基于聲信號(hào)形態(tài)分量分析的滾動(dòng)軸承故障診斷裝置及方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是一種軸承故障診斷領(lǐng)域的方法，具體是一種基于聲信號(hào)形態(tài)分量 分析的滾動(dòng)軸承故障診斷裝置及方法。
【背景技術(shù)】
[0002] 目前，對(duì)于滾動(dòng)軸承故障主要是基于振動(dòng)信號(hào)的分析與檢測(cè)來(lái)進(jìn)行的，但是這種 診斷故障的方法有其局限性，需傳感器布置在被測(cè)軸承座或其相連結(jié)構(gòu)的表面，對(duì)于高溫、 腐蝕、油膜、運(yùn)動(dòng)部件等條件環(huán)境下，布置傳感器的難度十分高，使得對(duì)其振動(dòng)信號(hào)的采集 受到極大的限制。
[0003] 機(jī)械的噪聲是通過(guò)振動(dòng)產(chǎn)生的，機(jī)械的聲信號(hào)是其振動(dòng)信號(hào)的延伸。當(dāng)其機(jī)械振 動(dòng)發(fā)生改變的時(shí)候，聲特性也隨之改變，《基于聲信號(hào)小波變換的滾動(dòng)軸承故障診斷》一文 中的實(shí)驗(yàn)表明了，不同故障下的聲信號(hào)與振動(dòng)信號(hào)，用時(shí)域的診斷方法對(duì)所測(cè)的聲信號(hào)和 振動(dòng)信號(hào)進(jìn)行故障的在線監(jiān)測(cè)，并用時(shí)頻分析的方法對(duì)故障進(jìn)行準(zhǔn)確定位，能夠判斷出軸 承有無(wú)表面損傷類故障。因此也表明機(jī)械的聲信號(hào)中也蘊(yùn)含著機(jī)械設(shè)備的狀態(tài)信息，并可 以作為軸承故障診斷的依據(jù)。但是，上述文章中的實(shí)驗(yàn)是在消聲室里面進(jìn)行的，消聲室里面 沒有雜音噪音干擾，信噪比比較高。而正常環(huán)境中卻是存在大量的噪音與雜音，信噪比比較 低，因此上述方法具有局限性。
[0004] 軸承故障檢測(cè)結(jié)果主要受信號(hào)分析技術(shù)的影響。小波分析和神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，推 動(dòng)了聲學(xué)故障診斷技術(shù)的發(fā)展;獨(dú)立分量分析（ICA)技術(shù)的興起為聲學(xué)故障診斷技術(shù)中多 源信號(hào)混合提取問題提供了全新的思路;主分量分析能消除滾動(dòng)軸承故障聲信號(hào)的環(huán)境噪 聲。但一方面實(shí)際的故障聲信號(hào)信噪比差，成分復(fù)雜，信號(hào)中的沖擊成分、諧振成分及噪聲 無(wú)法被任意單一的字典充分地表示；另一方面聲波在傳播時(shí)由于擴(kuò)散、散射和被介質(zhì)吸收 等原因，幅值會(huì)不斷減小，軸承損傷引起的周期性沖擊脈沖很容易被其他噪聲淹沒。形態(tài)分 量分析(MCA)方法的出現(xiàn)為復(fù)雜信號(hào)稀疏分解提供了更優(yōu)的思路和算法，在信號(hào)和圖像處 理等領(lǐng)域中均取得了很好的效果，且MCA比主分量分析有更佳的去噪能力，更適用于分析信 噪比較差的單通道軸承故障聲信號(hào)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于聲信號(hào)形態(tài)分量分析的滾動(dòng)軸承故障診斷裝置 及方法。通過(guò)對(duì)傅里葉變換，小波分析等方法的了解和對(duì)振動(dòng)聲信號(hào)時(shí)域形態(tài)的分析，建立 由coif4小波字典和局部余弦字典組成的過(guò)完備字典，再結(jié)合BP算法來(lái)實(shí)現(xiàn)在噪聲背景下 對(duì)軸承微弱故障聲信號(hào)的稀疏表示，分離原信號(hào)中的沖擊信號(hào)，調(diào)制信號(hào)，和噪聲信號(hào)三種 成分，并利用沖擊信號(hào)分量和諧振信號(hào)分量對(duì)信號(hào)進(jìn)行重構(gòu)。運(yùn)用Hilbert包絡(luò)譜對(duì)沖擊信 號(hào)進(jìn)行處理，根據(jù)滾動(dòng)軸承的故障頻率f，對(duì)軸承進(jìn)行診斷。為了達(dá)到上述目的本發(fā)明采用 如下技術(shù)方案：
[0006] 包括傳聲器、采集卡、采集箱以及信號(hào)處理模塊;所述傳聲器固定在距離軸心一定 的位置，并正對(duì)軸承所在軸承座的側(cè)面中心線上，用于將所述軸承轉(zhuǎn)動(dòng)過(guò)程中產(chǎn)生的聲信 號(hào)轉(zhuǎn)換成模擬信號(hào);所述采集箱及所述采集卡用于進(jìn)行數(shù)據(jù)采集，捕獲傳聲器傳遞的模擬 信號(hào)，將其數(shù)字化并導(dǎo)入信號(hào)處理模塊以便進(jìn)行數(shù)字處理的設(shè)備;所述信號(hào)處理模塊用于 在Matlab程序中對(duì)聲信號(hào)進(jìn)行稀疏表示，分離原信號(hào)中的沖擊信號(hào)、調(diào)制信號(hào)和噪聲信號(hào) 三種成分，并對(duì)沖擊信號(hào)進(jìn)行重構(gòu)，運(yùn)用Hilbert包絡(luò)譜對(duì)沖擊信號(hào)進(jìn)行處理得出準(zhǔn)確的故 障特征。
[0007] -種基于聲信號(hào)形態(tài)分量分析的滾動(dòng)軸承故障診斷方法，包括以下步驟：
[0008] 第一步、對(duì)滾動(dòng)軸承進(jìn)行正常與故障工作狀態(tài)劃分與設(shè)定，計(jì)算軸承故障特征頻 率f;
[0009] 第二步、傳聲器固定在距離軸心X的位置，并正對(duì)軸承所在軸承座的側(cè)面中心線 上，設(shè)置采樣頻率fs。此外，設(shè)置軸轉(zhuǎn)速η和采樣點(diǎn)數(shù)N;
[0010] 第三步、在一定的背景噪聲條件下測(cè)量故障狀態(tài)的滾動(dòng)軸承的聲信號(hào)；
[0011]第四部、對(duì)軸承微弱聲信號(hào)進(jìn)行稀疏表示，分離原信號(hào)中的沖擊信號(hào)，調(diào)制信號(hào)和 噪聲信號(hào)三種成分，并對(duì)沖擊信號(hào)進(jìn)行重構(gòu)；
[0012]第五部、運(yùn)用Hilbert包絡(luò)譜對(duì)沖擊信號(hào)進(jìn)行處理得出準(zhǔn)確的故障特征。
[0013]優(yōu)選的，所述的聲信號(hào)設(shè)置為：
[0014] x(t)=n(t)+s(t)+h(t) (1)
[0017] 其中式（1)中，n(t)為噪聲分量;s(t)為周期性聲信號(hào)沖擊分量;h(t)為聲信號(hào)諧 振分量;式(2)中，s(t)是由Μ個(gè)幅值為B，衰減系數(shù)為β，高頻共振頻率為fn的沖擊成分組成 的沖擊信號(hào)，該沖擊信號(hào)幅值被頻率fr調(diào)制;T為沖擊間隔時(shí)間，故障沖擊頻率為f= 1/T;u (t)為單位階躍函數(shù)，fr為軸的轉(zhuǎn)速頻率;式(3)中，h(t)是由K個(gè)幅值為A，頻率為fi的諧振 成分構(gòu)成的諧振信號(hào)。
[0018] 優(yōu)選的，選用由C〇if4小波字典作為逼近沖擊信號(hào)，局部余弦字典組成的冗余字典 作為逼近諧波信號(hào)。
[0019] 本發(fā)明提供的基于聲信號(hào)形態(tài)分量分析的滾動(dòng)軸承故障診斷裝置及方法利用軸 承轉(zhuǎn)動(dòng)過(guò)程中會(huì)產(chǎn)生聲信號(hào)，通過(guò)分析該信號(hào)的時(shí)域特征，提出了基于聲信號(hào)MCA和 Hilbert譜分析的軸承故障診斷新方法。仿真和實(shí)例分析結(jié)果表明軸承故障聲信號(hào)由沖擊 分量、諧振分量及噪聲復(fù)合而成，通過(guò)構(gòu)建由coif4小波字典和局部余弦字典組成的冗余字 典能對(duì)原信號(hào)作較好的逼近。通過(guò)利用MCA方法進(jìn)行廣義軟取閾值去噪，并稀疏分離出原信 號(hào)的沖擊分量。最后結(jié)合由MCA分離出的聲信號(hào)沖擊分量和其Hilbert頻譜圖，能準(zhǔn)確地識(shí) 別滾動(dòng)軸承故障類型。
【附圖說(shuō)明】
[0020] 此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，并不 構(gòu)成對(duì)本發(fā)明的不當(dāng)限定，在附圖中：
[0021] 圖1是本發(fā)明實(shí)施例工作流程示意圖；
[0022] 圖2是實(shí)施例中故障聲信號(hào)的時(shí)域圖；
[0023]圖3是實(shí)施例中故障聲信號(hào)的Hilbert譜；
[0024]圖4是實(shí)施例中故障聲信號(hào)MCA結(jié)果；
[0025]圖5是實(shí)施例中沖擊分量的Hilbert譜。
【具體實(shí)施方式】
[0026]下面將結(jié)合附圖以及具體實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明，在此以本發(fā)明的示意性實(shí)施 例及說(shuō)明用來(lái)解釋本發(fā)明，但并不作為對(duì)本發(fā)明的限定。
[0027]實(shí)施例
[0028]如圖1所示，一種基于聲信號(hào)形態(tài)分量分析的滾動(dòng)軸承故障診斷裝置，包括傳聲 器、采集卡、采集箱以及信號(hào)處理模塊;所述傳聲器固定在距離軸心一定的位置，并正對(duì)軸 承所在軸承座的側(cè)面中心線上，用于將所述軸承轉(zhuǎn)動(dòng)過(guò)程中產(chǎn)生的聲信號(hào)轉(zhuǎn)換成模擬信 號(hào);所述采集箱及所述采集卡用于進(jìn)行數(shù)據(jù)采集，捕獲傳聲器傳遞的模擬信號(hào)，將其數(shù)字化 并導(dǎo)入信號(hào)處理模塊以便進(jìn)行數(shù)字處理的設(shè)備;所述信號(hào)處理模塊