一種軸承故障的診斷方法
【專利摘要】一種軸承故障的診斷方法，屬于機(jī)械故障領(lǐng)域，其特征在于，包括如下步驟：對(duì)采集到的振動(dòng)信號(hào)進(jìn)行降噪，提高信噪比；對(duì)降噪后的振動(dòng)信號(hào)進(jìn)行LMD分解，得到PF分量；對(duì)每一個(gè)PF分量進(jìn)行頻譜分析，得到頻譜圖。本發(fā)明的有益效果：原本包含在原信號(hào)的頻率成分，被分解到不同的PF分量上，可以更容易的找到故障特征頻率。經(jīng)過頻譜校正后的故障頻率比未校正的故障頻率，更接近于真實(shí)的故障特征頻率，提高了軸承故障診斷的準(zhǔn)確性。
【專利說明】一種軸承故障的診斷方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機(jī)械故障領(lǐng)域，涉及一種LMD和頻譜校正相結(jié)合的軸承故障診斷方 法。

【背景技術(shù)】
[0002]傳統(tǒng)的方法是將故障數(shù)據(jù)進(jìn)行降噪后，直接進(jìn)行頻譜分析，觀察頻率圖，尋找到 的故障特征頻率。還有一些時(shí)頻分析方法有小波變換和經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical mode decomposition，EMD)等，這些方法對(duì)故障數(shù)據(jù)進(jìn)行分解后，再進(jìn)行頻譜分析，觀察頻率圖， 尋找到的故障特征頻率。
[0003]傳統(tǒng)的方法是對(duì)降噪后的數(shù)據(jù)直接進(jìn)行頻譜分析，頻譜圖上包含了所有的頻率， 頻率成分比較復(fù)雜，不易提取故障頻率。雖然小波變換和EMD方法可以對(duì)故障數(shù)據(jù)進(jìn)行分 解，但小波變換對(duì)時(shí)頻面的分割是機(jī)械格型，而且小波基不同，分解結(jié)果不同，小波基比較 難選擇；EMD方法能將信號(hào)分解為多個(gè)iMF(Intrinsic mode function)分量，對(duì)所有IMF分 量做Hilbert變換能得到信號(hào)的時(shí)頻分布，但在理論上還存在一些問題，如EMD方法中的模 態(tài)混淆、欠包絡(luò)、過包絡(luò)、端點(diǎn)效應(yīng)等問題，均處在研究之中。
[0004] 不論采取上述的哪種方法，用于受到軸承參數(shù)誤差、采樣數(shù)據(jù)長(zhǎng)度等干擾，會(huì)使得 尋找到的故障特征頻率會(huì)與實(shí)際的真實(shí)值存在誤差。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的：
[0006] 第一，對(duì)降噪后的故障數(shù)據(jù)進(jìn)行分解，得到的每個(gè)分量包含著原信號(hào)部分特征信 息，其復(fù)雜程度要比原信號(hào)相對(duì)簡(jiǎn)單得多。
[0007] 第二，避免像小波變換和EMD方法的缺陷。
[0008] 第三，減小由于受到軸承振動(dòng)信號(hào)采樣數(shù)據(jù)長(zhǎng)度干擾帶來的誤差。
[0009] 本發(fā)明的技術(shù)方案：
[00?0] 本方法首先采用局部均值分解（Local mean decomposition，簡(jiǎn)稱LMD)方法對(duì)降 噪后的故障數(shù)據(jù)進(jìn)行分解，對(duì)分解后的得到PF分量進(jìn)行頻譜分析，接著進(jìn)行頻率校正，提 高頻率和峰值的準(zhǔn)確性，觀察頻率圖，尋找到的故障特征頻率。
[0011] LMD方法是自適應(yīng)的時(shí)頻方法，能有效處理非線性、非平穩(wěn)信號(hào)，并且可以避免小 波變換和EMD方法的缺陷。
[0012] 對(duì)降噪后的故障數(shù)據(jù)進(jìn)行LMD分解，得到的每個(gè)PF分量包含著原信號(hào)部分特征信 息，其復(fù)雜程度要比原信號(hào)相對(duì)簡(jiǎn)單得多。這樣就把對(duì)原信號(hào)各種特征信息的分析，轉(zhuǎn)化為 對(duì)各個(gè)PF分量的分析，更容易對(duì)原信號(hào)進(jìn)行認(rèn)識(shí)和把握。由于PF分量所含信號(hào)的成份較 為簡(jiǎn)單，其中所包含的故障特征信息就不易被其他信息所淹沒，因此從PF分量中提取故障 信息就變的相對(duì)簡(jiǎn)單。
[0013] 對(duì)得到的PF分量進(jìn)行頻率校正，可以減小由于采樣數(shù)據(jù)長(zhǎng)度短帶來的頻率誤差， 提高特征頻率的準(zhǔn)確性。
[0014] 一種軸承故障的診斷方法，其特征在于，包括如下步驟：
[0015] 第一，對(duì)采集到的振動(dòng)信號(hào)進(jìn)行降噪，提高信噪比；
[0016] 第二，對(duì)降噪后的振動(dòng)信號(hào)進(jìn)行LMD分解，得到PF分量；
[0017] 第三，對(duì)每一個(gè)PF分量進(jìn)行頻譜分析，得到頻譜圖。
[0018] 第四，采用校正算法對(duì)頻譜進(jìn)行校正，提高特征頻率的準(zhǔn)確性。
[0019] 本發(fā)明的有益效果：原本包含在原信號(hào)的頻率成分，被分解到不同的PF分量上， 可以更容易的找到故障特征頻率。經(jīng)過頻譜校正后的故障頻率比未校正的故障頻率，更接 近于真實(shí)的故障特征頻率，提高了軸承故障診斷的準(zhǔn)確性。

【專利附圖】

【附圖說明】
[0020] 圖1為該發(fā)明的降噪后的軸承滾珠故障數(shù)據(jù)時(shí)域波形
[0021] 圖2為該發(fā)明的降噪后的軸承滾珠故障數(shù)據(jù)頻譜圖
[0022] 圖3為該發(fā)明的降噪后的軸承滾珠故障數(shù)據(jù)LMD分解圖
[0023] 圖4為該發(fā)明的降噪后軸承滾珠故障數(shù)據(jù)PF分量頻譜圖
[0024] 圖5為該發(fā)明的降噪后軸承滾珠故障數(shù)據(jù)PF分量頻譜校正后頻譜圖

【具體實(shí)施方式】
[0025]利用LMD和頻譜校正相結(jié)合的方法，可以更容易、更準(zhǔn)確的提取故障特征頻率。為 成功對(duì)直升機(jī)自動(dòng)傾斜器軸承故障進(jìn)行診斷提供了更有效的方法。
[0026]為驗(yàn)證本方法的效果，本文選用美國凱斯西儲(chǔ)大學(xué)電氣工程與計(jì)算機(jī)科學(xué)系軸承 實(shí)驗(yàn)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析，支承電機(jī)傳動(dòng)軸端的62〇5-2RS SKF深溝球軸承為測(cè)試軸承，由功 率為1.47kW的電動(dòng)機(jī)、電器控制裝置和測(cè)力計(jì)、扭矩譯碼器/傳感器構(gòu)成試驗(yàn)臺(tái)。其結(jié)構(gòu) 參數(shù)如表1。
[0027] 表1軸承結(jié)構(gòu)參數(shù)表 [0028]

【權(quán)利要求】
1. 一種軸承故障的診斷方法，其特征在于，包括如下步驟： 第一，對(duì)采集到的振動(dòng)信號(hào)進(jìn)行降噪，提高信噪比； 第二，對(duì)降噪后的振動(dòng)信號(hào)進(jìn)行LMD分解，得到PF分量； 第三，對(duì)每一個(gè)PF分量進(jìn)行頻譜分析，得到頻譜圖。
2. 根據(jù)權(quán)利要求1所述的軸承故障的診斷方法，其特征在于，所述第三步驟完成后，采 用校正算法對(duì)頻譜進(jìn)行校正，得到校正后的頻譜圖。
3. 根據(jù)權(quán)利要求1所述的軸承故障的診斷方法，其特征在于，所述第一步驟中對(duì)采集 到的振動(dòng)信號(hào)進(jìn)行小波或小波包降噪。
4. 根據(jù)權(quán)利要求1所述的軸承故障的診斷方法，其特征在于，所述第一步驟中對(duì)降噪 后的振動(dòng)信號(hào)進(jìn)行LMD分解，得到PF分量的具體方法為：對(duì)于任意給定信號(hào)x(i)，其分解 過程如下：找出信號(hào)x(i)所有局部極值點(diǎn)化，求出所有相鄰局部極值點(diǎn)平均值和所有相鄰 局部極值點(diǎn)相減的絕對(duì)值，并分別除以 2,得到叫和A :
C1J (2| 然后將所有相鄰叫用直線連接起來，再用滑動(dòng)平均法進(jìn)行平滑處理，得到局部均值函 數(shù)mn⑴。用同樣的方法得到包絡(luò)估計(jì)函數(shù)an (t)i 將局部均值函數(shù)muU)從原始信號(hào)x(t)中分離出來，得到： hn (t) = x (t) -mn (t) (3)再用hn (t)除以包絡(luò)估計(jì)函數(shù)an (t)以對(duì)hu (t)進(jìn)行 解調(diào)，得到： sn(t) = hn (t)/an (t) (4) 理想地，Sll⑴是一個(gè)純調(diào)頻信號(hào)，即它的包絡(luò)估計(jì)函數(shù)a12⑴滿足a12(t) = 1，如果 a12 (t)矣1，則將Sll (t)作為原始數(shù)據(jù)重復(fù)上述迭代過程，直到sln(t)是一個(gè)純調(diào)頻信號(hào)，即 它的包絡(luò)估計(jì)函a1(n+D(t)滿足a 1(n+1)(t) = 1。實(shí)際應(yīng)用中，在不影響分解效果的前提下，設(shè) 定一個(gè)變動(dòng)量Δ ,當(dāng)滿足1- Δ < aln < 1+ Δ時(shí)，迭代終止。 最后把迭代過程中產(chǎn)生的所有包絡(luò)估計(jì)函數(shù)相乘得到包絡(luò)信號(hào)：
m 將包絡(luò)信號(hào)ai(t)和純調(diào)頻信號(hào)sln(t)相乘得到原始信號(hào)第一個(gè)PF分量： PF^t) = a1(t)sln (6) 它包含給定信號(hào)中最高頻率成分，PFjt)是一個(gè)單分量調(diào)幅-調(diào)頻信號(hào)，其瞬時(shí)幅值就 是包絡(luò)信號(hào)ajt)，其瞬時(shí)頻率f\(t)則可由純調(diào)頻信號(hào)sln(t)求出。 將？匕(1:)從給定信號(hào)以1:)中分離出來，得到一個(gè)新信號(hào)^(1)，將11七）作為原始數(shù)據(jù) 重復(fù)以上步驟，循環(huán)k次，直到uk(t)為一個(gè)單調(diào)函數(shù)為止。 這樣給定原始信號(hào)X (t)被分解成k個(gè)PF分量和uk (t)之和，即
m 式中：Uk(t)是殘余項(xiàng)；PFn(t)為包絡(luò)信號(hào)和純調(diào)頻信號(hào)乘積。
【文檔編號(hào)】G01M13/04GK104215459SQ201410424889
【公開日】2014年12月17日 申請(qǐng)日期:2014年8月26日 優(yōu)先權(quán)日:2014年8月26日
【發(fā)明者】孫偉, 李新民, 劉正江, 鄧建軍, 陳煥, 金小強(qiáng), 王江華, 陳衛(wèi)星, 陳 峰, 熊景斌, 蔡士整 申請(qǐng)人:中國直升機(jī)設(shè)計(jì)研究所