小波变换与EMD分析在滚动轴承故障诊断中的应用.pdf

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 ， 周知进 ( 湖南科技 大学 机 电_r - 程 学院， 湖南 湘潭 4 1 1 2 0 1 ) 摘要： 针对滚动轴承故障信号的非平稳和调制特点 ， 将小波变换与_种新的信号分析方法 E M D( 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，J 、 波分析技术对检测的信号进行分解 ， 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 M D分解 ， 选取能够反映故障特征的 I MF分量进行边际谱分析， 得 出滚动轴承故障信号对应的频谱 ， 由此 确定轴承的故障模 式。 实验研究结果表明该方法正确有效。 0 一- 关键词： 小波变换E MD 故障诊断滚动轴承 曩 一一 l 中图分类号： T P 3 0 6+ 3 文献标识码： A 文章编号： t 0 0 2- 6 8 8 6 ( 2 0 1 0 ) 0 4- 0 0 3 5- 一 一 0 一 一 0 一 一 Ap p l ica t io n o f W a v e l e t Tr a n s f o r m a n d EM D An a l y s is t o Ro l l in g Be a r in g F a u l t Dia g n o s is Y U A N F a n g ， HU B i i a n g ， Z HOU z j i n Ab s t r a ct ：I n a l l u s io n t o t h e n o n s t a t io na r it y a n d mo d u l a t io n f e a t u r e o f r o l l in g b e a r in g f a u l t s ig n a l s ，t h is p a p e r u n ifi e s t h e wa v e l e t t r a n s f o m m t i o n w i t h o n e k i n d o f r e ce n t d is co v e r e d s ig n a n al y s i s m e t h o d E M D ( e x per i e n ce m oda l it y d e co m p o s it i o n )in t h e r o l l i n g b e a r i n g f a i l u r e d ia g n o s is T h is m e t h o d fi r s t d e co mp o s e t e s t in g s ig n a l s t h r o u g h a me t h o d b a s e d O ff w a v e l e t a n d r e co n s t r u ct t h e f a u l t s ign a l s A n d t h e n d e co m- p o s e r e co n s t r u ct e d s ig n a l t h r o u g h a m e t h o d b a s e d o n E MD，t h r o u g h t h e co r r e ct I MF s e l ec t io n s p ec t r u m a n aly s is ca n r e fl e ct t h e b r e a k d o w n ch a r a ct e r is t ic o f r o l l in g b e a ti n g，S o a s t o g e t t h e f r e q u e n cy o f f a u l t s ignals S o y o u ca n e s t ima t e wh a t kin d o f t h e f a u hmod e is Th e e x pe r ime n t al s t u d y r e s u l t in d ica t e s t h is me t ho d o f h ig h a ccu r a t e l y an d e f f e ct iv e t y Ke y wo r d s： wa v e l e t t r a ns f o r m； EMD； f a il ur e d ia gn o s is ；r o l l in g be a r in g 0 引言 1 小波变换 轴承是各种旋转机械中应用最广泛的一种通用机械部 件， 它们在旋转机械中起着关键的作用， 但是， 它也是最易发 生故障的元件之一。根据资料统计 ， 约 3 0 的旋转机械的故 障是由于轴承的损坏所引起的 。从国内来看， 近年来机械 工业， 尤其是轴承行业所服务的主机行业发展很快， 并向高精 度、 商胜能、 高可靠性、 高附加值发展。而轴承行业发展滞后， 尚不能完全满足主机配套的需要。国内厂商主要问题在于 自主创新能力差、 开发能力不适应， 产品结构不适应， 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 加工过程中， 相应的故障检测 、 精度检测技术落后， 其检测结 果非常粗糙且误差较大 ， 严重影响了轴承产品的生产速度 和加工质量。 另外， 在使用过程中， 绝大多数的机械故障是由轴承引 起的， 如何及时诊断出这些问题就成了一个新的课题。本文 就轴承故障检测问题提出了一种新的方法， 并在本论文中得 以检验， 相信此方法能为国内轴承企业提高检测速度和精度 有所贡献。 设 ( ) L ( R ) ， 其傅里叶变换为 ( ) ， 当 ( ) 满足 容许条件时， O( t )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 ： = I I f 1 任意连续时间信号_厂 ( t )的小波变换为： ) = ( t - b ) d 其对应的逆变换为 ： = ) ( t - b ) 6 通过上式可以获得小波重构信号。 2 E MD方法的基本原理 E MD( 经验模态分解) 是美籍华人 N E h u a n g在 1 9 9 8 年提出的具有 自适应性的信号分解方法。该方法可以把 复杂信号 ( t ) 分解为有 限数量的具有一定物理意义的固 作者简介： 袁方( 1 9 8 3一) ， 男， 湖南科技大学机电工程学院硕士研 究生， 研究方向为制造业信息化。 收稿日期 ： 2 0 1 0 3 6 中 国 机 械 采 购 网 3 6 有模态函数( I MF ) ， 合理选取其 中能够体现故 障信息 的 I MF分量进行分析就能够获得滚动轴承的故障特征信息。 对任一实信号 ( t ) 进行 E MD分解的具体步骤如下 ： 1 ) 确定信号 ( f ) 的所有局部极值点， 然后用三次样 条线将所有的局部极大值点连接起来形成上包络。 2 ) 再用三次样条线将昕有的局部极小值点连接起来 形成下包络线 ， 上 、 下包络线应该包络昕有的数据点。 3 ) 上下包络线的平均值记为 m 求出： f f )一 mI f =h I 4) 如果 h 不满足 I MF的条件 ， 把 h 作 为原始数据 ， 重复步骤( 1 )一( 3 ) ， 得到上 、 下包络线的平均值 m 再判 断 h =h 一m， 。 是否满足 I MF的条件 ， 如果不满足则重循 次 ， 得到 h 一m， =h 使得 h 满足 I MF的条件 ， 记 c = h 则 C ， 为信号 ( ) 的第一个满足 I M F条件的分量。 5 ) 将 C 从 ( ) 中分离出来 ， 得到： r l = ( t )一 cl ( 1 ) 将 r ， 作为原始数据重复步骤( 1 )一( 4 ) ， 得到 ( t )的 第二个满足 I MF条件的分量 c， ， 重复循环 n次， 得到信号 ( t )的 n个满足 I MF条件的分量。 这样就有 ： ( 2 ) r nC n =r ， l 当 成为一个单调函数不能再从中提取满足 I MF条 件的分量时， 循环结束。 这样由式( 1 )和式 ( 2 ) 得到 ： ( )=c 式 中， 称为残余函数， 代表信号的平均趋势。 3 故障的实验分析 轴承 内圈故障频 率 轴 承故障实 验 台如 图 1 所示，滚动轴 承 的故 障 试验台是选用美国 S p e c t r a Q u e s t 公司的综合故障 模拟实验 台作 为滚动轴 承的运行环境。该 实验 台包括转 子 L j 齿轮箱两 图1滚动轴承故障模拟实验台 个分支体系 ， 能够模拟轴承故障、 齿轮故障、 齿轮箱故障、 轴类故障 、 电机故障、 皮带轮故障等 3 0多种故障模式， 每 一 种故障模式均有配套的典型故障件 ， 如滚动轴承故障备 有了外环 、 内环 、 滚动体和保持架四种典型故障的故 障件。 轴承型号 6 3 0 3 ， 节圆直径 D= 3 1 8 5 I l l I n ， 滚动体直径 d= 7 8 5 n l tl l ， 滚动体个数 Z=8 ， 接触角 O L =0 。 ， 转速 n=6 0 0 r mi n ， 采样频率 1 0 k H z ， 根据滚动轴承的故障特征频率公 式计算得到内圈与外圈的故障频率为 ： = 4 9 8 5 Hz =3 0 1 4 Hz 3 1轴承内圈故障诊断 图 2 为 轴 承内 圈存 在 故 障的时域波形 ， 图 3为轴 承 内 圈存 在 故 障 的 频域波形 ， 看 出 时域 与 频 域 参 数均 不 能 确 定 滚动 轴 承 的 位 置和故障模式。 因此 ， 采 用 d b l O小波 对 实 验数 据 进 行 4 时间 图2 内圈缺 陷轴承的 时域波形 层小波分解 ， 提 图3 内圈缺陷轴承的频域波形 取第三层逼近系数进行重构( 重构信号如图4所示) ， 对重 构后信号再进行 E MD分解， 得到 的 9个 I MF分量如图 5 所示 。 l2u20 l 氛 5 0 智 一站 l 2 图4轴 承 内圈 的 小波 重 构 信 号 2 4 03 6 0 0 8 0 9 1 C OO I 2 0 0 1 4 0 0 I m I 8 0n 2 0 7 g ) 2 I m ) 枷 m 1 a l 2 ( x ) 1 4 0 0 1 6 1 8 0 3 2 枷 6 0 3 8 0 0 f n f 2 0 0 f m f 0 f 舯 0 2 ( K I 4 0 0 6 , 0 ( I 8 0 0 1 0 0) i2 0 0 I 4 1 ) n i l 8 0 C ) 2 0 0 0 2 m 4 m 6 0 3 (m“ m I 2 0 0 l 4 m 1 a3 0 1 H 0 n 2 0 3 0 采样 数 图5 转速 ) f ) r m in 内圈小渡重构信号E MD 分解摸 态分量 选取 I MF 7进行边际谱分析分别如图6所示 。 懒 阜 ， H 图6 转速6 0 0 r ra in 内圈小波重构信号 E MD 分解I MF 7 边际谱 图 由图6可知 ， 通过实际信号处理得到轴承内圈故障的 特征频率与理论计算出的故障特征频率相吻合， 所以可以 判断轴承内圈出现丁故障。 37 3 2轴承外圈故障诊断 图 7 与 图 8分别 为 轴 承 外 圈存 在 故 障 的 时 域 波 形 与 频 域波形， 从 时 域 与 频 域 参 数 均 不 能 确 定 滚 动 轴 承 的位 置 和 故 障模式。 所 以， 同 样 采 用 d b l O 小波对实验数 据进行4层小 波分解， 提 取 第三层逼近系 数 进 行 重 构 ( 重构信号如 图 9所示 ) ， 对 重构后信号再 进行 E MD分 解， 得 到 的 9 个 I MF分 量 0 5 00 l 0 00 l 5 0 0 2 0 0 0 2 5 0 0 3 0 00 35 0 0 4 0 0 0 4 5 0 0 时问 图7 外圈缺陷轴 承的时域波形 0 1 0 0 0 2 0 0 0 3 0 0 0 4 0 0 0 5 0 0 0 6 0 0 0 7 0 0 0 8 0 0 0 9 0 0 0 1 0 0 0 0 频率 H z 图8 外圈缺 陷轴承的频域 如图 l O所示。 图9 时间 轴承 外圈的小波重构信号 图1 O 转速6 0 0 r rai n 3 I“ 圈小波重构信号EMD 分解模 态分量 选取 I MF 7进行边际谱分析分别如图 1 1所示。 从图 1 l 可以看出实际信号处理得到轴承外圈故障的 特征频率与理论计算出的故障特征频率相吻合 ， 所 以可以 判断轴承外圈出现了故障。 图1 1 转速 6 0 0 r mi n 9 1“ 圈小波重构信号 E MD 分解I MF 7 边 际谱 图 4 结论 滚动轴承发生故障时 ， 其振动信号为调制信号， 调制 波的频率即为故障特征频率 ， 因此其包络谱在故障特征频 率处存在谱峰。然而 ， 当振动信号中含有较大的噪声时， 其谱峰并不明显。本文将小波变换 、 E M D信号分析方 法 相结合 ， 利用小波精确的频带划分优势将原始信号分解为 细节信号和逼近信号 ， 通过选取逼近系数进行信号重构， 从而有效规避了高频噪声， 同时抑制信号 E MD分解时大 量噪声导致的模态分量明确物理意义丢失的影响， 从而使 得 E M D分解后得 到的 I M F分量能够更 好的反 映故 障特 征， 通过选取具有故障特征 的模式分量进行边 际谱分析， 不仅可以提高频率分辨率 ， 而且还可 以剔 除其他频率成 分， 使得故障特征频率处 的谱峰更加 明显， 分析结果更加 准确。 参考文献 1 李光 ， 丛培 田 基于共振 解调 的滚动轴承故障诊断的研究与 实现 J 机械 工程 师， 2 0 0 6年第 1 O期 ， 1 2 9 - 1 3 1 2 刘桥 方， 严枫 我 国轴承 制造技 术 的现状 及其 发展趋 势 J 轴 承