基于小波包分析滚动轴承声发射信号消噪处理.docVIP

基于小波包分析滚动轴承声发射信号消噪处理 　　摘要:本文叙述了将声发射检测技术应用于火车货车滚动轴承故障诊断中,通过小波包分析提取滚动轴承声发射信号的能量特征,并通过小波包消噪处理法突出能量特征,以达到较好故障诊断效果。 　　关键词:小波包;声发射;滚动轴承;故障诊断 　　 　　当材料或结构受到外力或内力作用时,由于其微观结构的不均匀以及内部缺陷的存在,会导致局部的应力集中,进而以弹力波的形式释放出应变能,这种现象叫做声发射(Acoustic Emission,AE)也称应力波发射。由于声发射是一种常见的物理现象,用仪器探测、记录、分析声发射信号和利用声发射信号推断声发射源的技术称为声发射技术。常规的无损检测方法如超声、磁粉、射线、涡流等均属于静态检测和非受力状态下的检测技术,逐点扫描检查造成的费时、费力,总体检测费用高,而声发射技术是一种动态的检测方法,它能够获得材料在动载荷状态下疲劳裂纹扩展的重要信息。与传统的振动检测法相比,声发射检测可以在轴承发生故障的早期检测到声发射信号,达到早发现,是一种在线、高效和经济的检测方法。因而,本文将声发射检测用于货车滚动轴承故障诊断中,实现在线故障诊断。 　　 　　一、实验设备及信号分析方法 　　滚动轴承的故障主要有磨损、疲劳、腐蚀、断裂、压痕和胶合等形式。故障的位置一般是外圈、内圈、滚动体及保持架。磨损和疲劳是滚动轴承两种常见的故障形式。疲劳故障是由于轴承经常受到交变载荷的作用,在轴承的金属部件内部产生位错和塑性变形,由此产生疲劳裂纹源。磨损是由于轴承滚道、滚动体、保持架、座孔或安装轴承的轴颈,由于机械原因产生的表面磨损,金属晶格发生弹性扭曲,逐渐产生微观裂纹,进而在外圈或者内圈出现麻点或微粒剥落等现象。所有这些故障的产生和发展过程中,都会伴随着声发射现象的产生。 　　为了获取铁路货车轴承的声发射信号,在实验室模拟火车提速后(货车120km/h)轮对转速的实验台上,将AE-98/R15声发射传感器安放在352226X2-2Z型滚动轴承一列滚子所对应的外圈表面的贴片上,使用TEK公司的TDS3012数字式荧光示波器的采集模块分别实时采集正常轴承、内圈和滚子故障轴承的声发射信号。在检测声发射信号时,很难避免机电噪声的干扰,有时噪声可能会很大,因此,必须进行适当的滤波处理。 　　滚动轴承引发的AE信号是一种非平稳时变信号,因此用以揭示声发射源和AE信号传播规律的信号处理方法应具有时频分析能力。小波变换通过伸缩和平移运算对信号进行多尺度细化分析,是一种多分辨率时频分析方法,在时、频两域都具有很好的表征信号局部特征的能力,能够有效地从信号中提取时频信息。在AE信号的实际分析中,只对某些特定时间段(点)或频率段(点)上的信号感兴趣,需要提取出这些特定时间及频率上的信号,因而我们希望在感兴趣的时间点和频率点上最大可能地提高时间分辨率和频率分辨率。由于正交小波变换的多分辨率分解只将V(尺度)空间进行分解,而没有对W(小波)空间作进一步分解,有所谓“高频低分辨率”的缺陷,限制了其在信号特征提取中的应用。小波包理论是小波变换的极其精彩的延伸,可以将形空间作进一步地分解,使正交小波变换中随尺度因子增大而变宽的频谱窗口进一步变细,能将信号按任意时频分辨率(满足Heisenberg测不准原理)分解到不同频段,具有精确细分的特点和较强的时频局部化能力,能很好满足信号特征提取的要求。本文根据滚动轴承AE信号的特点及故障特征,提出了AE信号的小波包特征提取分析法和消噪处理法,实现对滚动轴承故障的精确诊断。 　　 　　二、小波包与AE信号特征提取 　　1.小波包算法 　　小波包系数分解: 　　式中n指分解尺度为j时的第n个小波包序列;,k是与尺度函数紧支集相关的参数。 　　小波包系数每次小波分解得到的结果都是两个序列,分解过程不仅对低频部分,高频部分也要进行,从而使信号的高频部分的分辨率也得到了提高。 　　小波包系数重构: 　　由小波包系数重构时域信号: 　　该式即为小波包重构算法,通过该重构算法可以恢复原始信号。同样,可以对我们感性趣的频段进行时域信号的重构,然后对时域和频域综合考虑,提高了故障诊断的准确性。 　　由上面分析可知,信号经过j层小波包分解之后,可以得到2j个小波包,每个小波包中有2J-j个数据点,其中J=log2N,j=1,2…,J。每个小波包对应原信号中的某段频率成分。由于小波包分解过程的正交性,固定尺度下的小波包是平移正交的,不同尺度下的小波包也具有正交性。这样,我们不仅可以通过同一尺度下的小波包来重构原始信号,也可以通过不同尺度下的正交基来重构原始信号。因此,小波包分析在低频和高频都具有较强的局部分析能力,为信号特征的提取和识别提供了保障。 　　2.AE信