航空发动机中介轴承振动故障分析方法

乔保栋，葛向东，张东明

（中航工业沈阳发动机设计研究所，沈阳110015）

航空发动机中介轴承振动故障分析方法

乔保栋，葛向东，张东明

（中航工业沈阳发动机设计研究所，沈阳110015）

针对中介轴承振动故障信号微弱、较难提取的问题，提出一种基于小波变换的航空发动机中介轴承故障诊断方法：首先对中介轴承故障信号进行小波分解，得到各层细节信号，并对细节信号进行重构；然后对重构信号进行频谱变换，从频谱图上清晰观察出中介轴承的故障特征频率。对真实发动机中介轴承故障信号进行的实例分析表明，本文方法具有较好的降噪能力，较频谱分析更能突出中介轴承的故障特征。

航空发动机；中介轴承；故障诊断；小波变换；振动信号；频谱变换

1　引言

中介轴承是双转子涡喷/涡扇发动机高、低压转子之间支承的关键部件，常采用内外圈同向旋转和反向旋转两种方式。中介轴承若发生故障，轻则转子振动过大，重则转子抱死、发动机空中停车，因此对中介轴承进行状态监测和故障诊断十分重要［1］。

中介轴承故障信号具有信号微弱、调制性强及频带范围宽等特征，常淹没在转子振动信号中，不易提取。小波变换通过采用不同的尺度因子，可实现具有不同中心频率和带宽的带通滤波器，对振动信号在不同频率范围内进行分析，因此可从中提取出能真实反映轴承故障的特征［2］。目前，小波变换已广泛应用于常规支撑形式（即外圈固定、内圈旋转）的滚动轴承故障诊断中［2-9］，但在内圈和外圈同时旋转的中介轴承故障诊断中应用较少。本文利用小波变换的优点，提出一种基于小波变换的航空发动机中介轴承故障诊断方法，并利用实际航空发动机中介轴承故障数据进行了分析和验证。

2　小波分析原理

用于信号处理的小波变换一般为离散小波变换，离散小波变换利用Mallat分解与重构算法来实现。本文应用文献［10］提出的算法模型，设｛Vj｝为一给定的多分辨率分析，φ、ψ分别为相应尺度函数和小波函数；设时域振动信号为f（x），且f∈VJ1（J1为一确定整数）。则：

有：

其中：

引入无穷矩阵H=（Hm，k）、G=（Gm，k），其中。则式（5）可简写为：

继续下去有：

其中：）

从而：

式（9）便为Mallat的塔式分解算法，将Ajf称作f 在2j分辨率下的连续逼近，Djf为f在2j分辨率下的连续细节，相应的数列Cj、Dj分别为在分辨率2j下的离散逼近和离散细节。Mallat分解算法是将函数f分解成了不同的频率通道成分，并将每一频率通道成分又按相位进行分解，即频率越高相位划分越细，反之则越疏。在式（3）两端同时与函数φJ1，k作内积，

则有：

式中：H∗、G∗分别为H和G的共轭转置矩阵。故Mallat的重构算法为：

3　中介轴承故障模型

图1为中介轴承模型示意图。中介轴承受到来自转子不平衡激励所产生的强迫振动，其振动频率为转子的旋转频率。

图1　R 中介轴承模型Fig.1 Intermediate bearing model

设轴承中滚珠在内外滚道之间等距排列，滚珠与滚道之间为纯滚动，滚珠与外圈接触点的线速度为Vout，滚珠与内圈接触点的线速度为Vin，轴承外圈的旋转角速度为ωout，轴承内圈的旋转角速度为ωin，轴承外圈的旋转频率为fout，轴承内圈的旋转频率为fin，外滚道半径为R，内滚道半径为r，则：

保持架旋转（滚珠中心）线速度Vcage为：

保持架旋转（滚珠中心）角速度ωcage为：

考虑轴承内外圈同向、反向旋转情况，则轴承内外圈反向旋转时保持架旋转频率（滚动体公转频率）为：

4　基于小波分析的中介轴承故障特征提取

某型发动机地面台架试车时，轴承润滑不良，造成中介轴承磨损严重，轴承径向工作游隙偏大，发动机振动较大。中介轴承内外滚道反向旋转。中介轴承几何尺寸为：节圆直径141.56mm，滚珠半径6.00mm，外滚道半径76.78 mm，内滚道半径64.78mm，滚珠个数30。

低压转子旋转频率fn1=138Hz，高压转子旋转频率fn2=219 Hz，根据式（16）可计算出fcage=55.6Hz。图2为振动加速度信号时频图，通过图2（b）可清楚看到高、低压转子旋转频率，2倍低压转子旋转频率276 Hz，及高、低压转子差频81 Hz（fn2-fn1）。由于噪声等其他信号干扰，中介轴承保持架旋转频率不够明显。

图2　R原始信号时频图Fig.2 Timewaveform and frequency spectrum of the original signal

选用小波函数db2对原始信号进行三层分解，得到三层细节信号d1、d2和d3的重构信号；再对各层重构信号进行频谱分析，得到各重构信号频谱图。图3为细节信号d1重构信号时频图，通过图3（b）可清楚看到：低压转子旋转频率及其2倍频276 Hz，高压转子旋转频率，保持架旋转频率的4倍频224 Hz和5倍频280 Hz，低压转子旋转频率和保持架旋转频率的组合频率362Hz（fn1+4 fcage）。

图3　d1重构信号时频图Fig.3 Timewaveform and frequency spectrum of the d1 signal

图4R为细节信号d2重构信号时频图，通过图4（b）可清楚看到：低压转子旋转频率及其2倍频276 Hz，高压转子旋转频率，保持架旋转频率的2倍频112Hz、4倍频224 Hz和5倍频280 Hz，低压转子旋转频率和保持架旋转频率的组合频率362 Hz（fn1+4 fcage）、388Hz（2 fn1+2 fcage）。

图4　d2重构信号时频图Fig.4 Timewaveform and frequency spectrum of the d2 signal

图5R为细节信号d3重构信号的时频图，通过图5（b）可清楚看到：低压转子旋转频率，高、低压转子差频81 Hz（fn2-fn1），保持架旋转频率的2倍频112 Hz。

图5　Rd3重构信号时频图Fig.5Timewaveformandfrequencyspectrumofthed3signal

5　结论

（1）针对航空发动机中介轴承振动故障问题，提出了基于小波分析的中介轴承故障特征提取方法：首先对中介轴承故障信号进行小波分解，得到各层细节信号，并对细节信号进行重构；然后对重构信号进行频谱变换，从频谱图上可清晰观察出中介轴承的故障特征频率。相比于频谱分析，本文方法更能突出中介轴承的故障特征。

（2）中介轴承出现磨损故障时，轴承径向工作游隙偏大，转子振动信号出现低压转子频率倍频，高压转子频率，高、低压转子差频，保持架旋转频率的倍频和的组合频率

［1］胡绚，罗贵火，高德平.航空发动机中介轴承的特性分析［J］.航空动力学报，2007，22（3）：439—443.

［2］卢艳辉，尹泽勇.基于小波分析方法的航空发动机滚动轴承故障诊断［J］.燃气涡轮试验与研究，2005，18（1）：35—37.

［3］梅宏斌.滚动轴承振动监测与诊断［M］.北京：机械工业出版社，1996.

［4］史东锋，鲍明，屈梁生.小波包络分析在滚动轴承诊断中的应用［J］.中国机械工程，2000，11（12）：1382—1385.

［5］高斌，陈果.一种滚动轴承故障特征的时频综合分析法［J］.机械科学与技术，2009，28（4）：517—521.

［6］陈果.滚动轴承早期故障的特征提取与智能诊断［J］.航空学报，2009，30（2）：362—367.

［7］傅勤毅，章易程，应力军，等.滚动轴承故障特征的小波提取方法［J］.机械工程学报，2001，37（2）：30—32.

［8］乔保栋，陈果，葛科宇，等.一种滚动轴承故障知识获取的新方法［J］.轴承，2011，（2）：39—44.

［9］程军圣，于德介，邓乾旺，等.连续小波变换在滚动轴承故障诊断中的应用［J］.中国机械工程，2003，14（23）：2037—2040.

［10］孙延奎.小波分析及其应用［M］.北京：机械工业出版社，2001.及其

An analysis method for vibration fault of aero-engine intermediate bearing

QIAO Bao-dong，GE Xiang-dong，ZHANG Dong-m ing
（AVIC Shenyang Engine Design and Research Institute，Shenyang 110015，China）

Because the vibration fault single of intermediate bearing is faintness，an analysis method for fault diagnosis of intermediate bearing is proposed combining the advantages of wavelet transform.First，wavelet decomposition of rolling bearing fault signal ismade to get the resonance frequency bands of rolling bearing acceleration signal.Then，spectrum analysis for each separation signal is carried out，the feature frequencies of rolling bearing faults can be observed clearly.Thismethod hasbeen applied to the vibration signal processing of intermediate bearing in aero-engine test，and the results show that the new method can reduce noise greatly and extract fault featuresof intermediate bearing better.

aero-engine；intermediate bearing；fault diagnosis；wavelet transform；vibration signal；spectrum transform

乔保栋（1985-），男，山东菏泽人，工程师，硕士，主要研究方向为振动信号处理、航空发动机状态监测与故障诊断。

V233.4+5；V263.6

A

1672-2620（2015）02-0037-04

2014-06-30；修回日期：2015-03-13