基于循環(huán)平穩(wěn)信號二維平面表示的滾動軸承早期故障診斷方法研究.pdf

1、旋轉(zhuǎn)機(jī)械結(jié)構(gòu)復(fù)雜，對運(yùn)轉(zhuǎn)條件要求較高，滾動軸承的任何輕微故障都有可能改變其自身的運(yùn)轉(zhuǎn)狀態(tài)，進(jìn)而牽連到其它部件，引發(fā)一系列連鎖反應(yīng)，導(dǎo)致設(shè)備性能下降，甚至產(chǎn)生并發(fā)故障。如何提取滾動軸承的微弱故障特征，揭示其早期、微弱、潛在故障及其發(fā)生、發(fā)展和轉(zhuǎn)移，是設(shè)備狀態(tài)監(jiān)測和故障診斷面臨的巨大挑戰(zhàn)。旋轉(zhuǎn)機(jī)械在運(yùn)轉(zhuǎn)過程中，尤其是在故障狀態(tài)下，其物理參數(shù)具有周期時(shí)變的特點(diǎn)，呈現(xiàn)循環(huán)平穩(wěn)特征。從故障的物理本質(zhì)入手，洞悉故障產(chǎn)生機(jī)理，是識別微弱故障特征的關(guān)鍵

2、。
　　 本文以實(shí)現(xiàn)滾動軸承早期故障特征提取為目的，針對旋轉(zhuǎn)機(jī)械設(shè)備發(fā)生故障時(shí)具有循環(huán)平穩(wěn)和非高斯的特點(diǎn)，通過研究基于二階和三階循環(huán)統(tǒng)計(jì)量的二維表示方法，有效實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械早期故障智能預(yù)示。研究內(nèi)容如下:
　　 (1)本文首先分析滾動軸承初期故障特點(diǎn)及類型，引入滾動軸承故障信號模型，將其分為確定性信號分量和隨機(jī)信號分量，研究了其各自頻譜特點(diǎn):滾動軸承故障信號模型的確定性信號分量的頻譜是離散頻譜;而隨機(jī)信號分量的功率譜密度函

3、數(shù)是連續(xù)頻譜。分析表明由于故障沖擊周期的不嚴(yán)格確定（軸承轉(zhuǎn)速的波動，滾動體接觸角的改變等影響），滾動軸承故障信號頻譜中的離散譜線會因此被連續(xù)頻譜模糊，故障特征頻率也就很難從信號的頻譜中看到。
　　 (2)根據(jù)滾動軸承等旋轉(zhuǎn)機(jī)械設(shè)備關(guān)鍵部件的（正常/故障）振動信號具有明顯的周期時(shí)變特征，采用二階循環(huán)統(tǒng)計(jì)量理論（譜相關(guān)密度函數(shù)、譜相干函數(shù)）進(jìn)行信號分析，做基于循環(huán)頻率—頻率二維表示的特征提取技術(shù)，在α-f平面上有效提取噪聲干擾下的早

4、期微弱故障特征。
　　 (3)由于時(shí)頻分辨率、信號多分量導(dǎo)致的交叉項(xiàng)以及背景噪聲的干擾等不利因素的影響，使時(shí)頻二維表示得到的機(jī)械故障特征往往不夠直觀且對于故障早期診斷可靠性低。針對具有循環(huán)平穩(wěn)特性的滾動軸承振動信號，本文研究了基于時(shí)間-頻率二維信息的特征提取方法。嘗試根據(jù)其譜相關(guān)密度函數(shù)與Wigner-Ville分布之間的函數(shù)關(guān)系，利用長數(shù)據(jù)序列計(jì)算得到循環(huán)譜密度重構(gòu)Wigner-Ville分布。結(jié)果證明基于譜相關(guān)密度函數(shù)的Wi

5、gner-Ville分布可以極大削弱噪聲對時(shí)頻圖的干擾，并且有很好的時(shí)頻聚集性。
　　 (4)在滾動軸承的早期故障監(jiān)測過程中，由于微弱損傷激發(fā)的能量很小，易于淹沒在背景噪聲和較強(qiáng)的干擾之中，使得故障信息提取的難度加大，有時(shí)采用二階循環(huán)統(tǒng)計(jì)量也不能有效地提取故障特征。因此采用的信號分析方法的抗噪性能顯得尤為重要。理論上，在保證足夠采樣數(shù)據(jù)長度的情況下，高階循環(huán)統(tǒng)計(jì)量對于任何高斯與非高斯噪聲都是自然免疫的。
　　 高階循環(huán)統(tǒng)

6、計(jì)量從實(shí)用的角度考慮，最常用的是三階循環(huán)矩、三階循環(huán)累積量、三階循環(huán)矩譜、三階循環(huán)累積量譜。本文重點(diǎn)研究了三階循環(huán)累積量譜。三階循環(huán)累積量譜，也稱循環(huán)雙譜，是含有三個(gè)參變量的多維函數(shù)。除了利用理論推導(dǎo)之外，用傳統(tǒng)的譜分析表述方法很難將循環(huán)雙譜表述清楚。若完整表述它則需要三根不同的頻率軸——循環(huán)頻率α軸、時(shí)延頻率f1軸和時(shí)延頻率f2軸，在傳統(tǒng)的三維空間中無法完全表述其面貌。因此，我們研究了基于循環(huán)雙譜的雙頻率二維表示的特征提取與智能診斷技

7、術(shù)，將低階循環(huán)平穩(wěn)分析中的切片分析方法引入到高階循環(huán)平穩(wěn)分析之中。通過仿真和實(shí)驗(yàn)驗(yàn)證了，若選取合適的循環(huán)頻率所得到的循環(huán)雙譜的二維表示圖譜更有特點(diǎn)。如當(dāng)α=fn時(shí)，所得循環(huán)雙譜切片圖是一個(gè)關(guān)于中心頻率fn成六邊形的規(guī)則圖譜。六邊形的頂點(diǎn)與中心頻率及故障特征頻率之間有特定的關(guān)系?？梢試L試由此處循環(huán)雙譜切片進(jìn)行故障信號特征提取，使高階循環(huán)平穩(wěn)分析結(jié)果更加直觀。
　　 由于循環(huán)雙譜一次切片具有對稱性，圖譜上重復(fù)冗余信息比較多;另外，循