基于小波包分析数控机床主轴滚动轴承故障诊断.pdfVIP

第27 卷第2 期 上海第二工业大学学报 Vol.27 No.2 2010 年6 月 JOURNAL OF SHANGHAI SECOND POLYTECHNIC UNIVERSITY Jun. 2010 文章编号: 1001-4543(2010)02-0124-06 基于小波包分析的数控机床主轴滚动轴承故障诊断 1 2 陈牧野 ，何亚飞 （1.上海海事大学物流工程学院，上海 200135 ；2.上海第二工业大学机电学院，上海 201209 ） 摘 要：滚动轴承损伤类故障的分析诊断基础是提取故障信息。利用小波包分析对机床主轴滚动轴承振动信号进行 分解，求出各频段的能量，提取了轴承故障的特征频率并对故障进行定位，表明了小波包分析方法在滚动轴承故障 诊断的有效性和优良性。 关键词：滚动轴承；小波包分析；特征频率；故障诊断 中图分类号：TH 13 文献标志码：A 0 引言 主轴部件是数控机床最重要部件之一。主轴部件的工作性能对加工质量和机床生产效率有着重要的影 响。作为主轴部件的关键零部件之一，滚动轴承的运行状态对主轴系统的特性，尤其是回转精度、刚度、 热特性和动态特性影响较大。主轴滚动轴承类型配置、精度、安装、调整和润滑等状况都直接影响主轴组 件的工作性能，其状态好坏直接关系到主轴的运行状态[1]，因此，实际生产中做好主轴轴承状态监测与故障 诊断是保证整台机床加工精度的重要环节。 主轴滚动轴承的损坏情况十分复杂。一个故障轴承可能包含多种损坏现象。滚动轴承常见的损伤包括 轴承元件（内圈、外圈、滚动体、保持架等）的面点蚀、裂纹、剥落及擦伤等。滚动轴承损伤产生故障后， 工作过程中可能产生温升、噪声、振动等方面的征兆。实践表明，由于轴承振动信号携带了丰富的运行状 态信息，故振动分析是最有效的诊断手段。 在振动监测诊断的过程中，由于受到主轴和轴上多种零部件振动的影响，滚动轴承振动信号中的干扰 多，成分比较复杂。故障引起的冲击量值往往会被较大的振动信号所掩盖，故用传统的信号频谱分析方法 较难从中提取出故障特征频率，而小波包分析具有同时分析信号时域与频域的特性，在对此类信号分析中 拥有更大的优势[2] 。本文使用小波包分析技术对机床滚动轴承振动信号进行分解，然后对故障特征的信号进 行重构，再进行功率谱分析，从而检测出轴承故障的特征频率，找出故障元件。 1 小波包分析 小波变换的基函数随着尺度j 的减小，其时频窗口宽度也减小，而相应的频域窗口宽度增大。正交小 波变换具有的这种小尺度大频窗、大尺度小频窗的时频分布规律，适宜于分析任意尺度的信号。正交小波 变换的多分辨率分解只将V (尺度)空间进行分解，即V V ⊕ W V =⊕ W ⊕ W ，而没有对W 空间进一 0 1 1 2 2 1 步地分解，所以引入小波包概念。小波包可以将W 进一步地分解，使正交小波变换中随j 的增大而变宽的 j 频率窗口进一步分割变细。其具体定义为 ⎧ =− μ (x ) ∑h(k )μ (2x k ) ⎪ 2l l ⎨ (1)