基于多维度分析的滑动轴承碰摩振动信号提取与特性研究

基于多维度分析的滑动轴承碰摩振动信号提取与特性研究一、引言1.1研究背景与意义在现代工业领域，滑动轴承作为旋转机械的关键部件，发挥着不可或缺的作用。从大型发电设备到精密加工机床，从高速列车到航空发动机，滑动轴承的身影随处可见。其性能的优劣直接关系到整个机械设备的运行稳定性、可靠性和使用寿命。例如，在火力发电站中，汽轮机的滑动轴承承担着支撑和定位转子的重要任务，确保汽轮机能够在高温、高压和高转速的恶劣环境下稳定运行。一旦滑动轴承出现故障，将导致汽轮机停机，不仅会造成巨大的经济损失，还可能影响整个电网的供电稳定性。又如在精密加工机床中，滑动轴承的精度和稳定性决定了加工零件的尺寸精度和表面质量，对于制造高精度的机械零件至关重要。滑动轴承的摩擦状态可分为干摩擦、边界摩擦、液体摩擦和混合摩擦。不同的摩擦状态下，滑动轴承的性能表现存在显著差异。在干摩擦状态下，由于两相对运动表面直接接触，不加入任何润滑剂，会伴有大量的摩擦功损耗和严重的磨损，在滑动轴承中将导致剧烈温升，甚至烧坏轴瓦，因此在实际应用中应极力避免这种摩擦状态。边界摩擦状态下，边界油膜的厚度通常小于1微米，不足以将两金属表面完全分隔开，当两金属表面相互运动时，金属表面相当多的微凸体仍将相互搓削，虽然摩擦系数相较于干摩擦有所减小，但仍会造成一定程度的磨损。液体摩擦状态是最为理想的工作状态，当两摩擦面间有充足的润滑油，形成的油膜厚度大到足以将两个表面的微凸体完全分隔开时，相对运动时仅有流体内部的分子之间的摩擦，摩擦系数极小，显著地减少了摩擦和磨损，长期高速旋转的机器通常希望轴承处于这种摩擦状态。然而在实际使用中，较多的摩擦状态处于干摩擦、边界摩擦和流体摩擦的混合状态，称为混合摩擦，这种摩擦状态下的性能表现较为复杂，受到多种因素的影响。当滑动轴承处于不同摩擦状态时，碰摩现象时有发生。碰摩会引发强烈的振动和噪声，不仅影响设备的正常运行，还可能导致设备损坏，引发严重的安全事故。提取碰摩振动信号并深入研究其特性，对于滑动轴承的故障诊断和性能优化具有重要价值。通过提取碰摩振动信号，能够及时发现滑动轴承的潜在故障隐患。当检测到碰摩振动信号的幅值突然增大或频率出现异常变化时，可能预示着滑动轴承的摩擦状态发生了改变，或者出现了磨损、松动等故障。这为设备维护人员提供了早期预警，使其能够采取相应的措施，如调整润滑系统、更换磨损部件等，避免故障的进一步发展，降低设备停机时间和维修成本。研究碰摩振动信号特性有助于深入理解滑动轴承的工作机理，为其优化设计提供理论依据。通过对不同摩擦状态下碰摩振动信号的分析，可以揭示摩擦状态与振动特性之间的内在联系，从而指导设计人员改进滑动轴承的结构和参数，提高其抗碰摩能力和运行稳定性。1.2国内外研究现状在滑动轴承碰摩振动信号提取与特性研究领域，国内外学者已开展了大量富有成效的工作。国外方面，早期研究主要集中在理论模型的构建。例如，一些学者基于经典的动力学理论，建立了滑动轴承-转子系统的碰摩模型，通过数学推导和数值仿真，初步分析了碰摩振动的基本特性，包括振动频率、幅值等参数的变化规律。随着计算机技术的飞速发展，数值模拟方法在该领域得到了广泛应用。利用有限元分析软件，能够更加精确地模拟滑动轴承在不同工况下的碰摩过程，深入研究碰摩力、油膜压力分布等因素对振动信号的影响。在实验研究方面，国外科研团队搭建了高精度的滑动轴承实验台，运用先进的传感器技术，如激光位移传感器、加速度传感器等，精确采集碰摩振动信号，为理论研究提供了可靠的数据支持。国内学者在该领域也取得了众多成果。在信号提取方法上，不断探索创新。有学者提出了基于小波变换的碰摩振动信号提取方法，利用小波变换良好的时频局部化特性，能够有效地从复杂的振动信号中分离出碰摩特征成分。还有研究将经验模态分解（EMD）方法应用于滑动轴承碰摩振动信号处理，该方法能够自适应地将信号分解为多个固有模态函数（IMF），从而更好地揭示信号的内在特征。在特性研究方面，国内学者结合实际工程应用，深入分析了不同工况参数，如转速、载荷、润滑油粘度等对碰摩振动特性的影响规律。通过大量的实验研究，总结出了一系列实用的经验公式和判别准则，为滑动轴承的故障诊断和状态监测提供了重要依据。然而，当前研究仍存在一些不足之处。一方面，在不同摩擦状态下，碰摩振动信号的特征提取方法还不够完善。现有的方法在处理复杂工况下的信号时，往往存在特征提取不全面、抗干扰能力弱等问题。例如，在混合摩擦状态下，由于多种摩擦因素的相互作用，振动信号中包含了大量的噪声和干扰成分，传统的信号提取方法难以准确地提取出碰摩特征。另一方面，对于碰摩振动信号特性的研究，大多集中在单一因素的影响分析，缺乏对多因素耦合作用的系统研究。在实际工程中，滑动轴承的工作状态受到多种因素的共同影响，如转速、载荷、润滑条件以及温度等，这些因素之间相互耦合，使得碰摩振动特性变得更加复杂。目前对于多因素耦合作用下碰摩振动信号的产生机理和变化规律的研究还不够深入，难以满足实际工程的需求。在研究方法上，虽然理论分析、数值模拟和实验研究相结合的方式已得到广泛应用，但三者之间的协同性还有待提高。理论模型往往难以完全准确地描述实际的碰摩过程，数值模拟结果与实验数据之间也存在一定的偏差，这限制了对碰摩振动现象的深入理解和研究成果的实际应用。1.3研究内容与方法1.3.1研究内容本研究旨在深入探究不同摩擦状态下滑动轴承碰摩振动信号的提取方法及其特性，具体研究内容如下：滑动轴承不同摩擦状态下碰摩振动信号的采集：搭建高精度的滑动轴承实验台，模拟干摩擦、边界摩擦、液体摩擦和混合摩擦等多种摩擦状态。在实验台上合理布置加速度传感器、位移传感器等多种传感器，精确采集不同摩擦状态下滑动轴承的碰摩振动信号。同时，同步采集转速、载荷、润滑油温度和粘度等运行参数，为后续的信号分析和特性研究提供全面的数据支持。例如，在模拟液体摩擦状态时，通过调节润滑油的流量和压力，确保轴承处于稳定的液体摩擦状态，然后采集相应的碰摩振动信号和运行参数。碰摩振动信号提取方法的研究与比较：对传统的傅里叶变换、小波变换等信号提取方法进行深入研究，分析它们在处理滑动轴承碰摩振动信号时的优缺点。同时，探索新兴的信号处理技术，如变分模态分解（VMD）、局部均值分解（LMD）等方法在碰摩振动信号提取中的应用效果。通过对比不同方法对碰摩特征信息的提取能力、抗干扰性能以及计算效率等指标，筛选出最适合不同摩擦状态下碰摩振动信号提取的方法。例如，对于含有大量噪声的混合摩擦状态下的碰摩振动信号，研究VMD方法如何通过自适应地分解信号，有效地提取出碰摩特征信息，与小波变换方法进行对比，分析两者在特征提取准确性和抗干扰能力方面的差异。不同摩擦状态下碰摩振动信号的特性分析：从时域、频域和时频域三个角度对提取的碰摩振动信号进行全面的特性分析。在时域中，研究信号的均值、方差、峰值、峭度等统计参数在不同摩擦状态下的变化规律，这些参数可以反映信号的整体强度和波动情况。在频域中，通过傅里叶变换等方法分析信号的频率成分和能量分布，找出不同摩擦状态下碰摩振动信号的特征频率。在时频域中，利用短时傅里叶变换、小波变换等时频分析方法，研究信号的频率随时间的变化情况，揭示碰摩振动信号在不同摩擦状态下的时频特性。例如，分析在边界摩擦状态下，碰摩振动信号的特征频率是否会随着载荷的增加而发生变化，以及时频图中能量分布的变化规律。多因素耦合对碰摩振动信号特性的影响研究：综合考虑转速、载荷、润滑油粘度、温度等多种因素对滑动轴承碰摩振动信号特性的耦合作用。通过设计多因素正交实验，改变各个因素的取值，采集相应的碰摩振动信号并进行分析。建立多因素耦合作用下碰摩振动信号特性的数学模型，利用数据分析和机器学习等方法，揭示各因素之间的相互关系以及它们对碰摩振动信号特性的综合影响规律。例如，研究在转速和载荷同时变化的情况下，润滑油粘度对碰摩振动信号的幅值和频率特性的影响，通过实验数据和模型分析，找出在不同工况下影响碰摩振动信号特性的关键因素。1.3.2研究方法为实现上述研究内容，本研究将综合运用以下多种研究方法：实验研究方法：搭建专门的滑动轴承实验台，该实验台应具备精确控制转速、载荷、润滑条件等参数的能力。在实验台上安装高精度的传感器，用于采集碰摩振动信号以及相关的运行参数。通过设计不同的实验工况，模拟滑动轴承在各种摩擦状态下的工作情况，获取大量的实验数据。这些实验数据将为后续的信号处理和特性分析提供真实可靠的依据。信号处理技术：运用傅里叶变换、小波变换、VMD、LMD等信号处理方法对采集到的碰摩振动信号进行处理和分析。利用这些技术提取信号的特征信息，如频率成分、幅值变化等，并对不同方法的处理结果进行对比和评估。结合信号处理的理论知识，深入分析各种方法在提取碰摩振动信号特征方面的优势和局限性，从而选择最优的信号提取方法。理论分析方法：基于动力学、摩擦学等相关理论，建立滑动轴承在不同摩擦状态下的碰摩模型。通过数学推导和理论分析，研究碰摩力、油膜压力分布等因素对碰摩振动信号特性的影响机制。利用理论模型预测不同工况下碰摩振动信号的变化趋势，并与实验结果进行对比验证，进一步完善理论模型，深入理解碰摩振动信号的产生机理和特性。数据分析与机器学习方法：对实验采集到的数据进行整理和分析，运用统计学方法研究不同参数之间的相关性和变化规律。引入机器学习算法，如支持向量机（SVM）、神经网络等，对碰摩振动信号的特征进行分类和识别，实现对滑动轴承摩擦状态的智能诊断。通过机器学习模型的训练和优化，提高诊断的准确性和可靠性，为实际工程应用提供有效的技术支持。二、滑动轴承的摩擦状态及碰摩振动原理2.1滑动轴承的摩擦状态分类滑动轴承在运行过程中，其摩擦状态较为复杂，可细分为干摩擦、边界摩擦、液体摩擦和混合摩擦四类，每一种摩擦状态都有着独特的形成机制、特性及对设备运行的影响。了解这些摩擦状态的差异，对于研究滑动轴承碰摩振动信号的提取方法与特性至关重要。2.1.1干摩擦干摩擦指的是两相对运动表面在不加入任何润滑剂的情况下直接接触产生的摩擦。这种摩擦状态下，由于表面的微观凸峰相互啮合、碰撞，会伴有大量的摩擦功损耗。从能量转化的角度来看，机械能会大量转化为热能，导致严重的磨损。在滑动轴承中，干摩擦将引发剧烈温升，轴颈与轴瓦之间的金属直接接触，磨损速度极快，严重时甚至会烧坏轴瓦，使设备无法正常运行。例如，在一些缺乏有效润滑维护的老旧机械设备中，当滑动轴承处于干摩擦状态时，短时间内就可能出现轴瓦表面严重划伤、变形等问题，极大地缩短了设备的使用寿命。干摩擦在滑动轴承中是应极力避免的，因为它不仅会大幅增加设备的能耗，还会对设备的关键部件造成不可逆的损坏。2.1.2边界摩擦边界摩擦的形成源于两摩擦表面间有润滑油存在，润滑油与金属表面的吸附作用使得金属表面上形成极薄的边界油膜，其厚度通常小于1微米。但这层油膜不足以将两金属表面完全分隔开，当两金属表面相互运动时，金属表面相当多的微凸体仍将相互搓削。虽然边界摩擦时的摩擦规律与干摩擦基本相同，但由于边界油膜的存在，摩擦系数明显减小，一般f≈0.1-0.3。边界油膜虽不能完全消除表面的磨损，却能在一定程度上减轻磨损。在多数滑动轴承中，由于难以实现完全的液体摩擦，常采用边界摩擦状态。例如在一些低速、轻载的机械中，如小型农业机械的部分滑动轴承，边界摩擦状态能够在一定程度上满足设备的运行需求，同时相对简单的润滑方式也降低了成本。然而，边界摩擦状态下，金属表面仍存在直接接触的部分，随着运行时间的增加，磨损问题依然不可忽视，需要定期检查和维护。2.1.3液体摩擦液体摩擦是一种较为理想的摩擦状态。当两摩擦面间有充足的润滑油，且能满足一定的条件，如合适的转速、载荷等，便可形成厚度为几十微米的压力油膜。这层油膜厚度大到足以将两个表面的微凸体完全分隔开，相对运动时仅有流体内部的分子之间的摩擦，称之为液体摩擦。此时，形成的油膜是可以承受一定大小载荷的压力油膜，阻止了两摩擦表面的直接接触，所以摩擦系数极小，通常f≈0.001-0.01，显著地减少了摩擦和磨损。长期高速旋转的机器，如航空发动机的主轴滑动轴承，为了确保在高转速、高载荷下的稳定运行，通常希望轴承处于这种摩擦状态。液体摩擦状态下，轴颈在油膜中近似于悬浮状态，极大地降低了摩擦阻力和磨损程度，提高了设备的运行效率和可靠性。但实现液体摩擦需要较为严格的条件，如精确控制润滑油的供应、保持合适的油温等，对设备的设计和维护要求较高。2.1.4混合摩擦在实际使用中，较多的摩擦状态处于干摩擦、边界摩擦和流体摩擦的混合状态，称为混合摩擦，也称为不完全流体摩擦。在这种状态下，表面轮廓峰部分会直接接触，同时润滑膜也承担部分载荷。混合摩擦能有效降低摩擦阻力，其摩擦系数比边界摩擦时要小得多。在润滑剂不够或运动的开始阶段，往往会出现混合摩擦，这时摩擦面部分地区会直接接触。例如在大型机械设备启动时，由于润滑油还未充分分布到整个摩擦表面，会先经历混合摩擦阶段，随着设备运行，润滑油逐渐均匀分布，摩擦状态可能会向更有利的方向转变。在长时间运行的状态下，应尽量避免混合摩擦，因为它仍会导致一定程度的磨损和能量损耗。但在一些技术工程中，由于条件限制，混合摩擦状态往往被容忍，这就需要对设备的运行状态进行密切监测，及时发现潜在问题并采取相应措施。2.2滑动轴承碰摩振动产生机制2.2.1转子与轴承的相互作用在滑动轴承-转子系统中，转子不平衡和不对中是导致转子与滑动轴承之间产生碰摩的重要因素。当转子存在不平衡质量时，在旋转过程中会产生离心力。这种离心力的大小与转子的转速平方成正比，方向始终指向不平衡质量的一侧。随着转速的不断提高，离心力迅速增大，使得转子的振动加剧。当振动幅值超过一定范围时，转子就可能与滑动轴承的内壁发生碰摩。例如，在一些大型旋转机械中，由于转子制造工艺的偏差或长期运行导致的部件磨损，使得转子的重心与旋转中心不重合，从而产生不平衡质量。在启动过程中，随着转速逐渐升高，就可能出现转子与轴承的碰摩现象，引发强烈的振动和噪声。转子不对中同样会引发碰摩问题。不对中可分为平行不对中、角度不对中和综合不对中。平行不对中是指两转子的轴心线在平行方向上存在偏差；角度不对中则是两转子的轴心线相交成一定角度；综合不对中则包含了平行和角度不对中的情况。当出现不对中时，轴承所承受的载荷分布不均，导致局部油膜厚度发生变化。在油膜厚度较薄的区域，转子与轴承之间的间隙减小，容易发生碰摩。以工业泵的滑动轴承-转子系统为例，如果在安装过程中，电机轴与泵轴的对中精度不满足要求，在运行时就会因不对中而使轴承局部受力过大，油膜被破坏，进而引发碰摩振动。在碰摩过程中，力的作用和传递十分复杂。当转子与轴承发生碰摩时，会产生碰摩力。碰摩力可分解为法向力和切向力，法向力使转子受到径向约束，切向力则会引起转子的切向振动。碰摩力通过轴承座传递到基础上，同时也会对转子的动力学特性产生影响。由于碰摩力的非线性特性，会使转子的振动响应中出现丰富的谐波成分，导致振动信号变得复杂。碰摩还会使轴承的油膜压力分布发生改变，进一步影响轴承的承载能力和稳定性。在边界摩擦状态下，碰摩可能会破坏边界油膜，使金属表面直接接触的面积增大，从而加剧磨损和振动。2.2.2碰摩振动的传播路径碰摩振动产生后，会通过轴承座、传动系统等部件进行传播。在传播过程中，振动信号会发生衰减和变形。当碰摩振动从轴承传递到轴承座时，由于轴承座的结构和材料特性，会对振动起到一定的阻尼作用，使得振动幅值逐渐减小。轴承座的质量越大、刚度越高，对振动的衰减效果就越明显。例如，采用铸铁材料制造的轴承座，由于其内部存在较多的微观孔隙和缺陷，在振动传播过程中会消耗一部分能量，从而使振动幅值降低。振动通过传动系统传播时，会受到齿轮、联轴器等部件的影响。齿轮在啮合过程中，会对振动信号进行调制，使得振动信号中包含了齿轮的啮合频率及其谐波成分。联轴器的不对中或松动也会导致振动信号的变化，进一步增加了振动信号的复杂性。当振动通过带传动系统传播时，由于带的弹性变形和打滑现象，会使振动信号发生一定程度的变形，频率成分也会发生改变。在传播过程中，振动信号还可能受到外界环境的干扰，如周围设备的振动、电磁干扰等。这些干扰会叠加在碰摩振动信号上，使得信号的特征更加难以提取。在工业生产环境中，周围大型电机的运行会产生强烈的电磁干扰，这种干扰可能会通过传感器的信号线进入采集系统，与碰摩振动信号混合在一起，影响对碰摩振动信号的准确分析。因此，在研究碰摩振动信号的传播路径时，需要综合考虑各种因素对振动信号的影响，采取有效的措施来减少干扰，提高信号的质量，以便更好地分析碰摩振动信号的特性。三、碰摩振动信号提取方法3.1传统信号提取方法3.1.1傅里叶变换（FT）傅里叶变换（FourierTransform，FT）作为一种经典的信号处理工具，在信号分析领域具有举足轻重的地位，其理论基础深厚，应用广泛。傅里叶变换的核心原理基于傅里叶级数，它将一个周期信号表示为不同频率正弦波和余弦波的无穷级数之和。对于非周期信号，傅里叶变换则将其看作是周期趋于无穷大的周期信号，从而实现将时域信号转换为频域信号的目的。其数学定义为：对于连续时间信号x(t)，其傅里叶变换X(f)为X(f)=\int_{-\infty}^{\infty}x(t)e^{-j2\pift}dt，其中其中f表示频率，j为虚数单位。通过这一变换，时域中的复杂信号被分解为不同频率成分的叠加，使得我们能够从频域的角度深入分析信号的特征。在滑动轴承碰摩振动信号处理中，傅里叶变换主要用于提取信号的频率成分。通过对采集到的时域碰摩振动信号进行傅里叶变换，可以得到信号的频谱图。在频谱图中，不同的频率成分以幅值的形式呈现，从而清晰地展示出碰摩振动信号中包含的各种频率信息。在滑动轴承正常运行时，其振动信号的频谱主要集中在某些特定的频率范围内；而当发生碰摩故障时，频谱中会出现一些新的频率成分，这些频率成分往往与碰摩的特征相关。通过分析这些频率成分的变化，可以判断滑动轴承是否发生碰摩以及碰摩的严重程度。然而，傅里叶变换在处理滑动轴承碰摩振动信号时存在一定的局限性。傅里叶变换是一种全局变换，它将信号在整个时间域上进行积分，得到的频域结果反映的是信号在整个时间段内的平均频率特性，缺乏对信号局部特性的描述。这意味着傅里叶变换无法准确地反映信号中频率随时间的变化情况。在滑动轴承碰摩振动过程中，碰摩现象往往具有突发性和瞬时性，碰摩发生的时刻以及碰摩持续的时间对于故障诊断至关重要。但傅里叶变换无法提供这些时间信息，使得在分析碰摩振动信号时，难以准确捕捉到碰摩发生的具体时刻和瞬态特征。当滑动轴承发生瞬间碰摩时，傅里叶变换得到的频谱图可能无法清晰地显示出碰摩瞬间产生的高频冲击成分，从而影响对碰摩故障的准确判断。傅里叶变换假设信号是平稳的，即信号的统计特性不随时间变化。但实际的滑动轴承碰摩振动信号往往是非平稳的，在不同的运行工况下，碰摩振动信号的频率成分和幅值都会发生变化。对于这种非平稳信号，傅里叶变换的分析效果不佳，可能会导致特征提取不准确，进而影响故障诊断的准确性。3.1.2小波变换（WT）小波变换（WaveletTransform，WT）是一种重要的时频分析方法，它的出现为解决非平稳信号的处理问题提供了有效的途径。小波变换的基本思想是通过将信号与一系列不同尺度和位置的小波函数进行卷积，从而实现对信号的多尺度分析。小波函数具有在时域和频域上都具有局部化的特性，它能够在不同的时间和频率尺度上对信号进行细致的观察和分析。与傅里叶变换不同，小波变换不仅能够提供信号的频域信息，还能同时保留信号的时域信息，这使得它在处理非平稳信号时具有独特的优势。对于连续时间信号x(t)，其连续小波变换X(a,b)定义为：X(a,b)=\int_{-\infty}^{\infty}x(t)\psi_{a,b}^*(t)dt，其中其中a为尺度参数，控制小波函数的伸缩；b为平移参数，控制小波函数在时间轴上的位置；\psi_{a,b}^*(t)是小波函数\psi_{a,b}(t)的共轭函数。通过改变尺度参数a和平移参数b，可以得到不同尺度和位置的小波系数，这些小波系数反映了信号在不同时间和频率尺度上的特征。在处理滑动轴承碰摩振动信号时，小波变换能够对信号进行多尺度分解。具体来说，将碰摩振动信号通过小波变换分解为不同频带的子信号，包括低频的逼近信号和高频的细节信号。低频逼近信号反映了信号的主要趋势和轮廓，而高频细节信号则包含了信号的局部变化和细节信息。通过对不同尺度下的小波系数进行分析，可以提取出碰摩振动信号在不同频率范围内的特征。在高频尺度下，小波系数能够敏感地捕捉到碰摩瞬间产生的高频冲击成分，从而准确地检测出碰摩发生的时刻；在低频尺度下，小波系数可以反映出碰摩对轴承整体运行状态的影响，如振动幅值的变化趋势等。小波变换在处理非平稳信号时具有明显的优势。由于其良好的时频局部化特性，能够有效地处理滑动轴承碰摩振动信号中的非平稳成分，准确地提取出碰摩特征。与傅里叶变换相比，小波变换不需要假设信号是平稳的，因此更适合分析实际的碰摩振动信号。小波变换还具有多分辨率分析的能力，可以根据需要选择合适的尺度对信号进行分析，从而在不同的精度下揭示信号的特征。然而，小波变换也存在一些不足之处。小波基函数的选择对分析结果有较大影响，不同的小波基函数具有不同的时频特性，选择合适的小波基函数需要一定的经验和先验知识。如果小波基函数选择不当，可能会导致特征提取不准确。小波变换的计算复杂度相对较高，尤其是在处理大量数据时，计算量会显著增加，这可能会影响信号处理的实时性。在处理含有噪声的碰摩振动信号时，小波变换虽然能够在一定程度上去除噪声，但如果噪声强度较大，仍然可能会对特征提取产生干扰，导致分析结果的可靠性降低。3.2现代信号提取方法3.2.1经验模态分解法（EMD）经验模态分解法（EmpiricalModeDecomposition，EMD）是一种自适应的信号处理方法，由Huang等人于1998年提出，它在处理非线性、非平稳信号方面具有独特的优势，尤其适用于分析滑动轴承碰摩振动信号这类复杂信号。EMD的核心思想是将一个复杂的信号分解为一系列具有不同特征尺度的固有模态函数（IntrinsicModeFunction，IMF）之和。IMF需满足两个条件：一是在整个数据集中，局部极大值与局部极小值数目之和必须与过零点的数目相等或至多相差一个；二是在任意时间点，局部极大值所定义的上包络线与局部极小值所定义的下包络线均值为零。这两个条件确保了IMF能够反映信号的局部特征和振荡特性。EMD的分解过程主要通过筛分算法实现。首先，找出原始信号x(t)的所有局部极大值和极小值，然后利用三次样条插值分别拟合出上包络线e_{max}(t)和下包络线e_{min}(t)，计算上下包络线的均值m_1(t)，即m_1(t)=\frac{e_{max}(t)+e_{min}(t)}{2}。将原始信号减去均值得到第一个分量h_1(t)，h_1(t)=x(t)-m_1(t)。判断h_1(t)是否满足IMF的条件，如果不满足，则将h_1(t)作为新的信号，重复上述步骤，经过多次筛分，直到h_{1k}(t)满足IMF条件，将其定义为第一个IMF分量c_1(t)，即c_1(t)=h_{1k}(t)。从原始信号中减去c_1(t)得到剩余信号r_1(t)，r_1(t)=x(t)-c_1(t)。将r_1(t)作为新的原始信号，重复上述筛分过程，依次得到各个IMF分量c_2(t),c_3(t),\cdots,c_n(t)，直到剩余信号r_n(t)成为一个单调函数，无法再分解出满足IMF条件的分量为止。最终，原始信号x(t)可以表示为x(t)=\sum_{i=1}^{n}c_i(t)+r_n(t)，其中r_n(t)为残余分量，代表信号的趋势项。在处理滑动轴承碰摩振动信号时，EMD的优势显著。由于碰摩振动信号通常具有非线性和非平稳特性，传统的傅里叶变换等方法难以有效提取其特征。而EMD能够自适应地根据信号的局部特征进行分解，无需预先设定基函数，能够更好地反映信号的内在物理意义。EMD分解得到的IMF分量可以清晰地展示碰摩振动信号在不同时间尺度上的振动模式，有助于深入分析碰摩的发生过程和特征。当滑动轴承发生碰摩时，碰摩振动信号中会包含多种频率成分和瞬态冲击信息，EMD能够将这些复杂的信息分解为不同的IMF分量，使得每个IMF分量对应于特定的频率范围和振动特征，便于提取碰摩的特征信息。然而，EMD也存在一些不足之处，其中最为突出的问题是模态混叠现象。模态混叠是指一个IMF分量中包含了多个不同时间尺度的信号成分，或者不同IMF分量之间存在频率重叠的情况。模态混叠的产生主要是由于信号中的噪声干扰、突变信号以及复杂的非线性特性等因素。在滑动轴承碰摩振动信号中，由于实际运行环境复杂，噪声和干扰较多，容易导致模态混叠的发生。模态混叠会使IMF分量的物理意义不明确，影响对碰摩振动信号特征的准确提取和分析，降低故障诊断的准确性。为了抑制模态混叠问题，学者们提出了多种改进方法，如集合经验模态分解（EnsembleEmpiricalModeDecomposition，EEMD）、互补集合经验模态分解（ComplementaryEnsembleEmpiricalModeDecomposition，CEEMD）等。EEMD通过在原始信号中加入多个白噪声序列，对每个含噪信号进行EMD分解，然后将分解结果进行平均，有效地抑制了模态混叠现象。CEEMD则在EEMD的基础上，进一步改进了噪声添加和分解结果的处理方式，提高了分解的准确性和稳定性。这些改进方法在一定程度上弥补了EMD的不足，为滑动轴承碰摩振动信号的分析提供了更有效的手段。3.2.2谐波小波包变换谐波小波包变换（HarmonicWaveletPacketTransform，HWPT）是在小波变换和小波包变换的基础上发展起来的一种信号处理技术，它能够对信号进行更精细的频带划分，在提取滑动轴承碰摩振动信号细节特征方面具有独特的优势。谐波小波是由英国学者Newland于1993年提出的一种特殊小波，它具有良好的频域局部化特性。谐波小波的定义为：\psi_{n,m}(t)=\begin{cases}e^{j2\pint}-e^{j2\pi(n+1)t},&\frac{m}{2\pi}\leqt\leq\frac{m+1}{2\pi}\\0,&\text{其他}\end{cases}其中，n为谐波小波的中心频率，m为尺度参数。谐波小波在频域上是一个矩形窗函数，其频率范围为[n,n+1]，具有严格的带通特性，能够准确地分离出特定频率范围内的信号成分。谐波小波包变换则是对谐波小波变换的进一步拓展，它不仅对信号的低频部分进行分解，还对高频部分进行多层次的分解，从而实现对信号更全面、更精细的频带划分。具体来说，谐波小波包变换通过对信号进行一系列的高通和低通滤波操作，将信号分解为不同频率子带的小波包系数。假设原始信号为x(t)，经过第j层谐波小波包变换后，信号被分解为2^j个子带，每个子带的频率范围为[\frac{k}{2^j},\frac{k+1}{2^j}]，其中k=0,1,\cdots,2^j-1。通过这种方式，谐波小波包变换能够捕捉到信号在不同频率尺度下的细节信息。在提取滑动轴承碰摩振动信号细节特征方面，谐波小波包变换有着广泛的应用。滑动轴承碰摩振动信号中包含了丰富的频率成分，这些频率成分往往与碰摩的发生机制和故障程度密切相关。谐波小波包变换能够将碰摩振动信号分解为多个具有特定频率范围的子带信号，通过对这些子带信号的分析，可以准确地提取出碰摩振动信号的细节特征。在碰摩发生时，会产生高频冲击信号，谐波小波包变换可以将这些高频冲击信号准确地分离出来，通过分析高频子带信号的幅值、能量等特征，可以判断碰摩的严重程度。谐波小波包变换还可以用于检测碰摩振动信号中的微弱特征，通过对不同子带信号的能量分布进行分析，能够发现信号中隐藏的碰摩特征信息，提高故障诊断的灵敏度。相比于其他方法，谐波小波包变换具有一些独特的优势。由于谐波小波在频域上的矩形窗特性，谐波小波包变换具有更高的频率分辨率，能够更准确地分离出信号中的不同频率成分。在分析滑动轴承碰摩振动信号时，能够清晰地区分碰摩产生的特征频率与其他干扰频率，提高特征提取的准确性。谐波小波包变换对信号的适应性强，不需要预先设定基函数的参数，能够根据信号的特点自动调整分解参数，适用于处理各种复杂的非平稳信号。在滑动轴承的不同运行工况下，碰摩振动信号的特性会发生变化，谐波小波包变换能够自适应地对信号进行分解，有效地提取出碰摩特征。谐波小波包变换在计算效率上也具有一定优势，其算法相对简单，计算量较小，能够满足实时信号处理的需求。在实际工程应用中，需要对大量的碰摩振动信号进行实时分析，谐波小波包变换的高效性能够保证及时准确地获取信号特征，为设备的运行状态监测和故障诊断提供有力支持。四、不同摩擦状态下碰摩振动信号特性分析4.1干摩擦状态下的信号特性4.1.1时域特征在干摩擦状态下，滑动轴承碰摩振动信号的时域特征呈现出独特的表现。从峰值方面来看，由于两相对运动表面直接接触，无润滑油膜的缓冲作用，碰摩时产生的冲击力较大，导致振动信号的峰值较高。当转子与轴承内壁发生碰摩时，瞬间的冲击力会使振动信号出现明显的尖峰，这些尖峰的幅值相较于其他摩擦状态下更为突出。随着碰摩的持续进行，由于表面磨损加剧，微观凸峰的形态和分布不断变化，碰摩的冲击力也会随之波动，使得振动信号的峰值呈现出不稳定的状态，在一定范围内波动较大。信号的均值反映了信号在一段时间内的平均水平。干摩擦状态下，由于碰摩的随机性和不稳定性，振动信号的均值相对较小且波动频繁。这是因为碰摩过程中既有正向的冲击力，也有反向的反弹力，它们在时间上相互交织，使得信号的平均值难以稳定在一个固定的数值上。在不同的时间段内，碰摩的强度和频率不同，导致信号均值在正负之间频繁变化，难以体现出明显的规律性。方差用于衡量信号的离散程度，反映了信号的波动特性。干摩擦状态下，碰摩振动信号的方差较大，表明信号的波动剧烈。这是由于干摩擦时表面的微观凸峰相互作用复杂，碰摩力的大小和方向不断变化，使得振动信号在时域上的波动幅度较大。在某一时刻，碰摩可能发生在表面的凸起部位，产生较大的冲击力，导致信号幅值突然增大；而在另一时刻，碰摩可能发生在相对平滑的部位，冲击力较小，信号幅值相应减小。这种幅值的大幅波动使得方差增大，体现了干摩擦状态下碰摩振动信号的不稳定性。与其他摩擦状态相比，干摩擦状态下碰摩振动信号的峰值明显更高，均值波动更频繁，方差更大。在边界摩擦状态下，虽然也存在一定程度的金属表面直接接触，但由于边界油膜的存在，能够在一定程度上缓冲碰摩力，使得振动信号的峰值相对较低，均值波动相对较小，方差也较小。在液体摩擦状态下，由于有完整的油膜将两表面分隔开，碰摩现象很少发生，振动信号相对平稳，峰值、均值和方差都处于较低的水平。这些时域特征的差异为识别干摩擦状态下的碰摩振动信号提供了重要依据，有助于准确判断滑动轴承的工作状态和故障类型。4.1.2频域特征通过傅里叶变换等方法对干摩擦状态下碰摩振动信号进行频域分析，可以深入了解其频率成分和能量分布特性。在频域中，干摩擦状态下碰摩振动信号的主频分布具有一定的特点。由于干摩擦时表面的微观凸峰相互作用强烈，产生的冲击力具有较强的非线性特性，使得振动信号中包含了丰富的频率成分。除了转子的旋转频率（工频）外，还会出现大量的高次谐波和低次谐波。高次谐波的产生是由于碰摩过程中的非线性冲击作用，使得振动信号的波形发生畸变，从而产生了频率为工频整数倍的高次谐波成分。低次谐波则可能是由于碰摩过程中的间歇性接触、表面磨损不均匀等因素导致的，其频率通常为工频的分数倍。在一些干摩擦碰摩实验中，频谱图中除了明显的工频成分外，还能观察到2倍频、3倍频等高次谐波以及1/2倍频、1/3倍频等低次谐波，这些谐波成分的幅值和分布与碰摩的严重程度和表面状态密切相关。从谐波特性来看，干摩擦状态下碰摩振动信号的谐波丰富且复杂。随着碰摩的加剧，高次谐波的幅值会逐渐增大，这表明碰摩的非线性程度增强，冲击力的变化更加剧烈。当碰摩较为严重时，3倍频、4倍频等高次谐波的幅值可能会接近甚至超过工频的幅值，使得频谱图呈现出复杂的形态。不同谐波之间还可能存在相互调制的现象，进一步增加了频谱的复杂性。这种谐波的调制现象是由于碰摩过程中多种因素的相互作用，如不同频率的振动相互叠加、碰摩力的周期性变化等，导致频谱中出现了新的频率成分。能量在不同频率上的分布情况也是干摩擦状态下碰摩振动信号频域特征的重要方面。由于干摩擦时碰摩力较大，振动能量较高，能量在不同频率上的分布较为分散。在低频段，主要包含了转子的旋转频率及其低次谐波，这些频率成分的能量相对较高，反映了转子的基本运动特性。随着频率的升高，高次谐波的能量逐渐增加，在高频段也有一定的能量分布。这是因为干摩擦时的非线性冲击作用产生了丰富的高频成分，这些高频成分携带了一部分振动能量。在某些情况下，高频段的能量甚至可能超过低频段，这表明碰摩过程中产生了强烈的高频冲击，对设备的影响较大。通过分析能量在不同频率上的分布，可以了解碰摩振动信号的能量集中区域，从而判断碰摩的严重程度和可能的故障原因。当高频段能量明显增加时，可能意味着碰摩较为严重，表面磨损加剧，需要及时采取措施进行处理。4.2边界摩擦状态下的信号特性4.2.1时域特征在边界摩擦状态下，滑动轴承碰摩振动信号呈现出独特的时域特征。从均方根值来看，相较于液体摩擦等较为稳定的摩擦状态，边界摩擦状态下的均方根值较大。这是因为边界油膜虽能起到一定的润滑作用，但无法完全避免金属表面微凸体的直接接触和相互搓削，导致碰摩过程中产生的振动能量相对较高，从而使得均方根值增大。当主轴转速增加时，单位时间内碰摩的次数增多，碰摩力也相应增大，使得振动信号的能量进一步增加，均方根值随之增大。在某一滑动轴承实验中，当主轴转速从500r/min增加到1000r/min时，边界摩擦状态下碰摩振动信号的均方根值从0.5g增大到了0.8g。峰值因数是峰值与均方根值的比值，它反映了信号中冲击成分的相对强度。边界摩擦状态下，碰摩振动信号的峰值因数通常较高。这是由于碰摩过程中会不时出现较强的冲击，导致信号峰值较大，而均方根值相对较小，使得峰值因数增大。这些冲击可能是由于表面微凸体的突然接触、分离或局部的磨损加剧等原因引起的。在边界摩擦状态下，当表面微凸体的粗糙度较大时，更容易产生较大的冲击，从而使峰值因数进一步升高。与干摩擦状态相比，边界摩擦状态下碰摩振动信号的时域特征有所不同。干摩擦状态下，由于两表面直接接触且无润滑缓冲，碰摩产生的冲击力更大，导致信号的峰值更高，波动更为剧烈，均方根值也相对较大。而边界摩擦状态下，由于边界油膜的存在，在一定程度上缓冲了碰摩力，使得信号的峰值相对较低，波动相对较小，均方根值也相对较小。与液体摩擦状态相比，液体摩擦状态下有完整的油膜将两表面分隔开，碰摩现象很少发生，振动信号相对平稳，均方根值和峰值因数都处于较低水平。这些时域特征的差异为识别边界摩擦状态下的碰摩振动信号提供了重要依据，有助于准确判断滑动轴承的工作状态和故障类型。4.2.2频域特征在频域上，边界摩擦状态下碰摩振动信号也具有显著特征。通过傅里叶变换等方法对信号进行分析，可以发现其频率成分较为复杂。除了转子的旋转频率（工频）外，还存在丰富的谐波成分。这是因为边界摩擦状态下，碰摩过程具有一定的非线性特性，表面微凸体的相互作用导致振动信号的波形发生畸变，从而产生了多种频率成分。在频谱图中，通常可以观察到2倍频、3倍频等高次谐波，以及一些分数倍频成分。这些谐波成分的出现与碰摩的严重程度和表面状态密切相关。当碰摩较为严重时，高次谐波的幅值会相应增大，表明碰摩的非线性程度增强。从能量分布来看，边界摩擦状态下碰摩振动信号的能量主要集中在低频段，即工频及其附近的低次谐波频率范围内。这是因为转子的旋转运动是振动的主要来源，低频段的能量反映了转子的基本运动特性。在高频段也有一定的能量分布，这是由于碰摩过程中的冲击和表面微凸体的相互作用产生了高频成分。当边界油膜的厚度减小时，表面微凸体的直接接触增多，碰摩的冲击加剧，高频段的能量会相应增加。与干摩擦状态相比，边界摩擦状态下碰摩振动信号的频率成分和能量分布存在一定差异。干摩擦状态下，由于碰摩力更大，非线性冲击更为强烈，信号中的谐波成分更为丰富，能量在不同频率上的分布更为分散，高频段的能量相对较高。而边界摩擦状态下，虽然也存在谐波成分，但由于边界油膜的缓冲作用，谐波的丰富程度和能量分布的分散程度相对较低。与液体摩擦状态相比，液体摩擦状态下碰摩现象极少，振动信号的频率成分较为单一，能量主要集中在工频附近，高频段几乎没有能量分布。这些频域特征的差异对于故障诊断具有重要的指示作用，通过分析信号的频率成分和能量分布，可以准确判断滑动轴承的摩擦状态和碰摩故障的严重程度。4.3液体摩擦状态下的信号特性4.3.1时域特征在液体摩擦状态下，滑动轴承碰摩振动信号的时域特征具有显著的平稳性。由于两摩擦面间存在充足的润滑油，形成的油膜能够有效地缓冲和隔离转子与轴承之间的碰摩力，使得振动信号的波动较小。从均方根值来看，其数值相对较小，这表明信号的平均能量较低，碰摩现象对轴承的影响较弱。在某一液体摩擦状态下的滑动轴承实验中，均方根值稳定在0.2g左右，远低于干摩擦和边界摩擦状态下的数值。当主轴转速发生变化时，均方根值会随着主轴转速的平稳上升而逐渐增大。这是因为随着转速的提高，单位时间内转子与轴承之间的相对运动速度增加，碰摩的频率和强度也相应增大，导致振动信号的能量有所增加。在实验中，当主轴转速从800r/min提高到1200r/min时，均方根值从0.2g缓慢上升到0.3g，呈现出较为稳定的变化趋势。这种平稳的变化反映了液体摩擦状态下轴承工作的稳定性，说明在一定范围内，转速的变化对轴承的碰摩振动影响较小，轴承能够在较宽的转速范围内保持良好的运行状态。相比于干摩擦和边界摩擦状态，液体摩擦状态下碰摩振动信号的时域特征更加平稳。干摩擦状态下，由于两表面直接接触，碰摩力大且不稳定，信号的峰值和波动都很大；边界摩擦状态下，虽然有边界油膜的缓冲，但仍存在一定程度的金属表面直接接触，信号的波动相对较大。而液体摩擦状态下，完整的油膜有效地减少了碰摩的发生，使得信号的时域特征更加稳定，这为滑动轴承的稳定运行提供了有力保障。4.3.2频域特征在频域上，液体摩擦状态下碰摩振动信号的频率成分相对简单。主要频率成分集中在转子的旋转频率（工频）附近，这是因为在液体摩擦状态下，转子的运动相对平稳，碰摩现象较少发生，振动主要由转子的正常旋转引起。由于油膜的阻尼作用，高次谐波和低次谐波的成分相对较少，能量主要集中在低频段。在频谱图中，可以清晰地看到工频成分的幅值较高，而其他谐波成分的幅值相对较低，分布较为集中。能量集中在特定低频段的原因主要是液体摩擦状态下油膜的良好润滑和缓冲作用。油膜能够有效地抑制碰摩过程中产生的高频冲击和非线性振动，使得振动能量主要集中在转子的基本旋转频率上。当转子与轴承发生轻微碰摩时，油膜能够迅速缓冲碰摩力，减少高频成分的产生，使得振动能量主要以低频的形式存在。这种频率成分和能量分布特性对于判断滑动轴承是否处于正常运行状态具有重要意义。如果在频域分析中发现信号的频率成分出现异常，如高次谐波成分明显增加，或者能量分布发生较大变化，可能意味着滑动轴承的液体摩擦状态受到了破坏，出现了故障隐患。当发现频谱中出现了明显的2倍频、3倍频等高次谐波，且幅值较大时，可能表明油膜厚度不均匀，或者存在局部的磨损，导致碰摩现象加剧，需要及时对轴承进行检查和维护。通过对频域特征的监测和分析，可以及时发现滑动轴承的潜在问题，保障设备的安全稳定运行。4.4混合摩擦状态下的信号特性4.4.1时域特征混合摩擦状态下碰摩振动信号的时域特征具有独特的复杂性，这是由于其处于干摩擦、边界摩擦和流体摩擦的混合状态，多种摩擦机制相互作用。从均方根值来看，随着主轴转速的增加，均方根值会显著下降。这是因为在低速时，表面轮廓峰直接接触的比例相对较高，碰摩较为剧烈，产生的振动能量较大，导致均方根值较大。随着转速的升高，润滑油的动压效应逐渐增强，更多的载荷由润滑膜承担，表面轮廓峰直接接触的情况减少，碰摩程度减轻，振动能量降低，均方根值随之显著下降。在某实验中，当主轴转速从300r/min增加到600r/min时，混合摩擦状态下碰摩振动信号的均方根值从0.6g下降到了0.3g。与边界摩擦和液体摩擦状态相比，在相同的转速条件下，混合摩擦状态的均方根值在低速时通常大于边界摩擦和液体摩擦状态。这是因为边界摩擦状态下，虽然存在一定的金属表面直接接触，但边界油膜能起到一定的缓冲作用；液体摩擦状态下，油膜能将两表面完全分隔开，碰摩现象很少发生。而混合摩擦状态在低速时，表面轮廓峰直接接触的情况更为严重，导致振动能量更高，均方根值更大。随着转速的增加，混合摩擦状态的均方根值下降速度比边界摩擦状态更快，这是由于混合摩擦状态对转速的变化更为敏感，转速升高时，润滑膜的作用更加明显，能更快地降低碰摩程度和振动能量。当转速增加到一定程度后，混合摩擦状态的均方根值可能会接近或小于边界摩擦状态，甚至接近液体摩擦状态，这取决于润滑条件和表面状态等因素。峰值因数在混合摩擦状态下也有其特点。由于碰摩过程中既有较强的冲击，又有润滑膜的缓冲作用，峰值因数的变化较为复杂。在某些情况下，由于表面微凸体的突然接触和分离，会导致信号峰值较大，而均方根值相对较小，使得峰值因数增大。但随着润滑膜作用的增强，峰值因数可能会逐渐减小。当润滑条件较好时，即使出现碰摩，峰值因数也不会过高，因为润滑膜能够有效地缓冲冲击，降低信号峰值。4.4.2频域特征在频域上，混合摩擦状态下碰摩振动信号呈现出复杂的频率成分和能量分布特性。由于多种摩擦状态的相互作用，信号中既包含了干摩擦和边界摩擦状态下的高频冲击成分，又有液体摩擦状态下相对平稳的低频成分，形成了频率成分的混合特性。在频谱图中，可以观察到除了转子的旋转频率（工频）外，还存在丰富的高次谐波和低次谐波。高次谐波的产生与碰摩过程中的非线性冲击有关，而低次谐波可能是由于表面磨损不均匀、润滑膜的局部波动等因素导致的。能量分布在不同频率上也呈现出独特的变化。在低频段，主要包含了转子的旋转频率及其低次谐波，这部分能量反映了转子的基本运动特性和液体摩擦状态下的稳定成分。随着频率的升高，高频段的能量分布与碰摩的严重程度和表面状态密切相关。当碰摩较为严重时，高频段的能量会显著增加，这是因为强烈的碰摩冲击产生了更多的高频成分。当表面磨损加剧，微观凸峰的相互作用更加剧烈时，高频段的能量会明显增大。这种频域特征对于识别混合摩擦状态下的碰摩振动信号具有关键作用。通过分析频谱图中频率成分的分布和能量的变化，可以准确判断滑动轴承是否处于混合摩擦状态，以及碰摩的严重程度。当发现频谱中高频成分增多，且能量分布发生明显变化时，可能意味着混合摩擦状态下的碰摩情况加剧，需要及时采取措施进行调整和维护。对比不同摩擦状态下的频域特征，混合摩擦状态的频谱更为复杂，频率成分和能量分布的变化范围更大，这为故障诊断提供了重要的依据。五、实验研究与案例分析5.1实验装置与方案设计为深入研究不同摩擦状态下滑动轴承碰摩振动信号的特性，搭建了一套高精度的滑动轴承实验台，该实验台能够模拟多种摩擦状态，并准确采集碰摩振动信号。滑动轴承实验台主要由驱动系统、加载系统、润滑系统、测试轴承及数据采集系统等部分组成。驱动系统采用一台高性能的变频电机，通过联轴器与主轴相连，能够实现对主轴转速的精确控制，转速范围为0-3000r/min，可满足不同工况下的实验需求。加载系统采用液压加载方式，通过液压油缸对测试轴承施加径向载荷，载荷大小可通过压力传感器进行实时监测和调节，最大加载力可达50kN。润滑系统配备了多种润滑油供给装置，能够实现干摩擦、边界摩擦、液体摩擦和混合摩擦等不同摩擦状态的模拟。在干摩擦状态下，停止润滑油的供给；在边界摩擦状态下，控制润滑油的流量和压力，使轴承表面形成极薄的边界油膜；在液体摩擦状态下，提供充足的润滑油，确保形成完整的压力油膜；在混合摩擦状态下，通过调节润滑油的参数，模拟部分表面直接接触和部分油膜润滑的情况。传感器的选型与布置对于准确采集碰摩振动信号至关重要。选用了高精度的加速度传感器和位移传感器，加速度传感器用于测量轴承座的振动加速度，位移传感器用于监测转子与轴承之间的相对位移。在轴承座的水平和垂直方向各安装一个加速度传感器，以获取不同方向的振动信息；在靠近测试轴承的位置安装位移传感器，实时监测碰摩的发生和程度。为了同步采集实验过程中的其他参数，还安装了转速传感器、温度传感器和压力传感器，分别用于测量主轴转速、润滑油温度和油膜压力。这些传感器将采集到的信号传输至数据采集系统，数据采集系统采用高速数据采集卡，能够以10kHz的采样频率对信号进行采集和存储，确保数据的准确性和完整性。不同摩擦状态的模拟方法和实验步骤如下：在模拟干摩擦状态时，首先停止润滑系统的工作，确保轴承表面无润滑油。启动驱动系统，逐渐增加主轴转速至设定值，如1000r/min，同时通过加载系统施加一定的径向载荷，如10kN。在运行过程中，利用数据采集系统采集加速度传感器、位移传感器等的信号，持续采集时间为5分钟，以获取足够的数据用于分析。模拟边界摩擦状态时，启动润滑系统，将润滑油的流量和压力调节至特定值，使轴承表面形成边界油膜。例如，将润滑油流量控制在0.5L/min，压力为0.1MPa。按照与干摩擦状态相同的步骤，逐渐增加主轴转速和施加径向载荷，采集不同工况下的碰摩振动信号。对于液体摩擦状态的模拟，增大润滑油的流量和压力，确保形成完整的压力油膜。将润滑油流量增加至2L/min，压力提高到0.5MPa。同样地，控制主轴转速和径向载荷，采集碰摩振动信号。在模拟混合摩擦状态时，通过调整润滑油的参数，使轴承处于部分表面直接接触和部分油膜润滑的状态。将润滑油流量调节至1L/min，压力为0.3MPa。按照上述实验步骤，采集不同工况下的碰摩振动信号。在每次实验过程中，除了采集碰摩振动信号外，还同步记录转速、载荷、润滑油温度和粘度等运行参数。在实验结束后，对采集到的数据进行整理和分析，为后续研究不同摩擦状态下碰摩振动信号的特性提供数据支持。5.2实验数据采集与处理振动信号采集系统的参数设置至关重要，它直接影响到采集数据的质量和后续分析的准确性。在本次实验中，采用了高精度的数据采集卡，其采样频率设置为10kHz，能够满足对碰摩振动信号高频成分的捕捉需求。这是因为碰摩振动信号中往往包含丰富的高频冲击成分，较高的采样频率可以确保这些高频信息不被丢失，从而准确地反映碰摩的瞬态特性。设置合适的采样频率还能避免混叠现象的发生，保证信号的真实性。若采样频率过低，高频信号会被错误地采样为低频信号，导致信号失真，影响对碰摩振动信号的分析和判断。在采集过程中，对传感器的灵敏度也进行了精确校准。加速度传感器的灵敏度校准为100mV/g，位移传感器的灵敏度校准为5mV/μm，这样可以确保传感器能够准确地将振动信号转换为电信号，为后续的数据处理提供可靠的原始数据。在数据采集过程中，有诸多注意事项需要严格遵守。要确保传感器的安装牢固可靠，避免在实验过程中出现松动或脱落的情况。传感器安装不牢固会导致采集到的振动信号出现偏差，甚至无法准确反映实际的碰摩振动情况。加速度传感器若在采集过程中发生松动，其测量的振动加速度值可能会出现大幅波动，使分析结果产生误差。为了减少外界干扰对信号的影响，采取了一系列有效的屏蔽措施。在传感器的信号线外层包裹了金属屏蔽层，并将屏蔽层接地，以防止电磁干扰的侵入。在实验台周围设置了隔音罩，减少环境噪声对振动信号的干扰。在工业环境中，周围的大型电机、变压器等设备会产生强烈的电磁干扰，若不采取屏蔽措施，这些干扰会叠加在碰摩振动信号上，使信号变得复杂，难以提取有效的特征信息。在采集过程中，还需要密切关注实验设备的运行状态，及时记录异常情况。当发现实验设备出现异常振动、噪声或温度过高等情况时，应立即停止实验，检查设备故障原因，并对采集到的数据进行标记。在实验过程中，若发现轴承座的温度突然升高，可能意味着轴承的润滑状态出现了问题，此时采集到的碰摩振动信号可能会受到影响，需要对数据进行特殊处理或重新采集。对采集到的原始数据进行预处理是后续分析的关键步骤，主要包括滤波和去噪等操作。在滤波方面，采用了巴特沃斯低通滤波器对原始信号进行处理，以去除高频噪声的干扰。根据实验信号的特点，将截止频率设置为2kHz，这是因为碰摩振动信号的主要频率成分集中在2kHz以下，通过设置该截止频率，可以有效地保留碰摩振动信号的有用信息，同时去除高频噪声。高频噪声可能来自于传感器的内部噪声、电子设备的干扰等，这些噪声会掩盖碰摩振动信号的真实特征，通过低通滤波可以使信号更加清晰，便于后续分析。去噪处理则采用了小波阈值去噪方法。该方法的原理是利用小波变换将信号分解为不同尺度的小波系数，然后根据阈值对小波系数进行处理。对于小于阈值的小波系数，认为其主要包含噪声成分，将其置零；对于大于阈值的小波系数，认为其包含信号的有效成分，进行保留或适当收缩。通过这种方式，可以有效地去除信号中的噪声，提高信号的信噪比。在实际操作中，选择了sym8小波基函数，并采用软阈值法进行去噪处理。sym8小波基函数具有较好的时频局部化特性，能够较好地适应碰摩振动信号的特点；软阈值法可以在去除噪声的同时，较好地保留信号的细节信息，避免信号的失真。通过滤波和去噪等预处理操作，有效地提高了原始数据的质量，为后续准确分析不同摩擦状态下碰摩振动信号的特性奠定了坚实的基础。5.3案例分析5.3.1某工业风机滑动轴承故障案例某工业风机在长期运行过程中，出现了异常振动和噪声的问题，严重影响了生产的正常进行。经检查，发现滑动轴承存在碰摩故障。利用前文研究的振动信号提取方法和特性分析，对该风机滑动轴承的碰摩故障进行了深入诊断和分析。首先，通过安装在轴承座上的加速度传感器，采集了风机运行过程中的振动信号。由于现场环境复杂，存在各种干扰源，原始振动信号中包含了大量的噪声。采用小波阈值去噪方法对原始信号进行预处理，有效地去除了噪声干扰，提高了信号的信噪比。在去噪过程中，选择了db4小波基函数，通过多次试验确定了合适的阈值，使得去噪后的信号既保留了碰摩振动的特征信息，又去除了大部分噪声。对去噪后的振动信号，运用谐波小波包变换进行特征提取。谐波小波包变换能够将振动信号分解为多个具有特定频率范围的子带信号，通过对这些子带信号的分析，可以准确地提取出碰摩振动信号的细节特征。在对该风机的碰摩振动信号进行分析时，发现高频子带信号的能量显著增加，且出现了丰富的高次谐波成分。这些高频成分和高次谐波的出现，表明碰摩过程中存在强烈的冲击和非线性作用，与理论分析中干摩擦和边界摩擦状态下碰摩振动信号的特征相符。进一步结合信号的时域特征进行分析。计算了振动信号的均方根值、峰值因数等参数，发现均方根值明显增大，峰值因数也处于较高水平。这说明碰摩振动信号的能量较大，且信号中存在较强的冲击成分，进一步验证了碰摩故障的存在。与正常运行状态下的滑动轴承振动信号相比，均方根值增加了50%以上，峰值因数提高了3倍左右。通过对振动信号的频域和时域特征分析，综合判断该工业风机滑动轴承处于混合摩擦状态，且碰摩较为严重。经拆解检查，发现轴承表面存在明显的磨损痕迹，部分区域的油膜已被破坏，证实了基于振动信号分析的诊断结果。通过更换受损的轴承和优化润滑系统，该风机的异常振动和噪声问题得到了解决，恢复了正常运行。这一案例充分验证了本文所研究的滑动轴承碰摩振动信号提取方法和特性分析在实际故障诊断中的有效性和准确性。5.3.2船舶发动机滑动轴承案例以某型号船舶发动机的滑动轴承为研究对象，该发动机在不同工况下运行时，滑动轴承的工作状态对船舶的航行安全和性能至关重要。在船舶航行过程中，发动机的工况会随着船舶的速度、负载等因素发生变化，从而导致滑动轴承的摩擦状态和碰摩振动信号也相应改变。在不同工况下，通过安装在发动机机体上的加速度传感器和位移传感器，采集滑动轴承的碰摩振动信号。在船舶加速过程中，发动机转速逐渐升高，采集到的振动信号显示，随着转速的增加，滑动轴承的碰摩振动幅值和频率都发生了变化。运用傅里叶变换对振动信号进行频域分析，发现除了发动机的旋转频率外，还出现了一些高次谐波和低次谐波成分。这些谐波成分的出现与滑动轴承在不同工况下的碰摩特性密切相关。当发动机处于重载工况时，滑动轴承所承受的载荷增大，油膜厚度变薄，碰摩的可能性增加，导致振动信号中的谐波成分更加丰富。通过分析振动信号的特征来判断轴承的工作状态和预测故障。在正常运行工况下，滑动轴承处于液体摩擦状态，振动信号相对平稳，频率成分主要集中在发动机的旋转频率附近，能量分布较为集中。当出现轻微碰摩时，振动信号的幅值会略有增加，频率成分中会出现一些低频和高频的附加成分，这些附加成分的能量相对较小。随着碰摩程度的加剧，振动信号的幅值和频率变化更加明显，高频成分的能量显著增加，且出现了更多的高次谐波。建立了基于振动信号特征的滑动轴承工作状态评估模型。通过对大量不同工况下的振动信号数据进行分析，提取了反映滑动轴承工作状态的关键特征参数，如振动幅值、频率成分、能量分布等。利用这些特征参数，结合机器学习算法，如支持向量机（SVM），建立了工作状态评估模型。该模型能够根据输入的振动信号特征，准确地判断滑动轴承是处于正常工作状态、轻微碰摩状态还是严重碰摩状态。在实际应用中，将实时采集到的振动信号输入到评估模型中，即可快速评估滑动轴承的工作状态，并及时发出预警信号，为船舶发动机的维护和保养提供了重要依据。通过对该船舶发动机滑动轴承在不同工况下的摩擦状态和碰摩振动信号的研究，证明了通过分析振动信号特征来判断轴承工作状态和预测故障的方法的可行性和有效性。这一方法为船舶发动机的状态监测和故障诊断提供了一种可靠的技术手段，有助于提高船舶航行的安全性和可靠性。六、结论与展望6.1研究成果总结本研究围绕不同摩擦状态下滑动轴承碰摩振动信号，展开了多方面的深入探究，取得了一系列具有重要理论和实践价值的成果。在信号提取方法上，对传统的傅里叶变换、小波变换以及现代的经验模态分解法、谐波小波包变换等进行了全面研究。傅里叶变换能将时域信号转换为频域信号，清晰展示碰摩振动信号的频率成分，但它是全局变换，无法反映信号的局部特性和频率随时间的变化情况，且假设信号平稳，不适用于分析非平稳的碰摩振动信号。小波变换具有良好的时频局部化特性，能对信号进行多尺度分解，有效处理非平稳信号，提取碰摩特征，但小波基函数的选择对结果影响较大，计算复杂度较高，且在处理强噪声信号时存在局限性。经验模态分解法能够自适应地将信号分解为多个固有模态函数，适合处理非线性、非平稳的碰摩振动信号，但存在模态混叠问题，影响特征提取的准确性。谐波小波包变换具有更高的频率分辨率，能对信号进行更精细的频带划分，有效提取碰摩振动信号的细节特征，对信号的适应性强，计算效率高。