自适应共振解调法及其在滚动轴承故障诊断中的应用.docVIP

振　动　与　冲　击 第26卷第1期 JOURNAL OF V I B RATI O N AND SHOCK Vol . 26No . 12007　 自适应共振解调法及其在滚动轴承故障诊断中的应用 基金项目:铁道科学研究院基金项目(2004YF5 资助。收稿日期:2005-10-21　修改稿收到日期:2006-02-28第一作者刘金朝男, 博士, 副研究员, 1971年生 刘金朝1 , 　丁夏完2 , 　王成国 1 (1. 铁道科学研究院研发中心, 北京　100081; 　2. 中央民族大学数学与计算机科学学院, 北京　100081 　　摘　要　与AR 模型、小波变换等故障诊断方法相比较, 诊断, 但诊断成功与否很大程度上依赖于滤波器中心频率及其带宽的选择解调法避免了带通滤波器难以选择的困难。其核心思想是:, 然。此外, , 即L p 范数准则。数值实验结果表明, , 而且比传统的共振解调法的性能更优。 关键词:, p , 滚动轴承, 故障诊断:. :A 　　, 最早利用时域信号 的数字特征, 如峭度系数、振幅的有效值等进行轴承故障诊断。该方法的可靠性很大程度上依赖于阀值的选取, 因此人们只把它当作一种初步的定性的诊断方法。 频率分析法[1-2] 可以对轴承的早期故障进行精确诊 断。共振解调方法[3-5] 是频率分析法中最成功的一种, 其基本原理是将低频的冲击信号调制到高频的共振频率而远离能量巨大的低频信号。当带有局部缺陷的轴承转动时每转过缺陷处都将会产生冲击, 如果轴承按照固定的旋转频率旋转, 那么这个冲击将会以固定的频率出现。对共振响应的波形进行解调和傅里叶分析, 就可以找到故障频率成分。但是如何合理地选择包络分析的中心频率及其带宽往往制约着工程人员利用共振解调方法成功诊断轴承的故障。 时频分析法[6] 能同时展示振动信号的时间和频率特性, 随着时频分析方法的出现、发展和成熟, 人们不断地利用时频分析方法, 如短—时傅里叶变换、V igner 2 ville 分布, 小波变换, H ilbert Huang Transf or m (HHT [7] 等, 进行轴承故障诊断。但是上述时频分析方法都有一定的局限性, 文献[9]中提出的针对类似轴承故障的振动信号的自适应短—时傅里叶变换突破了上述时频分析方法的瓶颈, 本文利用该方法首先对时间信号进行时频变换, 得到能同时清楚显示低频稳态成分和瞬态冲击成分的时频能量谱。 虽然有经验的工程人员能从上述时频能量谱图中看出故障是否存在及其类型, 但一般的工程人员还是 希望能给出更加直观的判定指标。这里提出利用L p 范数准则从时频能量谱中的高频段提取时间—能量信 号, 然后利用细化傅里叶技术对时间—能量信号进行 傅里叶变化, 通过检查能量集中的频率是否就是故障频率及其整数倍频率就可以判定故障是否存在及其类型。可以证明, 通常的时间边缘和文献[4]中最大值准 则分别是L p 范数准则中p =1和p =∞特例。文献[10]中时—能密度是一种积分区域受到限制的时间边 缘, 因此它也可以看作L p 范数准则中p =1的特例。 同传统的共振解调方法比较后可发现, 这里的自适应共振解调方法吸取了它的思想, 但在算法的实现方面有很大的不同。当低频冲击引起的高频共振是非线性非稳态时, 本文的算法比文献[11]自适应滤波算 法更有效, 因为这里的算法采用L p 范数准则从所有的高频段中提取能反映故障的冲击信号。 1　自适应共振解调方法 本节将先给出自适应共振解调算法, 然后详细讨论算法中各步骤的实现细节。 自适应共振解调算法: a 利用自适应短时傅里叶变换对采集到的加速度信号进行时频变换, 得到时频能量谱; b 利用这里首次给出的L p 范数准则从时频能量谱中提取类似于时间边缘的时间能量信号; c 利用细化傅里叶技术对时间能量信号进行变换, 通过检查频谱中能量在故障频率及其整数倍频率处是否出现峰值来判断故障是否存在及其类型。111　自适应短时傅里叶变换 这里采用文献[9]给出的自适应短时傅里叶变换对采集到的加速度信号进行时频变换, 得到时频能量谱。对于离散时间信号x (k , 其STFT 定义为: STFT (k, ωj = ∑ l ∈Z x (l h (k -l e -i ωj l (1 其中, h (t 是离散窗函数, ωj =2 πj/N, j =0, 1, …, N - 1, N 为信号采样点数。 采用最大化信号成分在时频域上的局部集中性的方法选取最优窗函数参数(如窗长 是合理的, 因为信号中集中性越好的成分, 它与其它成分的交迭越小。文献[9]采用的方法是在窗函数确定后, 从频率上优化窗长。具体的做法是, 对于每一个频带ωj 选择窗长使得信号在ωj 所在的一个窄频段的局部集中性达到最大, 从而使得