（测试计量技术及仪器专业论文）基于dsp的滚动轴承实时数据采集与处理系统设计.pdf

摘要 滚动轴承是旋转机械中的使用最多 最为关键 同时也是最易被损坏的机械 零件之一 许多旋转机械的故障都与滚动轴承的状态有关 轴承的好坏对机器工 作状况的影响极大 所以对滚动轴承进行实时状态检测与故障诊断是十分有必要 的 近年来由于d s p d i g i t a ls i g n a lp r o c e s s o r 技术的迅猛发展及成熟 把d s p 技术引入到滚动轴承状态检测与故障诊断中成为当今热点 本文利用d s p 芯片在 信号处理上面的优势 设计了以d s p 为核心处理器的滚动轴承实时数据采集与处 理系统 能快速完成滚动轴承的数据采集和信号处理 提高了故障诊断的效率和 实时性 本文主要工作如下 1 阐述了滚动轴承故障诊断的目的和意义及国内外发展概况 选定本系统 所采用的技术方案 2 介绍滚动轴承故障诊断的理论 对滚动轴承故障诊断的类型 特点进行 全面了解 确定系统进行信号处理的重点 3 研究小波变换在滚动轴承故障诊断信号消噪方面的应用 针对故障信号 的特点 重点介绍小波基的选取 小波分解层数的确定 小波阈值和阈值函数的 确定 在此基础上提出了一种具有更好仿真效果的改进的指数型阈值函数 4 针对滚动轴承故障诊断系统的特点和要求 对本系统的硬件平台进行设 计 主要是以d s p 芯片t m s 3 2 0 c 6 7 1 3 为核心处理器 用c p l d c o m p l e x p r o g r a m m a b l el o g i cd e v i c e 实现系统的逻辑控制 对其中重要的电路进行了详 细的介绍 给出了电路原理图及系统p c b p r i n t e dc i r c u i tb o a r d 图 5 针对滚动轴承故障信号的特点和硬件平台的设计 完成系统的软件设计 包括系统的设置和初始化 小波消噪和f f t 特征提取程序的实现 d s p 的自引导 程序和c p l d 控制逻辑程序等 并给出了实验结果 关键词 d s p 滚动轴承小波变换故障诊断 本文得到国家自然科学基金项目 5 0 8 7 5 1 1 8 资助 a b s t r a c t i 沁l l i n ge l e m e n tb e a r i n gi so n e o ft h em e c h a n i c a lp a r t so ft h er o t a t i n gm a c h i n e d r o ft h em o s tu s i n g t h em o s tc r i t i c a l b u ta l s om o s tv u l n e r a b l et od 锄a g e m 龇l yo ft h e f 撕l u r e so f r o t a t i n gm a c h i n e 巧i sr e l a t e dw i t ht h es t a t eo ft h er o l l i n ge l e m e n tb e 撕n g t 1 1 eb e 撕n g so ft h eg o o da n db a dw o r k i n gc o n d i t i o n si m p a c tt 1 1 em a c h i n eg r e a t l y 1 1 1 e r e f o r e h a v i n gr e a l t i m ef a u l td e t e c t i o na 1 1 dd i a g n o s i st 0r o l l i n ge l e m e n tb e a r i n gi s n e c e s s 踟y i nr e c e my e a r s d u et 0t l l er a p i dd e v e l o p n l e n to fd s p t e c l l i l o l o g y 觚dm a t u r e i i l h o d u c i n gt h ed s pt e c h n o l o g yi n t or o l l m ge l e m e n tb e a r i n g sf i a u l td e t e c t i o n 砒i d d i a g n o s i sb e c o m e s t l l eh o ts p o t sn o w m i sp 印l e r u s i n gt l l ea d v a n t a g e so fd s p t e c l u l o l o g yi n t 1 1 es i g n a lp 眦e s s i n g h a sd e s i g n e dt h es y s t e mo f r o l l i n ge l e m e n t b e 鲥 m gr e a l t 硫ed a t ag a t h e r i n g 锄dp r o c e s s i n g l i t 量1 试d n g d s p 弱c o r ep r o c e s s o r w h i c hc a nc o m p l e t er o l l i n ge l e m e n tb e 撕n g sd a t aa c q u i s i t i o na i l dt h es i g n a j p r o c e s s i n g 协ta j l de 1 1 h a n c et h ee 硒c i e n c ya n dr e a l t i m eo ft h ef a u l td i a g n o s i s t h e p r i m ew o r ki nt 1 1 i sp a p e ri sa sf o l l o w s 1 s t u d i e dt h eg o a l t l l es i g n i f i c a l l c ea n dt h ed o m e s t i ca n df o r e i g nr e s e a r c h d e v e l o p m e n to ft l l em l l i n ge l e m e n tb e a r i n gf a i l u r ed i a g n o s i sr e s e a r c h s e l e c t e dt 1 1 e i l e s e a i c hp l a no ft h ep a p e r 2 s t u d i e dt h et h e o d o fr o l l i n ge l e m e n tb e a r i n gf a u l td i a g n o s i s f i u l td i a g n o s i so f r 0 1 l i n ge l e m e n tb e a r i n gt p e c h a r a c t e r i z e db yac o m p r e h e n s i v eu n d e r s t a j l d i n go ft 1 1 e s y s t e mt od e t e 胁i n et h ef o c u so fs i g n a lp r o c e s s i n g 3 s t u d i e dt h ea p p i i c a t i o no f t h ew a v e l e tt i a n s 南册a t i o ni 1 1t h es i j g r n a ld e n o i s i n g a s p e c to fr o l l i n ge l e m e n tb e a r i n gf a i l u r ed i a g n o s i s i nv i e wo ff a u l ts i g n a l c h 锄l c t e r i s t i c f o c u s e do n 恤s e l e c t i o no fw a v e l e tb a s e s a v e l e td e c o i n p o s i t i o n l e v e la i l dw a v e i e tt h i i e s h o l d i n ga n dt h r e s h o l d 缸l c t i o n o n sb a s i s b r o u g h tu pa i m p r 0 v e dt l l r e s h o l d 劬c t i o n 诵t l lb e n e rs i m u l o nr e s u l t s 1 1 1 i su l c s i sh 勰b c e ns u p p o n e db yn 砒i a ln a t u m is c i c i l c ef u n d 州e 呱5 0 8 7 5 1 1 8 4 i nv i e wo fr o l l i n ge l e m e n tb e a r i n gf a i l u r ed i a g n o s i ss y s t e m sc h a r a c t e r i s t i ca n d r e q u e s t d e s i g n e dt h es y s t e m sh a r d w a r ep l a t f o 瑚w h i c ht a h n gd s pc h i p t m s 32 0 c 6 713a st h ec o r ep r o c e s s o ra 1 1 dr e a l i z i n gs y s t e m sl o g i c a lc o n t r o l 谢t h c p l d a n di n t r o d u c e dt h ei m p o i r t a n te l e c t r i cc i r c u i td e t a i l l y a n dt l l ee l e c t r i cc i r c u i t s c h e m a t i cd i a g r a ma n ds y s t e mp c bh a v eg i v e ni nt h ep a p e r 5 i nv i e wo fr o l l i n gb e 撕n gf a u l ts i g t l a lc h a r a c t e r i s t i ca n d t 王l ed e s i g no f h a r d 眦p l a t f 0 肋 h a sc o m p l e t e ds y s t e m ss o 厅w a r ed e s i g nw h i c hi n c l u d i n gs y s t e m s e s t a b l i s l l r n e n ta n d 出ei n i t i a l i z a t i o n n l ew a v e l e td e n o i s i n ga n dt 1 1 ef f tf e a t u r e e x t r a c t i 叩p r o c e d u r er e a l i z e s s e l f g u i d e dp r o c e d u r e so fd s p a n dt h ec p l dc o n 们l l o g i ca n ds 00 n 加1 df i m l l yi nt h ep a p e rh 部g i 删t l l ee x p e r i l n e n t a lr e s u l t k d yw o r d s d s p r o u i n ge l e m e n tb e a r i n g w a e l e t7 i r a n s f o 珊 f a u nd i a g n o s i s l i l 兰州理工大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明 所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果 除了文中特别加以标注引用的内容外 本论文不包含任 何其他个人或集体已经发表或撰写的成果作品 对本文的研究做出重要贡 献的个人和集体 均已在文中以明确方式标明 本人完全意识到本声明的 法律后果由本人承担 作者签名 嘞n 日期 p 1 7 年 月箩日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留 使用学位论文的规定 即 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版 允许 论文被查阅和借阅 本人授权兰州理工大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索 可以采用影印 缩印或扫描等复制手段 保存和汇编本学位论文 同时授权中国科学技术信息研究所将本学位论文 收录到 中国学位论文全文数据库 并通过网络向社会公众提供信息服 务 作者签名 鬻呻 铷鹳 乏研 r yl 硕上学化论文 1 1 本课题研究的意义 第一章绪论 旋转设备的故障诊断是故障诊断技术中应用最广泛 涉及行业最多的应用领 域之一 滚动轴承是旋转机械中的使用最多 最为关键 同时也是最易被损坏的 机械零件之一 许多旋转机械的故障都与滚动轴承的工作状态有关 轴承的好坏 对机器工作状况的影响极大 由于滚动轴承的损坏将会造成各种机器的被迫停 机 从而给生产上带来巨大的经济损失 所以对旋转设备尤其滚动轴承进行实时 状态检测与故障诊断是十分有必要的 l 2 1 现如今 对基于信号处理的滚动轴承故障诊断的研究已经比较成熟 市面上 也有不少滚动轴承检测和故障诊断的产品 但其数据处理后端大多都是在p c 机 上实现的 如图1 1 所示 即采用采集卡加p c 机或工控机的结构 这种结构实 时性 效率性及现场环境适应性不是十分理想 3 l 图1 1 基于p c 的数据采集系统 以d p s 为主处理器的滚动轴承故障诊断系统可以实现设备状态参数的实时 监测和处理功能 充分利用了嵌入式系统的特点和d s p 在信号处理上的优势 与 传统p c 机相比 使滚动轴承故障诊断系统具备功耗低 体积小 集成度高的特 点 并且大大提高了系统的执行效率和系统可靠性 4 i 基于d s p 的滚动轴承寅时数据采集与处歼系统设计 图1 2 基于d s p 的高速数据采集处理系统 另外传统的基于傅立叶分析的故障信号处理方法 对于非平稳信号的处理效 果不是十分理想 小波分析作为近几年来发展起来的新的数学分支 它是泛函分 析 f o u r i e r 分析 样条分析 调和分析 数值分析的最完美结合 特别适合应 用于信号处理 图象分析 模式识别等领域 被认为是近些年在工具和方法上的 重大突破 近年来被广泛应用到实际工程中 5 1 小波变换的目的就是既要看到信 号的全貌 又要看到信号的细节 它可以聚集到信号的任意细节进行时频域的处 理 时域信号经小波分析后其故障特征会更加明显 因此非常适合于对机械振动 波形信号的处理 并为机械故障诊断特征的提取提供了新方法 6 本课题信号处理算法选用小波分析和傅立叶分析 有效地结合了两者的优 点 取长补短 可以取得更好的效果 1 2 国内外研究发展概况 滚动轴承的监测与诊断开始于2 0 世纪6 0 年代 经过4 0 多年的科学技术的 发展 滚动轴承的诊断技术也不断向前进步 滚动轴承工况监测与故障诊断技术 已经商品化和实用化 随着科学技术的不断发展 各种方法和技巧不断产生 发 展和完善 应用的领域不断扩大 监视与诊断的有效性不断提高f 7 总的说来 滚动轴承工况监视与故障诊断技术的发展可以分为四个阶段i l 第一阶段 利用通用的频谱分析仪诊断轴承故障 2 0 世纪6 0 年代中期 由于快速傅立叶变换 f f t 技术的出现和发展 振动 信号的频谱分析技术得到了很大的发展 各种通用的频谱仪纷纷问世 人们根据 硕上学化沦文 对滚动轴承元件有损伤时产生的振动信号特征频率的计算和采用频谱分析仪实 际分析得到的结果的比较来判断滚动轴承是否有故障 但是 把传感器拾取的振 动信号经过放大器放大后直接进行频谱分析得到的频谱图由于背景噪声的影响 而很复杂 轴承故障的特征频率很不明显 在故障较小的时候不容易把它们诊断 出来 另外 当时的频谱分析仪都比较昂贵 并且需要比较熟练的技术人员来操 作 所以 这时的轴承振动监测与诊断远未走向实用 第二阶段 利用冲击脉冲技术诊断轴承故障 2 0 世纪6 0 年代末 瑞典s p m 仪器公司根据各个钢制轴承元件表面损伤所在受 载情况下接触时要产生冲击 而冲击要引起高频压缩波的现象开发了一种称为冲 击脉冲计 s h o c kp u l em e t e r 的仪器来监测轴承故障 由于这种方法能比较有 效地检测到轴承的早期损伤类故障 并且不需要进行频谱分析 所以它一经发明 便很快被美国 英国等工业发达国家所采用 早期的冲击脉冲计只用来检测轴承 的局部损伤类故障 后来 随着这一技术的不断发展和完善 s p m 公司及世界 上其它一些国家的公司和厂家相继开发了各种更新换代产品 如s p m 公司的轴承 分析仪 b e 撕n ga m l y s e rb e a 5 2 轴承自动分析系统 b e a r i n ga u t o a n a l y s i s s y s t e mb a s 系列产品 等 这些仪器不但用于监测轴承局部损伤类故障 而且用 来监测轴承的润滑情况甚至油膜厚度等 第三阶段 利用共振解调技术诊断轴承故障 1 9 7 4 年 美国波音公司的d r h 矾i n g 发明了一项叫做 共振解调分析系统 的专利 这就是我国现在统称的 共振解调技术 的雏型 这种技术尤其适用于 轴承故障的早期诊断 因为早期故障非常轻微 它引起的冲击脉冲强度非常小 所以其振动响应信号的故障特征很不明显 用一般方法很难辨别出来 采用共振 解调技术由于放大 谐振 和分离 带通滤波 了故障特征信号 极大地提高了 信噪比 所以能比较容易地诊断出故障来 第四阶段 以现代微机为中心的滚动轴承工况监视与故障诊断系统 从8 0 年代开始 借助着信号分析技术和计算机技术发展起来的计算机辅助 监视与诊断系统在促进生产自动化和提高劳动生产率方面取得了显著成果 可分 为实时在线状态监测系统 离线状态监测系统以及新近在此基础上形成的集在线 离线功能于一体的便携式状态监测与故障诊断系统 便携式的轴承检测仪由于 实时性好 使用方便等特点 代表了轴承检测仪器的发展方向 由于信号采集与 基于d s p 的滚动轴承吱时数据采集与处理系统设计 处理算法非常复杂 大量数据计算也需要很多时间 如用一般c p u 实现信号处 理需要大量时间 振动信号的实时分析也就不可能实现 d s p 是一种特别适合于 进行数字信号处理运算的微处理器 其内部采用程序和数据分开的哈佛结构 具有专门的硬件乘法器 广泛采用流水线操作 其主要应用是实时快速地实现各 种数字信号算法处理 现在市面上的实时轴承检测仪器 大都采用d s p 作为数据 处理的核心处理器 比较有代表性的有瑞典v i b r a t i o n s t e k n i n ka b 公司生产的 v t m 3 6 轴承状态检测仪 日本理音 r i o n 公司的v m 7 0 轴承检测仪 国内星晟 检测公司的b a 2 0 1 0 智能轴承故障分析仪 成都贝斯达公司的m h cs o l 0 轴承检测 仪等 最近几年 从滚动轴承故障诊断方法上来看 主要集中在以下几个方面1 7 1 a 统计参数法统计参数法被认为是一种非常有效的诊断滚动轴承的技 术 这种方法的优点在于统计参数对载荷和速度的变化不敏感 b 频谱分析法j a m e se b e r r y 的研究表明 频谱内容 而不是振动幅值 是揭示轴承状态的关键 g j a m e sl i 等解释了一种模式识别分析方案用于滚动 轴承局部损伤类故障自动监测和诊断 这种方法使用倍频分析 通过监测轴承故 障特征频率及其谐波频率成分 从轴承振动中提取特征 实验结果表明 这种方 法对于区分滚动轴承正常和非正常状态非常有效 c 小波分析方法l i n 等人用熵最小化原理优化选择m o r l e t 小波函数 对 滚动轴承的振动信号进行连续小波变换 然后用改进的软门限方法对小波系数进 行选择 从而提取出振动信号中的脉冲信号作为故障特征 l i u 等人提出了小波 包变换的特征提取方法 并对球轴承故障诊断进行了研究 结果表明小波包变换 系数对故障有很高的敏感性 徐金梧等人采用小波包分解和信号重构的方法 提 取滚动轴承振动信号中被噪声所掩盖的由滚动表面剥落所引起的冲击成分 并且 加以分析 通过对滚动轴承出现内圈剥落 外圈剥落和正常情况下振动信号的分 析 说明了这种方法可以有效地用于滚动轴承的故障诊断 d 人工神经网络法人工神经网络具有较好的鲁棒性和强大的非线性映射 能力及较强的的学习能力 能够从大量的数据中发现规律 已被广泛应用于故障 诊断领域 m s u b r a h 响n y 锄等采用有监督的误差反向传播 e b p 技术和无监督的 自适应共振理论 a r t z 训练的多层前向神经网络 从一个正常轴承和两种不同类 型的故障轴承采集加速度信号 通过处理获得统计特征参数 作为网络的输入 硕上学f 扛论文 输出代表轴承的状态 训练的结果用于识别轴承的状态 1 3 本论文完成的主要工作 本论文的研究工作主要是针对滚动轴承故障诊断设备中的数据采集与处理 系统 该系统是滚动轴承故障诊断设备的前端 所要完成的主要工作是对系统前 端传感器传过来的滚动轴承转动的加速度信号实时地进行数据采集与处理 包括 放大 滤波 去噪和频域特征提取等 然后把提取到的加速度信号特征传给系统 后端的显示及操作控制平台 从而进行故障监测及诊断 本论文主要完成的工作如下 第一章介绍了滚动轴承故障诊断研究的目的和意义及国内外研究发展概 况 第二章介绍了滚动轴承故障诊断的理论 第三章介绍了小波变换在滚动轴承故障诊断信号消噪方面的应用 重点介 绍了小波基的选取 小波分解层数的确定 小波阈值和阈值函数的确定 在此基 础上提出了一种改进的指数型阈值函数 第四章介绍了滚动轴承故障诊断系统的硬件设计 主要包括数据采集部分 电源部分 复位监测部分 d s p 与外部存储器接口 逻辑控制部分 与p c 机通 信部分等电路的设计 给出了各部分设计的电路原理图及系统p c b 图 第五章介绍了滚动轴承故障诊断系统的软件设计包括系统的设置和初始 化 小波消噪和f f t 特征提取程序的实现 d s p 的自引导程序和c p l d 控制逻辑 程序等 最后给出了滚动轴承故障诊断的实验结果 第六章对所做的工作进行了总结和展望 基于d s p 的壤动轴承寅时数据采粜与处理系统设计 第二章滚动轴承故障理论 滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件 它的运行状 态是否正常往往直接影响到整台机器的性能 包括精度 可靠性及寿命等 与 别的机械零部件相比 滚动轴承有一个很大的特点 这就是其寿命离散性很大 即用同样的材料 同样的加工工艺 同样的生产设备 同样的工人加工出一批轴 承 其寿命相差很大 滚动轴承的工况监视与故障诊断引起了国内外许多科技人 员的重视 本章研究了滚动轴承故障诊断的理论 对滚动轴承故障诊断的各种方法进 行了分析比较 确定了系统进行数据采集和信号处理的方法 2 1 滚动轴承振动临测与诊断研究概况 2 11 滚动轴承振动监测与诊断的基本原理 滚动轴承的典型结构如图2 1 所示 它是由内圈 外圈 滚动体和保持器四 种元件组成的 图21 滚动轴承的典型结构 通常 其内圈与机械中传动轴的轴颈过盈配合联接 工作时随轴一起转动 而外圈安装在轴承座 箱体或其它支撑物上 工作时一般固定或相对固定 由于 内圈与轴联接 外圈叉装在轴承座上 这样组成的轴承系统在运行过程中由于各 种原因而产生的振动信号是十分复杂的 一般米说 通过安装在轴承座上的传感 硕i 学位论文 器所拾取的轴承振动信号是一宽带信号 且随机性还比较强 引起轴承振动的激 励是多方面的 就轴承本身而言 产生激励的原因有 轴承各元件制造误差 尺 寸和形位误差 如表面波纹 不圆 滚动体大小不一致等 装配误差 如不对 中 不平衡等 运行过程中出现的各种故障 如疲劳点蚀 剥落 裂纹 磨损 润滑不良等 不同的原因 对轴承系统的激励是不同的 例如 由于 疲劳点 蚀或剥落等轴承元件表面损伤所引起的激励是冲击性质的 由于各元件表面波纹 而引起的激励近似正弦激励 由于激励不同 即故障形式不同 轴承系统产生 的振动响应也不同 所以 振动信号是轴承故障的载体 理论上可通过对轴承振 动信号的分析与处理诊断出轴承的所有类型的故障 但是实际上 通过安装在轴 承座卜的传感器拾取的振动信号除反映有关轴承本身的工作情况的信息外 也包 含了大量的机械中其它运动部件和结构的信息 这些信息对于研究轴承本身的工 况与故障来说 属于背景噪声 由于实际中背景噪声往往比较大 所以刚刚发生 的轻微的滚动轴承故障所特有的信息往往淹没在背景噪声中 很难被发现和提取 出来 因此 采用什么样的振动监测与信号处理技术来提高信噪比 突出故障特 征信息 抑制背景噪声 从而有效地诊断出轴承故障成为轴承振动临测与诊断技 术的关键所在 2 1 2 滚动轴承故障诊断的基本环节 对机械设备状态进行监测与诊断 可以说从人类使用机械那一天起就已经开 始了 只不过早期的监测与诊断主要是依靠人体的感官和人的经验 或者借助于 某些简单的工具来进行 随着科学技术的不断发展 工业化程度的不断提高 机 械设备的精密程度 复杂程度和自动化程度等越来越高 旱期那种依靠人体感官 和简单工具进行机械设备监测与诊断的方法已经远远不适用了 融现代传感技 术 信号分析与处理技术及微机技术为一体的机械设备诊断技术应运而生 作为 一门技术 机械设备诊断当然有一个比较完整的体系 滚动轴承作为机械设备的 一个组成部分 其故障诊断也是如此 为了能卓有成效地进行滚动轴承的故障诊 断 有必要对其诊断的一般过程及其各个环节有一个比较系统的了解 滚动轴承 故障诊断的目的是保证轴承在一定的工作环境 承受一定的载荷 以一定的转速 运转等 下和一定的工作期间 一定的寿命 内可靠有效地进行 以保证整个机 7 基于d s p 的滚动轴承实时数据采集与处删系统设计 械的工作精度 同此目的相适应 轴承故障诊断就是要通过对能够反映轴承工作 状态的信号的观测 分析与处理来识别轻承的状态 所以 从 定程度上可以说 轻承故障诊断就是轴承状态识别 具体说来 完整的轴承故障诊断过程应包含以 下五个环节f l 1 信号测取根据轴承的工作环境和性质 选择并测取能够反映轴承工作情 况或状态的信号 2 特征 征兆 抽取从测取的信号中以数字定的信号分析与处理方法抽取 出能够反映轴承状态的有用信息 征兆 3 监视 状态识别 根据征兆 以一定的状态识别方法识别轴承的状态 即简单判断轴承工作是否正常或者说有无故障 4 诊断 状态分析 根据征兆 进一步分析有关状态的情况及其发展趋势 当轴承有故障时 详细分析故障的类型 性质 部位 产生原因与趋势等 5 决策干预根据轴承状态及其发展趋势 作出决策 如调整 控制 维修 或继续监视等 整个诊断流程如图2 2 所示 图2 2 滚动轴承诊断流程图 硕上学位论文 2 1 3 滚动轴承故障诊断的方法 关于滚动轴承故障诊断方法 传统上人们主要是根据监视与诊断所采用的状 态量柬分类的 即按照测取信号的性质来分类的 按照这一分类方法 滚动轴承 工况监视与故障诊断方法有温度法 油样分析法和振动 噪声 法 刀 温度法通过监测轴承座 或箱体 处的温度来判断轴承工作是否正常 温度 监测对轴承载荷 速度和润滑情况的变化反映比较敏感 尤其是对润滑不良而引 起的轴承过热现象很敏感 所以 用于这种场合比较有效 但是 当轴承出现诸 如早期点蚀 剥落 轻微磨损等比较微小的故障时 温度监测基本上没有反映 只有当故障达到一定的严重程度时 用这种方法才能监测到 所以 温度监测不 适用于点蚀 局部剥落等所谓局的部损伤类故障 油样分析法是一种从轴承所使用的润滑油中取出油样 通过收集和分析油样 中金属颗粒的大小和形状来判断轴承工况和故障的方法 这种方法只适用于油润 滑轴承 而不适用于脂润滑轴承 另外 这种方法易受其它非轴承损坏掉下的颗 粒的影响 所以 这种方法具有很大的局限性 振动法是通过安装在轴承座或箱体适当方位的振动传感器监测轴承振动信 号 并对此信号进行分析与处理来判断轴承工况与故障的 由于振动法具有以下 特点 所以在实际中振动法得到了极为广泛的应用 1 适用于各种类型各种工况的轴承 2 可以有效地诊断出早期微小故障 3 信号测试与处理简单 直观 4 诊断结果可靠 目前 国内外开发生产的各种滚动轴承临测与诊断仪器和系统中大都是根据 振动法的原理制成的 从适用 实用 有效的观点看 目前没有比振动法更好的 滚动轴承监视与诊断方法了 在理论上可通过对轴承振动信号的分析与处理诊断出轴承的所有类型的故 障 但是实际上 通过安装在轴承座卜的传感器拾取的振动信号除反映有关轴承 本身的工作情况的信息外 也包含了大量的机械中其它运动部件和结构的信息 这些信息对于研究轴承本身的工况与故障来说 属于背景噪声 由于实际中背景 噪声往往比较大 所以刚刚发生的轻微的滚动轴承故障所特有的信息往往淹没在 9 基于d s p 的滚动轴承实时数据采集与处理系统设计 背景噪声中 很难被发现和提取出来 因此 采用什么样的振动监测与信号处理 技术来提高信噪比 突出故障特征信息 抑制背景噪声 从而有效地诊断出轴承 故障成为轴承振动临测与诊断技术的关键所在 与振动法密切相关的是噪声法 即通过滚动轴承在运行过程中的噪声来判断 其故障 由于所监测到的噪声信号中混有大量的非轴承原因产生的噪声 要把轴 承噪声与其它噪声分离开来十分困难 所以这种方法用得较少 2 2 滚动轴承的主要失效形式 滚动轴承的主要失效形式有以下几种 2 j 1 疲劳点蚀 轴承工作时 作用于轴上的力通过轴承内圈 滚动体 外圈传到机座上 由 于滚动体和内 外圈之间存在着相对运动 致使滚动体与内 外圈滚道的接触表 面产生按脉动循环规律变化的接触应力 当应力循环次数达到一定值后 在滚动 体及内 外圈滚道的表面上就会出现金属剥落的疲劳点蚀现象 疲劳点蚀是一般 机械中滚动轴承的主要失效形式 2 磨损或擦伤 滚动体与滚道之间的相对运动以及外界污物的侵入 是轴承工作面产生磨损 的直接原因 润滑不良 装配不正确均会加剧磨损或擦伤 3 锈蚀和电蚀 锈蚀是由于空气中或外界的水分带入轴承中 或者机器在腐蚀介质中工作 轴承密封不严 从而引起化学腐蚀 电蚀主要是转子带电 在一定的条件下 电 流击穿油膜产生火花放电 使轴承工作表面形成密集的电流凹坑 4 断裂 轴承零件的裂纹和断裂是最危险的一种损坏形式 这主要是由于轴承超负荷 运行 金属材料有缺陷和热处理不良所引起的 除了上述故障形式之外 还有装配不当 机械冲击和荻复换向等原因会引起 保持架的摩擦和断裂 此外 润滑剂不足 高速 高温 重载等将导致接触表面 的胶合和回火变形 硕l j 学位论文 2 3 滚动轴承的振动诊断法 目前 滚动轴承故障检测方法比较多 比较常见的有振动检测法 声音检测 法 温度检测法 油膜电阻检测法 磨损颗粒检测法等 从应用的角度来看 振 动诊断方法具有适用性强 效果好 测试及信号处理简单直观等优点比较实用 所以得到了广泛的应用 本文采用的故障诊断方法也是一种基于振动信号处理的 诊断方法 目前滚动轴承故障诊断中常用的振动诊断方法主要有以下几种 7 1 2 3 1 时域波形诊断法 正常状态下的滚动轴承其振动波形有两个特点 其一是无冲击 其二是变化 慢 当滚动轴承的内环 外环 滚珠发生故障时 其振动时域波形将发生明显的 冲击 如图2 3 所示即为某一滚动轴承发生故障时的时域波形图 0 1 茸 画 坚 o 1 2 0 04 0 06 0 08 0 01 0 0 0 采样点数 图2 3 滚动轴承时域波形图 时域波形分析法的优点是教为直观 但较难从图形上进行定位诊断 即很难 区分出是哪个部件发成了故障 2 3 2 时域特征诊断法 是指利用时域指标中的有效值与峰值作为参数进行诊断 有效值是对时间平均的 所以对于表面皱裂等故障 其测定值的变动小 诊 断效果好 但对于表面剥落等具有瞬变冲击振动的诊断效果却较差 其原因是由 于冲击波峰的振幅大 但持续时间短 如对时间平均 那么有无峰值的差异几乎 表现不出来 因此 对于表面剥落的诊断 峰值比有效值适用 峰值是在某个时间内表 现出来的振幅的最大值 它对瞬时现象也可得出正确的指标值 特别是对初期阶 基于d s p 的滚动轴承实时数据采集与处理系统设汁 段的表面剥落非常有效 但它也有对如轴承内部滚动体对保持器的冲击 灰尘等 原因发成的瞬时振动及突发的外部干扰比较敏感的缺点 2 3 3 波峰系数法 所谓波峰系数 是指峰值对有效值的比 或峰值对绝对平均值的比 这种情 况下也成为冲击脉冲法 在轴承异常的检出中 如前所述 对表面剥落或伤痕 引起的瞬时冲击振动 峰值比有效值的反应灵敏 使用波峰系数就是利用这一性 质 正常时 轴承振动的波峰系数约为5 当轴承有伤痕是 有时达到几十 膏1 1 炸 走 而 z 小 图2 4 滚动轴承冲击振动的波形因数 根据振动的波峰系数进行诊断的最大特点 是由于波峰系数的支部有轴承尺 寸 转速及负荷的影响 所以正常 异常的判定可以非常简单的进行 此外 波 峰系数不受振动信号的绝对水平所左右 所以 传感器或放大器的灵敏度即使变 动 也不会出现测定误差 这种方法 对表面皱裂或磨耗等故障的诊断能力较弱 2 3 4 概率密度分析法 前面已经提到过 利用轴承振动的振幅概率密度 可以区分正常和有疲劳剥 落的轴承 无故障滚动轴承振幅的概率密度曲线是典型的正态分布曲线 而一旦 出现故障 则概率密度曲线可能出现偏斜或分散的现象 如图2 5 所示 概率密度与波峰系数类似 由于与轴承转速 尺寸和负荷等条件无关 因此 使得对轴承好坏的判定非常简单 但是 其缺点也和波峰系数相同 缺乏对表面 皱裂和磨损等故障的诊断能力 硕i j 学位论文 2 3 5 频域诊断法 令 d 图2 5 概率密度法 蹦工 这种方法对轴承的内圈 外圈 滚动体出现故障时的脉动频率进行诊断 图2 6 滚动轴承的振动频谱图 下面列出在外圈静止内圈转动的条件下 各轴承元件的故障频率公式 当故 障信号频率等于下式中某一式的计算频率时 或为其整倍数时 则发生故障的元 件即为该频率公式对应的轴承元件 实践证明 这些公式较为精确 1 外圈故障 一个故障 频耘 孥 n 一 协 2 内圈故障 一个故障 频率厂内 忙弘警 n z 协2 3 滚动体故障 一个故障 频瓢 1 3 r 呤 d 膏 基fd s p 的滚动轴承实时数掘采集 j 处理系统设计 讣 挈 2 宰n 协3 4 保持架 不平衡 故障频瓢 后 批警 宰n 协4 以上公式中 d o 一滚动体直径 m m e 一滚动体中心圆直径 m m a 轴承的公称接触角 n 内圈的转速 r m i n z 一轴承中滚动体的数目 通过对上述特征频率的幅值进行检测 即可对相应部件的故障情况进行诊 断 本文采用频域诊断法对滚动轴承进行故障诊断 具体情况参见第五章 2 4 小结 本章首先介绍了滚动轴承振动监测与诊断的基本原理 基本环节 然后介绍 了滚动轴承的几种主要失效形式 结合本文是采用振动分析的方法对轴承故障进 行检测的情况 着重介绍了滚动轴承故障诊断中常用的几种振动诊断方法 给出 了滚动轴承各部件固有频率和故障特征频率的理论计算公式 硕i j 学位论文 第三章小波变换在滚动轴承故障信号处理中的应用 机械故障信号通常是非平稳信号 且背景噪声比较大 信号淹没在噪声中 机械故障诊断的目的就是提取信号特征 并根据信号特征判断故障形式 进行故 障诊断 目前 故障诊断中的非平稳信号处理算法大致有短时傅立叶变换 二次 型时频分布 h i b e r t h u a n g 变换和小波分析等 6 本文选用小波变换对采集到的信号消噪 再对消噪后的信号进行快速傅立叶 f f t 变换 从而提取信号特征 并根据信号特征判断故障形式 进行故障诊 断 3 1 小波变换 小波变换是一种信号的时频分析 它具有多分辨率的特点 可以方便地从混 有强噪声的信号中提取原始信号 小波消噪对非平稳信号的噪声消除具有无可比 拟的优点 被誉为分析信号的显微镜 在实际工程应用中 所分析的信号可能包 含许多尖峰或突变部分 且噪声不是平稳的白噪声 对这种信号进行分析处理 首先要做预处理 将噪声去除 提取有用信号 对于这种信号的消噪 传统的 f o u r i o r 分析显得无能为力 因为f o u r i o r 分析是将信号变换到频域中进行分析 不能给出信号在某个时间点的变化情况 因此信号在时轴上的任一突变都会影 响信号的整个频谱 而小波分析由于能同时在时频域中对信号进行分析 所以他 能有效区别信号中的突变部分和噪声 从而实现非平稳信号的消噪 3 1 1 小波变换与多分辨率分析 连续小波变换的定义是 5 1 0 设甲是定义在 o o 上能量有限的函数 掣构成平方可积信号空间 记 为掣 l 2 r 则生成函数族 少曲 哪h 矿2 甲 等 咱 6 佃 3 1 幕于d s p 的滚动轴承实时数据采集1 j 处理系统没汁 t 称为小波函数 杪曲 由v t 伸缩和平移生成 为小波基函数 其中 a 为伸缩因子 b 为平移因子 对任一信号厂 f l 2 r 的连续小波变换可定义为 信号与小波基函数的内积 胛 巾 口肋 l 吖 2 甲 等渺 3 2 令 x 是一个满足容许条件的母小波 它定义了一个连续小波变换 w t a b 那么对于任何厂 x l 2 r 和 的连续点j 尼则有 f x 击r 詈e w t f a b 耽山 x d b 专辟c 叽 a b 去攻学 d b 上式即为连续小波变换的重构公式 连续小波变换具有线性 平移不变性 伸缩共变性 自相似性和冗余性等重 要性质 在工程上利用小波变换对信号进行处理 应用最广泛的是二进小波变换 即 取口 2 1 6 忌 2 1 则f t 的二进小波变换为 l2l 一肌 厂o 甲 2 一一尼 出 3 4 二进小波对尺度参数进行离散化 而对时间域上的平移参量保持连续变化 不破坏信号在时间域上的平移变量 连续小波变换通常用于理论分析及方法研究 实际使用中 更多的是用到伸 缩变量和平移变量均已离散化的小波变换 离散小波变换 对连续小波变换公 式中的尺度和平移参数去离散化值 即a a j b k b a 3 a 1 b o 其中a o b 的 取值与母小波v x 的具体形式有关 后为整数 则离散小波的定义为 心 志文半卜心胁出 净5 相应的离散小波变换 d w t 为 叽 心 吲2d t x 皿 3 6 a d x 沙 a 孑x k b d x 硕l 学位论文 1 9 8 8 年 m a l l a t 在b u r t 和a d e l s n o 图像分解和重构的塔式算法的启发f 基于多分辨分析框架 提出了多分辨率分析的概念 从空间的概念上形象地说明 了小波的多分辨特性 将此之前的所有正交小波基的构造法统一起来 给出了正 交小波变换的快速算法 即m a l l a t 算法 若 为信号的离散采样数据 如果g 六 则有 q q 硪 q 广军 t 3 7 k 0 1 2 3 n 一1 n 为离散采样数据 h g 为滤波器脉冲响应 即分解各列滤波器组系数 q 为信号的逼近系数 q 以为五在2 分辨率下的连续逼近 q 七为信号的细节系 数 d m 五为 在2 7 分辨率下的离散细节 信号的m a l l a t 重构算法为 q 吐 q j l l 啪 哆 g 啦 3 8 五 啪和 啪分别为 l 啦和g 啪的共轭转置 实际上也是滤波器的脉冲响 应 即重构各滤波器组系数 3 1 2 小波消噪的基本原理 一个含噪声的一维信号的模型可表示为 s f 厂 f 仃名 f f 0 1 2 刀一l 3 9 式中 厂 f 为真实信号 p f 为噪声 s f 为含噪信号 在实际工程中 有用信号通常表现为低频信号或较平稳的信号 噪声信号则 表现为高频信号 所以消噪过程可按以下方法进行处理 首先对实际信号进行小波分解 选择小波并确定分解层次为n 则噪声部分 1 7 基于d s p 的滚动轴承实时数据采集 j 处理系统设计 通常包含在高频中 然后对小波分解的高频系数进行门限阈值量化处理 最后根 据小波分解的第n 层低频系数和经过量化后的1 n 层高频系数进行小波重构 达到消除噪声的目的 即抑制信号的噪声 在实际信号中恢复真实信号 3 1 3 小波消噪的方法和步骤 小波消噪的方法一般有3 种 l l j 1 强制消噪处理该方法把小波分解结构中的高频部分全变成零 即把高频 部分全部消除 再对信号进行重构 2 默认阈值消噪处理 3 给定软或硬阈值消噪处理在实际消噪处理过程中 阈值可通过经验公式 获得 而且这种阈值比默认阈值更具可信度 强制消噪方法简单 消噪后信号也比较平滑 但易丢失有用信号 而默认阈 值消噪处理和给定阈值消噪处理则在实际应用中更实用一些 实践证明 给定阈 值消噪方法最灵活 可以根据经验公式 也可以根据某种实际需求达到理想的消 噪要求 信号消噪的过程可分为三个步骤 1 0 1 信号的小波分解 选择一个小波函数并确定一个小波分解的层次n 然 后对信号进行n 层小波分解 2 小波分解高频系数的阈值量化 从第1 层到第n 层的每一层高频系数选 择一个阈值进行阈值量化处理 3 一维小波的重构 根据小波分解第n 层的低频系数和经过量化处理后的 第1 层到第n 层的高频系数 进行一维信号的小波重构 这其中 小波阈值的选取非常重要 在某种程度上它关系到信号消噪的质量 3 2 小波基的选择 虽然小波变换在理论上可以反映信号的任意细节 但在实际的故障检测应用 中 小波基波的选择与分析效果的好坏有很大关系 与f o u r i e r 变换不同的是小 波基波不具有唯一性 它是不规则的 不同的小波基波波形差别很大 其支撑长 度和消失矩也有很大的差别 因此 不同的小波基波对同一个信号进行处理所得 硕i j 学位论文 的结果往往差别很大 这将影响到最终的处理结果 同时 小波变换又是一种在 基波可变的情形下其尺度可变的信号分析方法 它可在不同尺度下对信号进行分 析处理 因此这也意味着即使小波基选定 如尺度选择不当 对信号分析的效果 仍然会有影响 如何选择小波基波 到目前为止都是根据处理信号的不同经验性的选取 并 没有一个统一的标准 在选择小波基时主要考虑如下因素 6 1 待处理信号与小波基的相似性 2 小波基的正则性与信号去造处理效果的关系 3 去噪效果和计算量大小的关系 4 小波分解层数和信号消噪的的关系 在实际应用中 草帽小波用于系统辨识 样条小波用