQWT 的品质因子 Q 和冗余因子 r,
利用可调品质因子小波对原始信号进行处理,分解 层数 m 为理论允许的最大值,计算公式如下[9]:
共轭;β = 2/(Q + 1)为高通尺度因子;α = 1 − β /r 为 低通尺度因子;r 为冗余因子。 图 2 为品质因子 Q = 5、冗余因子 r = 3 时可调 品质因子小波变换的频率响应,从图中可以看出频 率响应为一个非恒定带宽的滤波器组,相邻频带并 不正交,并且随分解层数的增大,滤波器的频率中
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。
小波在故障诊断中的应用
对一台单跨单圆盘转子试验台施加手工敲击激励,在转子稳 态转动时准确提取出了其横向一阶固有频率。
相关系数峰值对应的小波原子参数
/s
f /Hz
0.26 0.764 117.0 0.075
0.96 0.629 114.0 0.055
1.4 0.750 112.5 0.075
当 0.26s时 最大,说明该时刻的冲击响应波形 与 f 117.0 Hz、 0.075 的小波原子相关性最好。冲击响应波 形是对转子施加敲击导致的,它的振荡频率和衰减速度就是转子 的固有频率和阻尼比,这样,就可以认为是该单跨单圆盘转子旋 转时的固有频率和阻尼比。通过转子试验台的升速过程,测得其 一阶临界转速为116.3Hz,可见,相关滤波的结果与实测值非常 接近。
滚动轴承振动类型
与轴承变形有关的振动 承受载荷,运行时发生弹
性振动
与轴承加工有关的振动 加工误差,如表面波纹、
轻微擦痕等,引起轴承振动
由故障产生的振动 破碎、断裂、剥落等故障引发的
振动
信号处理方法
传统处理方法
时域、频域独立 无法表述时频局域性 无法处理非平稳信号
小波变换
时间—频率分析方法
短时傅里叶变换
能分析非平稳信号 时频分辨率固定
时频两域都能表征局部 特征 多分辨率
“小波”就是小的波形。所谓“小”是指局部非零,波形 具有衰减性;“波”则是指它具有波动性,包含有频率的特 性。 2 1 定义:设 L L 且 (0) 0,即给定一个基本函数 (t ) , 通过伸缩 a 和平移 b 产生一个函数族:
画非平稳信号的特征,被誉为“数学显微镜”。 尺度因子 a 与频率相对应,时移因子 b 与时间对应。 当 a 取大于1的值时,
小波变换在滚动轴承故障分析中的应用
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SVM核函数法在滚动轴承故障诊断中的应用
2 . S h a n d o n g X i n y u a n G r o u p C o . , L t d . , L a i y a n g 2 6 5 2 0 0 , C h i n a )
Abs t r ac t:Ai mi ng a t t h e b l i nd n e s s o f s e l e c t i o n f o r pa r a me t e r s i n SVM k e r ne l f u nc t i o n, a me t ho d i s p r o p o s e d t o s e l e c t
Ap pl i c a t i o n o f W a v e l e t SVM Ke r n e l Fun c t i o n Me t ho d i n Fa ul t Di a g n o s i s f o r Ro l l i ng Be a r i ng s
v e c t o r s e t i s e s t a b l i s h e d. S e c o nd l y,t he f a u l t f e a t ur e v e c t o r i s t r a i ne d b y n e w ke ne r l f un c t i o n,t h e c r o s s v li a da t i o n me t h —
行 故障诊断 。与经过径向基核 函数训练得到 的模 型比较发 现 , 新模型具有更高 的准确率 , 而且新核 函数 的参数 仅依赖于输入样本 , 可 以实 现 自适应 调整。 关键词 : 滚动轴承 ; 故障诊断 ; 小 波分 析 ; 能量谱 ; S V M; 核函数
中图分类号 : T H1 3 3 . 3 3 ; T P 2 7 4 文献标志码 : B 文章编号 : 1 0 0 0—3 7 6 2 ( 2 0 1 3 ) 1 2— 0 0 5 1 — 0 4
冗余提升小波变换在轴承故障诊断中的应用
冗余提升小波变换在轴承故障诊断中的应用摘要:本文旨在探讨小波变换(WTC)在轴承故障诊断中的应用。
首先,介绍了冗余提升小波变换的基本原理,然后介绍了将该方法应用于轴承故障诊断的步骤。
接下来,我们采用实验数据进行了实证分析,以评估小波变换在轴承故障诊断中的表现。
最后,我们提出了结论,并提出了未来研究方向。
关键词:冗余提升小波变换(WTC),轴承故障诊断,实验数据正文:本研究重点讨论了冗余提升小波变换(WTC)在轴承故障诊断中的应用。
冗余提升小波变换(WTC)是一种小波变换方法,可以将复杂的信号抽象成几种不同的分解水平,以便更好地分析特定信号。
由于要进行仔细的故障检测,因此本文考虑了应用冗余提升小波变换来诊断轴承的状态。
首先,本文详细介绍了冗余提升小波变换的基本原理,包括变换的正弦块和离散小波变换。
然后,介绍了如何将该方法应用于轴承故障诊断的步骤,这其中包括收集特定的轴承的原始数据,并通过冗余提升小波变换将其分解为不同分解水平。
为了评估该方法在轴承故障诊断中的表现,我们使用了实验数据进行分析。
借助实验结果,我们发现冗余提升小波变换可以有效地识别出轴承出现故障的信号。
最后,我们提出了结论,并提出了未来研究方向,包括深入研究冗余提升小波变换在轴承故障诊断中的可能性以及使用机器学习算法加速轴承故障诊断的可行性。
综上所述,本文概述了冗余提升小波变换(WTC)在轴承故障诊断中的应用。
根据实验结果,该方法可以快速准确地对轴承故障进行诊断,为未来的研究提供了方向。
未来的研究应考虑分析有关冗余增强的小波变换性能与其他类型的小波变换的性能之间的关系。
此外,可以考虑在不同类型和不同品牌的轴承上测试该方法,以了解它在不同条件下的表现。
另外,可以考虑使用更复杂的信号处理方法,如贝叶斯情报学,以进一步提高该方法的准确率。
此外,也可以考虑使用实时的故障检测系统,这样可以及时发现轴承的故障问题,从而减少可能发生的故障。
此外,将机器学习算法应用于轴承诊断是一个有前景的研究方向,这些算法可以帮助开发更快速、更准确的故障检测系统。
小波分析在滚动轴承故障信号处理中的应用
s i g n a l i s t O O we a k, t h e r o l l i n g b e a r i n g f a u l t f e a t u r e e x t r a c t i o n b a s e d o n Fo u r i e r t r a n s f o r m s p e c t r u m a n a l y s i s t e c h n i q u e s i s
Li Xi n ( AVI C Av i a t i o n P o we r p l a n t Re s e a r c h I n s t i t u t e ,Z h u z h o u 4 1 2 0 0 2, Ch i n a )
Ab s t r a c t :I n r o t a t i n g ma c h i n e r y wh e n t he b e a r i n g f a i l u r e , t h e v i b r a t i o n s i g n a l i s mo r e c o mp l e x c o mp a r e d t O o t h e r v i b r a t i o n
/ 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 4 1 2 0 0 2 )
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
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”。
改进经验小波变换在轴承故障诊断中的应用
改进经验小波变换在轴承故障诊断中的应用发布时间:2022-10-26T09:10:28.230Z 来源:《科学与技术》2022年12期6月作者:王涛[],2,李继伟1,2[导读] 本文根据传统经验小波的信号分解理论王涛[],2,李继伟1,21.中车永济电机有限公司,山西永济, 044502;2.轨道交通牵引电机山西省重点实验室,山西永济, 044502摘要:本文根据传统经验小波的信号分解理论,将尺度空间理论运用到信号的频带划分步骤中,对频带分割不合理现象做了进一步改善。
经实测数据试验表明,该方法有助于频带的合理划分,充分挖掘信号中的故障特征,为轴承监测和维修提供准确信息。
关键词:故障诊断、滚动轴承、经验小波、尺度空间、峭度系数0 引言高速列车轴箱轴承作为列车走行部中重要的零部件之一,其可靠性与列车安全平稳运行密切相关,因此,有必要实现对滚动轴承状态的实时监控和及时诊断。
轴箱轴承通常工作在恶劣的环境中,在强噪声背景下,有关故障信号被淹没,常规的频谱分析方法很难提取相关信息。
针对传统信号分析方法存在的不足,Gilles提出了经验小波变换[1],相较于EMD,经验小波变换具有充分的理论支撑,能有效的提取固有模态分量,并且不包含虚假频率成分,计算量小,因此,在高速列车轴承、齿轮、万向轴的故障诊断中得到了广泛的应用。
至此,本文提出了基于尺度空间的经验小波变换与分量重构的方式综合运用到高速列车轴箱轴承故障诊断中,最后对信号做Teager能量算子解调提取信号中的故障成分。
从解调谱中,可以明显看到6根具有较高幅值的谱线,且对应的频率与轴承理论外圈故障频率及其倍频相同,完全符合轴承外圈存在故障时的频谱特征,因此可以判定该被监测轴承存在外环故障。
5.总结本文介绍了改进经验小波变换的高速列车轴承故障检测算法。
本文提出的算法流程首先将信号通过基于尺度空间的经验小波变换,经自适应分解后得到多个模态分量,根据峭度值指标筛选符合故障特征的频段进行信号重构操作,最后对信号进行Teager能量算子解调,根据解调谱特征判断轴承是否存在故障。
基于小波变换的滚动轴承内圈故障诊断
基于小波变换的滚动轴承内圈故障诊断摘要本文研究了基于小波变换的滚动轴承故障诊断.介绍了小波分析的原理和轴承故障诊断的方法.研究了小波变换的理论,将小波变换用于滚动轴承故障诊断,并结合实际应用得出结论.关键词:小波变换;滚动轴承;故障诊断1 引言随着社会的发展,工业技术发展的迅速,出现一系列新的机械设备,为自动控制技术奠定了基础。
轴承作为一种关键部件,在转动系统中起着支撑、支承、减振等重要作用,其正常运行的情况直接影响着转子系统的运行效率和可靠性。
正常工作状态下,轴承有可能出现故障,如内圈损坏,外圈损坏,磨损,流失等。
如果对轴承故障及时发现,就可以避免严重损失,并减轻其他机械部件的损坏。
因此,研究轴承故障的诊断问题是非常重要的,为此,本文研究了基于小波变换的滚动轴承内圈故障诊断。
2 小波变换原理小波变换(Wavelet Transformation, 简称WT)是当前发展迅速,广泛应用的信号处理方法,是一种短时间间隔的时频分析方法,它可以把信号按时间分解到不同的尺度上,从而分析它的时域及频域特性,得到信号的时频分析图。
在滚动轴承故障诊断中,小波变换可以有效地用于捕获轴承缺陷信号的微小特征,使得轴承故障信号的特征具有更高的可视化性和可识别性。
3 滚动轴承故障诊断方法轴承故障诊断主要依赖于轴承的声发射和振动信号。
滚动轴承故障主要有内、外圈损坏、磨损及流失等。
其中内圈损坏是最常见的,因此本文重点研究以内圈损坏为故障诊断的方法。
(1) 轴承故障信号采集在滚动轴承故障诊断过程中,首先要采集轴承的振动信号,采集装置可以采用传感器、激励器、数据采集卡等设备。
(2) 轴承故障信号处理在收集到的轴承振动信号进行处理时,先进行滤波处理,去除噪声、抖动等影响,以便进一步的处理。
(3) 小波变换将滤波后的轴承振动信号进行小波变换,可以得到轴承振动信号的小波分析图,从而得到更加清晰的故障特征。
(4) 故障判断根据小波分析图,可以比较轴承振动信号的特征,从而得出轴承的故障类型,从而进行故障诊断。
基于小波分析的滚动轴承故障诊断方法研究的开题报告
基于小波分析的滚动轴承故障诊断方法研究的开题报告一、研究背景与意义随着工业发展和机械设备不断升级,滚动轴承已经成为众多机械设备中不可或缺的部件之一。
然而,滚动轴承在长时间的运转过程中,由于摩擦和磨损等因素,很容易出现故障,导致机械设备出现异常噪音、振动等现象,最终会影响机械设备的安全性、可靠性和使用寿命。
因此,及时准确地诊断滚动轴承的故障原因,对于保障机械设备的正常运行具有非常重要的意义。
传统的滚动轴承故障诊断方法主要是通过听觉、视觉等手段进行直接观察,然而这种方法存在着主观性较强、可靠性差等缺点。
随着小波分析在信号处理中得到广泛的应用,通过对滚动轴承故障信号进行小波变换,可以得到更加精细的频率和时频特征,从而提高故障诊断的准确性和可靠性。
因此,本研究将基于小波分析,研究滚动轴承故障诊断方法,通过对滚动轴承故障信号的小波变换,提取出故障特征,实现对滚动轴承故障的准确诊断,为机械设备的正常运行提供可靠的保障。
二、研究内容和方法1.研究内容(1)研究滚动轴承故障信号的特征提取方法(2)研究小波变换在滚动轴承故障诊断中的应用(3)研究基于小波分析的滚动轴承故障诊断算法2.研究方法(1)对滚动轴承故障信号进行小波分析,提取出信号的频率和时频特征(2)建立基于小波分析的故障诊断模型,并通过实验验证模型的有效性(3)开发基于小波分析的滚动轴承故障诊断软件,并对软件进行测试和评估三、研究目标和预期成果1.研究目标(1)深入了解滚动轴承的工作原理和故障特征(2)综合运用小波分析、信号处理等技术,研究基于小波分析的滚动轴承故障诊断方法(3)建立基于小波分析的故障诊断模型,并对模型进行实验验证(4)开发基于小波分析的滚动轴承故障诊断软件2.预期成果(1)提出一种基于小波分析的滚动轴承故障诊断方法,可以更加精准地诊断滚动轴承的故障原因(2)建立基于小波分析的故障诊断模型,提高故障诊断的准确性和可靠性(3)开发基于小波分析的滚动轴承故障诊断软件,为机械设备的正常运行提供可靠的保障四、可行性分析1.理论可行性小波分析是一种成熟的信号处理方法,具有很好的时频分辨率特性,可以有效地提取滚动轴承故障信号的特征,因此理论上基于小波分析的滚动轴承故障诊断方法是可行的。
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。
小波变换与EMD分析在滚动轴承故障诊断中的应用
式。 实验研究结果表明该方法正确有效。
关键词 : 小波变换 E MD 故障诊断
0
一l 一
一 - 0一 一 0一 一
滚动轴承 ■ 曩
中图分类号:P0 . 36+ 3 T
文献标识码 : 文 章编号 : 0 68 (00 0 03  ̄ 一 A t 2- 86 21 )4- 05- 0 一
・
3 5
小 波变 换 与 E nD分 析在 滚 动 轴 承 故 障诊 断 中的应 用
袁方 。 胡斌梁 , 知进 周
( 湖南科技 大学 机 电_程 学院 , 南 湘潭 410 ) r - 湖 1 1 2
摘 要 : 对滚动轴 承 故障信 号的 非平稳 和调 制特点 , 波 变换 与_ 种新 的信 号分 析 方法 E D( 针 将小 M 经验模 态分 解) 相结 夸 用 于滚 动 轴 承故 障诊断 。该方 法首 先利 用 ,波 分析技 术对 检测 的信号 进行分 解 , J 、 并对含 有故 障特 征 的信 号进 行 重构 。 然后 对 重构信 号 进 行 E D分解 , 能够反 映故 障特征 的 I M 选取 MF分量进 行边 际谱 分析 , 出滚动 轴承 故 障信 号 对应 的频 谱 , 得 由此 确定 轴 承 的故 障 模
自主创新能力差 、 开发能力不 适应 , 品结构不适应 , 产 制造水 平不适应 , 技术含量不适应 。不仅如此 , 更重要的是轴承生 产
1 小波 变换
设 () L ( )其傅里 叶变换为 ( , ( 满足 £ R , )当 )
容许 条件时 , t O()称为一 个基本小波 或母 小波 。 将母小波 经 伸缩 和平移得到连续小波序列 :
da n ss h sm to rt e o oe tsig s n l h o g to a e f w v lt a d rc n t c efu t i as A d te e o i o i.T i eh d f s d c mp s t i ast ru h a meh d b s d O a ee .n e o s u t h a l sg l. n h n d c m- g i e n g r t n p s e o s u td sg a h o g eh d b s d o MD,t ru h te c re tI e e t n s e t m n yi a e e tt e b e k o n oe rc n t ce in ltru h a m to a e n E r h o g h orc MF sl i p r c o c u a a ssc n rf c h r a d w l l
经验小波变换-同步提取及其在滚动轴承故障诊断中的应用
第34卷第6期2021年12月振动工程学报Journal of Vibration EngineeringVol.34No.6Dec.2021经验小波变换-同步提取及其在滚动轴承故障诊断中的应用李志农1,2,刘跃凡1,胡志峰1,温聪1,王成军2(1.南昌航空大学无损检测技术教育部重点实验室,江西南昌330063;2.安徽理工大学矿山智能装备与技术安徽省重点实验室,安徽淮南232001)摘要:为了准确诊断轴承故障并探究故障信号的时变特性,提出了一种基于同步提取变换(Synchroextracting Trans⁃form,SET)和经验小波变换(Empirical Wavelet Transform,EWT)的轴承故障诊断方法。
对故障信号进行经验小波变换分解,把分解得到的若干个经验模态进行同步提取变换,将所有模态的SET结果叠加即可得到EWT⁃SET 的时频结果。
仿真表明,提出的方法比传统的SET方法有优势,能够有效解决传统SET方法在处理瞬时频率较近的模态信号时易出现瞬时频率特征模糊的问题。
把所提出的方法应用到不同损伤程度的轴承故障诊断中,实验验证了提出的方法能有效地诊断出轴承故障与损伤程度,能清晰地表示故障信号的时变特征。
关键词:故障诊断;滚动轴承;同步提取变换;经验小波变换中图分类号:TH165+.3;TH133.33文献标志码:A文章编号:1004-4523(2021)06-1284-09DOI:10.16385/ki.issn.1004-4523.2021.06.021引言轴承是机械设备中起承载作用的关键零部件,对轴承进行及时准确的故障诊断在机械设备的安全使用过程中至关重要[1],目前针对轴承的故障诊断取得了一定的进展,文献[2⁃3]是基于滚动轴承的微弱特征提取研究;潘海洋等[4]提出了基于拉普拉斯特征映射流形学习算法和改进多变量预测模型,实现了滚动轴承的特征提取和故障识别全过程;文献[5⁃9]是针对变工况下的滚动轴承故障诊断方法的研究;文献[10⁃13]开发了针对滚动轴承的故障诊断系统;文献[14⁃16]针对不同滚动轴承的故障类型进行了故障智能识别研究。
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。
小波包能量谱在滚动轴承故障诊断中的应用
Ab t a t y a py n a ee a k te e g p cr m , e me h d i p e e td fr rl n e t g fu tda n ss sr c :B p l ig w v lt c e n ry s e t p u a n w t o s r s ne o o l g b a n a l ig o i. i i F rt ,t e6 0 ol g b a n s tk n fr e a l ,a d te vb ai n s n l ae c l ce n e i ee tw r ig i l h 6 r l n e r g i a e x mp e n h iro k n sy 4 i i o o g e f c n i o s h n,t ee p rme t aa i ta s r d b a ee a k t h ir t n s n li d c mp s d i t ei - o dt n .T e i h x e i n t r n f me y w v lt c e ,te vb ai i a s e o o e no t n d s o p o g h
e g p cr m e t r v co s r xr ce o t e i ii u lfe u n y b n . Fial t e uzy c u tr a a y i r se t y u f au e e tr ae e ta td f m h ndv d a q e c a ds r r n ly, h f z l se n lss
基于小波变换的滚动轴承内圈故障诊断
基于小波变换的滚动轴承内圈故障诊断
滚动轴承是机械设备中常见的零部件之一,其内圈是承受轴向负载的主要部位。
然而,由于长期使用和不良工作环境等原因,轴承内圈可能会出现故障,如裂纹、疲劳、磨损等。
这些故障如果不及时发现和处理,会导致设备的故障甚至事故,影响生产效率和安全性。
因此,轴承内圈故障的诊断显得尤为重要。
传统的诊断方法主要依靠人工观察和听觉判断,但这种方法存在主观性和不可靠性的问题。
近年来,基于小波变换的故障诊断方法逐渐成为研究热点,其优点在于能够提取信号的时频特征,从而更准确地诊断故障。
基于小波变换的滚动轴承内圈故障诊断方法主要包括以下步骤:
1.采集轴承振动信号。
通过加速度传感器等设备采集轴承振动信号,得到时域信号。
2.小波分解。
将时域信号进行小波分解,得到不同频率的小波系数。
3.特征提取。
根据小波系数,提取信号的时频特征,如能量、方差、峭度等。
4.故障诊断。
将提取的特征输入到分类器中,进行故障诊断,判断轴承内圈是否存在故障。
基于小波变换的滚动轴承内圈故障诊断方法具有以下优点:
1.能够提取信号的时频特征,更准确地诊断故障。
2.不受信号干扰和噪声的影响,提高了诊断的可靠性。
3.能够实现在线监测,及时发现故障,避免设备事故的发生。
基于小波变换的滚动轴承内圈故障诊断方法是一种有效的诊断方法,可以提高设备的可靠性和安全性,对于工业生产具有重要的意义。
- 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)。
4.2 试 验 数 据 的 小 波 分 析 对图3中的故障 信 号 用 db1 正 交 小 波 基 进 行 2 层 小
1)由 于 设 计 、安 装 、润 滑 等 原 因 产 生 的 随 机 振 动 ,它 在 所有的轴承中都存在;
2)有滚珠通过 负 荷 区 产 生 的 振 动。 这 是 一 种 简 谐 激
收 稿 日 期 :2013-04 中国科技核心期刊
国外电子测量技术 — 65 —
理论与方法
2013 年 5 月 第 32 卷 第 5 期
Wavelet applications in fault signal processing of rolling bearings
Li Xin (AVIC Aviation Powerplant Research Institute,Zhuzhou 412002,China)
Abstract:In rotating machinery when the bearing failure,the vibration signal is more complex compared to other vibration signal is too weak,the rolling bearing fault feature extraction based on Fourier transform spectrum analysis techniques is not ideal.The paper presents a method of combining wavelet transform and Fourier transform to deal with the rolling bearing fault vibration signal through the outer ring of the rolling bearing failure signal processing in the aviation engine, the results demonstrate the effectiveness of the method to extract the rolling bearing fault features. Keywords:bearing outer ring fault;wavelet analysis;Fourier transform
分别率,低频具有较高 的 频 率 分 辨 率 频 率,能 自 动 适 应 信
号时频分析的要求,从 而 可 聚 焦 到 信 号 的 任 意 细 节,解 决
了 Fourier变换的困难问题。
3.1 连 续 小 波 变 换 信 号 f(x)的 连 续 小 波 变 换 (CWT)可 以 定 义 为 [1]
+∞
∫ (Wψ(a,b)=|a|-1/2 f(x)ψa,b(x)dx -∞式中:( ) ψa,b(x)=
1 ψ
槡a
x-b a
是 可 以 根 据 参 数a、b 的 变 化 而
放大和移位的小波母函数。其中b∈ R,a>0。参数a为尺
度 伸 缩 参 数 ,参 数b 为 时 间 平 移 参 数 。
3.2 离 散 小 波 变 换 离散小波变换时对尺度参数按幂级数进行离散化处
轴承滚动体故障频率:
[ ( )] fbc
=
1 2
dDfr
1-
Ddcosα 2
式中:fr 为轴的转动频率,D 为轴承节径,d 为滚珠直径,
α 为接触角,n 为滚动体个数。
3 小 波 分 析 理 论 简 介
小波(Wavelet)就 是 一 种 具 有 波 动 性 和 衰 减 性 的 波。 它的长度有限,均值为零。Fourier分析是 频 域 分 析,小 波 变换是时间-频率的 局 部 化 分 析,它 通 过 伸 缩 平 移 运 算 对 信号逐步进行多尺度细化,使信号高频处具有较 高的 时间
波器输出对应信号的相对较低的频率分量部分,成 为近 似
分量,并对信号进行二 抽 一 采 样,以 一 个 三 层 分 解 说 明 小 波变换和小波包变换的原 理。小 波 分 解 树 如 图 1 所 示;图 中CA 表示近似分量,CD 表示细节分量,末尾的序号表示 分解的层数。从图1明 显 看 出:小 波 分 解 只 是 对 近 似 分 量 即 低 频 部 分 进 行 进 一 步 分 解 ,而 细 节 分 量 即 高 频 部 分 则 不 予考虑,分解关系具有:S =CA3+CD3+CD2+CD1。
中 提 取 信 息 ,通 过 伸 缩 和 平 移 等 运 算 功 能 对 信 号 进 行 多 尺 度细化分析(Multiscale Analysis),解决了 Fourier变 换 不 能解决的许多非稳态信号处理中出现的问题。经过十几 年 的 发 展 ,小 波 分 析 在 振 动 信 号 检 测 和 处 理 中 也 得 到 了 很 好发展和应用见文献 。 [7-9] 本文将 小 波 分 析 和 傅 立 叶 变 换 结 合 处 理 航 空 发 动 机 滚 动 轴 承 故 障 信 号 ,试 验 数 据 分 析 处 理结果说明该方法能够有效的提取滚动轴承的故障特征 频 率 ,可 以 滚 动 轴 承 的 故 障 诊 断 提 供 依 据 。
2.2 滚 动 轴 承 故 障 特 征 频 率 滚动轴承诊断中必须识别和提取轴承故障引起的振
动的特征频率,根据故障特征频率可以检测轴承 是 否出 现 故障并确定故障的位置,它们的计算公式为 。 [5]
轴承内环故障频率:
( ) fip = n2fr 1+ Ddcosα
轴承外环故障频率:
( ) fop = n2fr 1- Ddcosα
— 66 — 国外电子测量技术
中国科技核心期刊
2013 年 5 月 第 32 卷 第 5 期
理论与方法
引起轴承 故 障 的 振 动 信 号 呈 一 衰 减 振 荡 形 状,Dau- bechies(db)小波函数能 较 好 的 反 应 滚 动 轴 承 故 障 振 动 信 号这一特征。为了更好地突出这一特征从而能从混有大 量背景噪声 的 信 号 中 很 好 的 检 测 出 故 障 信 号,本 文 采 用 db1 作 为 小 波 分 析 的 小 波 基 函 数 。
图 1 三 层 小 波 分 解 树 结 构
小 波 包 变 换 小 波 变 换 的 一 种 推 广 ,它 的 实 质 是 把 信 号 逐 层 分 解 到 不 同 频 带 上 ,将 信 号 在 全 部 频 带 范 围 内 进 行 正 交分解。小波包分解树如图2所示。
图 2 三 层 小 波 包 分 解 树 从图2可以看出小波包分解可以对信号的整个频带 进行均匀的划分。 3.4 小 波 与 小 波 包 重 构 从上述可知小波和小波包变换是怎样分解一个信号 的,这个过程也叫做分 解 分 析,那 么 把 这 些 分 解 得 到 的 分 量 整 和 到 一 起 恢 复 原 信 号 并 且 没 有 任 何 信 息 损 失 ,这 一 过 程就称为小波和小波包重构。在小波和小波包分解过程 中 包 含 了 滤 波 和 降 采 样 ,那 么 在 小 波 和 小 波 包 重 构 过 程 中 需 要 滤 波 和 过 采 样 ,过 采 样 是 通 过 相 邻 采 样 点 之 间 来 插 入 零 值 来 实 现 的 ,利 用 过 采 样 可 以 使 信 号 的 长 度 增 加 为 原 来 的 两 倍 ,以 达 到 和 需 要 重 构 的 信 号 一 致 的 采 样 数 据 长 度 。 3.5 小 波 基 函 数 的 选 择 如 何 选 择 小 波 基 函 数 目 前 还 没 有 一 个 理 论 标 准 ,但 是 小波变换的小波系数为如何选择小波基函数提供了依据。 小波变换后的小波系数表明了小波与被处理信号之间的 相似程度,如果小波变 换 后 的 小 波 系 数 比 较 大,就 表 明 小 波和信号的波形相似程度较大;反之则比 较小。另 外还要 根据信号处理的目的来决定尺度的大小。如果小波变换 仅 仅 要 反 应 信 号 整 体 的 近 似 特 性 ,往 往 选 用 较 大 尺 度 的 小 波 ;反 映 信 号 细 节 上 的 变 换 则 选 用 尺 度 较 小 的 小 波 。
1 引 言
航空发动机是高速复杂的旋转机械,滚动轴承 故障 常 常发生,轴承发生故障时不仅会影响航空发动机 的正常运 行 ,而 且 严 重 的 会 导 致 恶 性 事 故 。 目 前 振 动 检 测 是 航 空 发 动机轴承故障监测的一种常用方法。在振动故障诊断领 域许多方法是以特征信息提取为基础的,航空发动 机的 滚 动轴承发生故障或异常时,在振动信号中往往伴 有相 应的 滚 动 轴 承 零 部 件 故 障 特 征 频 率 成 分 ,因 此 检 测 这 些 成 分 的 有无,就成为航空发动机轴承故障诊断中的重要 内 容。在 航空发动机的振动信号分析和故障诊断中,一般都 是采 用 快速傅里叶变换为核心的经典信号处理方法作为信号分 析方法,即 频 谱 分 析 法。 由 于 轴 承 的 振 动 信 号 非 常 的 复 杂,与其它振动信号 相 比 又 比 较 微 弱,并 且 航 空 发 动 机 的 振 动 信 号 通 过 传 感 器 在 发 动 机 箱 体 和 轴 承 座 上 测 得 ,受 噪 声干扰严重,基于傅立叶变换的谱分析法直接 分析 此类故 障信号,故障特征 的 提 取 不 理 想。 上 世 纪 80 年 代 以 来 小 波分析被 运 用 在 各 个 学 科 领 域 见 文 献 ,它 [7-11] 与 Fourier 变换相比,是一个时频 的 局 域 变 换,因 而 能 有 效 的 从 信 号
2 滚 动 轴 承 的 振 动 特 征 和 故 障 特 征 频 率
2.1 滚 动 轴 承 的 振 动 特 征 从生产观点看,滚 动 轴 承 不 仅 结 构 十 分 简 单,而 且 是
标准化的外购件,但它 作 为 振 源 就 显 得 相 当 复 杂,不 仅 可 形 成 多 种 振 源 ,同 时 还 要 承 担 来 自 轴 系 不 平 衡 、弯 曲 、不 对 中和扭振等传递 作 用,使 问 题 更 为 复 杂 化。 一 般 来 说,可 将轴承振动归结为以下4种形式: