一種基于復合Q因子基算法的軸承故障診斷方法技術

本發(fā)明專利技術公開了一種基于復合Q因子基算法的軸承故障診斷方法。本發(fā)明專利技術將軸承故障非平穩(wěn)信號表示成高共振成分(軸承正常部分旋轉引起的隨機振動及強噪聲)和低共振成分(故障沖擊成分)的混合。高共振成分的Q因子高，低共振成分的Q因子低，進而依據軸承故障信號的不同結構成分的振蕩程度自適應地構造復合Q因子基(高Q因子基及低Q因子基)對故障信號進行處理，用高Q因子基匹配出其高共振成分(軸承正常部分旋轉引起的隨機振動及強噪聲)，利用低Q因子基匹配出其低共振成分(故障沖擊成分)，繼而對低共振成分(沖擊信號成分)解調提取軸承故障非平穩(wěn)信號的故障信息進行故障診斷。

【技術實現步驟摘要】

本專利技術涉及一種軸承故障診斷方法，特別涉及一種基于復合Q因子基算法的軸承故障診斷方法。
技術介紹
軸承是旋轉機械設備的重要組成部件，對其運轉狀態(tài)的檢測和故障診斷具有很重要的意義。軸承的故障振動信號是一類典型的非平穩(wěn)信號，較平穩(wěn)信號而言，其分布參數或者分布規(guī)律隨時間發(fā)生變化，工程實際中所接觸的信號往往也是非平穩(wěn)信號，所以此類信號的研究對于工程應用具有極其重要的意義。在傳統(tǒng)的對信號進行分析的方法中，基本上都是基于頻率不同對信號進行分析，例如經典的小波變換，Hilbert-Huang變換等，然而對于復雜的非平穩(wěn)信號而言，其是由持續(xù)振蕩成分(高共振成分)和非持續(xù)振蕩的瞬態(tài)成分(低共振成分)混合而成的。圖1說明了信號共振的概念(其中，Q因子定義為中心頻率f。和它帶寬的比值，即Q=f；/BW)，脈沖I (高頻信號)和脈沖3 (低頻信號)只包含一個周期的正弦波，我們將它們定義為低共振信號(Q因子值為1. 15)，因為它們沒有表現持續(xù)振蕩的狀態(tài)，脈沖2 (高頻信號)和脈沖4(低頻信號)包含五個周期的正弦波(Q因子值為4. 6)，我們將它們定義為高共振信號，因為它們表現持續(xù)振蕩的狀態(tài)。即高共振信號既可以是高頻信號，也可以是低頻信號；低共振成分既可以是低頻信號，也可以是高頻信號，二者的區(qū)別不在于頻率的不同，而在于它們的持續(xù)振蕩程度的不同。軸承故障振動信號結構成分復雜，且具有大量噪聲和瞬態(tài)特征，屬于上述的非平穩(wěn)信號，其高共振成分和低共振成分存在頻率重疊，利用基于頻率不同的算法往往難以實現不同結構成分分離，進而提取故障特征。
技術實現思路
為了解決傳統(tǒng)的基于頻率的信號分析方法在軸承故障診斷中的上述技術問題，本專利技術提供了一種基于復合Q因子基的軸承故障診斷方法。本專利技術解決上述技術問題的技術方案包括利用Matlab編程構造合適的復合Q因子基、對軸承故障非平穩(wěn)信號進行基于復合Q因子基的稀疏分解、提取故障沖擊分量信號、解調得到故障特征等步驟。其中分解算法包括以下步驟(I)根據待分析信號的結構特點自適應地構造復合Q因子基；(2)將原始信號x(t)在復合Q因子基上進行分解；(3)利用相應的Q因子基提取出故障沖擊信號成分。(4)對提取出的故障沖擊信號成分進行解調分析得到故障特征。軸承振動信號主要由軸承的旋轉運動引起，故障軸承振動信號中還會出現沖擊和瞬態(tài)振動特征，其由高共振成分(軸承正常部分旋轉引起的隨機振動及強噪聲)和低共振成分(故障沖擊成分)組成，針對此特點，選擇由高Q因子基及低Q因子基組成復合Q因子基，利用高Q因子基匹配出其高共振成分，利用低Q因子基匹配出其低共振成分。有效表示高共振成分和低共振成分需要構造兩組合適的基，高共振成分的有效表示需要一組全是包含高Q因子的基函數，這樣的基可以通過對單個高Q因子的脈沖進行平移和時間尺度變換得到，在這組基中，所有的基函數的Q因子都相同，類似地，低共振成分的有效表示需要一組全是包含低Q因子的基函數。即為了對軸承故障非平穩(wěn)信號進行有效的分析，需要構造一組能夠有效匹配其持續(xù)振蕩成分(高共振成分)的高Q因子基和一組能夠匹配其非持續(xù)振蕩的瞬態(tài)成分(低共振成分)的低Q因子基。本專利技術中我們利用復合Q因子的小波變換產生相應的高Q因子基及低Q因子基。利用復合Q因子的小波變換設計構造相應的高Q因子基及低Q因子基。復合Q因子的小波變換利用一系列兩通道濾波庫，一個高共振成分濾波庫，一個低共振成分濾波庫，通過Matlab編程實現濾波庫的構造；對非平穩(wěn)信號進行處理，其中Q= (2-β)/β, Γ=β/(1-α)，α , β分別是低通濾波庫和高通濾波庫的尺度參數，r是濾波庫的冗余度系數；選取調整濾波器的尺度參數α，β，其中α取值范圍為0_1，β取值范圍為0_1，使得匹配提取出的低共振沖擊成分的峭度指標和脈沖指標最大，從而設計構造出相應的高Q因子基及低Q因子基，匹配提取出非平穩(wěn)信號的高共振成分和低共振成分。本專利技術的技術效果在于將軸承故障非平穩(wěn)信號表示成高共振成分(軸承正常部分旋轉引起的隨機振動及強噪聲)和低共振成分(故障沖擊成分)的混合。高共振成分的Q因子高，低共振成分的Q因子低，進而依據軸承故障信號的不同結構成分的振蕩程度自適應地構造復合Q因子基(高Q因子基及低Q因子基)對故障信號進行處理，用高Q因子基匹配出其高共振成分(軸承正常部分旋轉引起的隨機振動及強噪聲)，利用低Q因子基匹配出其低共振成分(故障沖擊成分)，繼而對低共振成分(沖擊信號成分)解調提取軸承故障非平穩(wěn)信號的故障信息進行故障診斷。附圖說明下面結合附圖和具體實施方式對本專利技術作進一步說明。 圖1是本專利技術的高共振信號及低共振信號的詮釋圖。圖2是本專利技術構造的高低Q因子基。圖3是本專利技術的基于復合Q因子基算法的軸承故障診斷方法整體流程圖。圖4是本專利技術中模擬的存在外圈點蝕故障的軸承振動信號的時域波形及頻譜圖。圖5是本專利技術中對外圈點蝕故障提取出沖擊成分的時域圖及頻譜圖。圖6是本專利技術中對外圈點蝕故障沖擊分量進行解調處理得到的解調譜。具體實施例方式圖1是本專利技術的高共振信號及低共振信號的詮釋圖。說明了信號共振的概念，脈沖I (高頻信號)和脈沖3 (低頻信號)只包含一個周期的正弦波，我們將它們定義為低共振信號(Q因子值為1. 15)，因為它們沒有表現持續(xù)振蕩的狀態(tài)，脈沖2 (高頻信號)和脈沖4(低頻信號)包含五個周期的正弦波(Q因子值為4. 6)，我們將它們定義為高共振信號，因為它們表現持續(xù)振蕩的狀態(tài)。利用復合Q因子的小波變換產生相應的高Q因子基及低Q因子基。復合Q因子的小波變換利用一系列兩通道濾波庫(一個高共振成分濾波庫，一個低共振成分濾波庫)對非平穩(wěn)信號進行處理，根據所分析信號的特征，通過選取調整濾波器的尺度參數α，β，使得匹配提取出的低共振沖擊成分的峭度指標和脈沖指標最大(峭度指標和脈沖指標，均能反映信號中沖擊能量的大小。其特征值越大，說明故障信息越突出，提取的沖擊性信號越明顯)，從而設計構造出相應的高Q因子基及低Q因子基。 Γ=β / (l-α )Q= (2- β ) / β在本專利技術所處理的軸承外圈故障信號中，當選取Ct1=O. 833, β ρΟ. 5 ((^=3, 1^=3)和Ci1=O. 667，β !=1 (Q2=l，r2=3)時，提取得到的低共振沖擊成分的峭度指標和脈沖指標最大(分別為38. 6944和45. 5503，原始信號的峭度指標和脈沖指標僅分別為11. 3701和10. 9185)，而α，β選取其它值時，提取的低共振成分的峭度指標和脈沖指標都分別比38. 6944和45. 5503小，從而設計構造相應地高Q因子基(Q=3，r=3)和低Q因子基(Q=l, r=3)對待分析信號進行稀疏分解，匹配提取出軸承外圈故障非平穩(wěn)信號的高共振成分和低共振成分。圖2是本專利技術構造的高低Q因子基(高Q因子基值為3，低Q因子基值為I)，從圖2可以看出，高Q因子基及低Q因子基的持續(xù)振蕩程度不一樣，從而可以利用復合Q因子的小波變換，構造相應的高Q因子基及低Q因子基，自適應的提取出信號中的低共振成分(故障沖擊成分)。圖3為本專利技術的基于復合Q因子基算法的軸承故障診斷方法整體流程圖。下面結合流程圖對基于復合Q因子基算法的軸承故障診斷方法的原理進行詳細說明。(I)利用加速度振動傳感器對本文檔來自技高網...

【技術保護點】
一種基于復合Q因子基算法的軸承故障診斷方法，包括以下步驟：（1）采集軸承故障振動信號作為待分析信號；（2）對待分析信號進行復合Q因子基算法的稀疏分解，得到高共振成分即軸承正常部分旋轉引起的隨機振動及強噪聲和低共振成分即故障沖擊成分;（3）對低共振成分進行解調處理得到故障特征。

【技術特征摘要】

【專利技術屬性】
技術研發(fā)人員：崔玲麗，莫代一，鄔娜，王婧，吳春光，
申請(專利權)人：北京工業(yè)大學，
類型：發(fā)明
國別省市：