浅析滚动轴承故障自适应谐振解调技术

2023-02-13李向前彭程程李国维李小平臧廷朋

中国设备工程 2023年2期

李向前，彭程程，李国维，李小平，臧廷朋

（1.浙江浙能绍兴滨海热电有限责任公司，浙江绍兴 312000；2.珈蓝电力科技有限公司，浙江杭州 311200）

在滚动轴承运行过程中，由于轴承的局部损伤，会产生冲击，产生一种能聚集的脉冲，使轴承产生相应的自振。这些循环的脉动频率与滚动轴承的故障频率相符。然后选择一种自振频率相同的自振特性，利用包络解调技术对其进行识别，并根据其频谱中的明显特征频率来判定其局部损伤的程度。传统的共振解调技术需要通过碰撞试验获得共振频率。由于高频频段噪声较多，用该方法计算出的谐波频率与噪声分量有一定的关系。朱汉明等将原始模式分解为IMF，并将其视为传统共振技术的一种典型模式，并将其与其他3种类型的带通滤波器进行了对比，并选取了各自的固有模式函数。这一方法缺乏对自然形态要素的选取。本文提出一种新的基于EMD的自适应算法，将该算法划分为多个IMF分量，并用信息熵对每个IMF分量进行了分析。

1 EMD方法的原理

利用EMD方法对原始数据进行分析，得出一种线性和稳定的IMF分量，这是通过对内标值变化的分析得出的。不稳定的信号自适应可分为有限的线性和具有稳定性的窄带内在图案的分量。每种形式的分解都要满足2个条件。

在所有分解后的信号中，极点和过零点的数目是相同的，最多只有一个：

（1）在任意时刻，下包络的平均值包括一个具有0的最大局部最大的点，即包络线在靠近时间轴的位置上是对称的。

对于任意一个信号x()，其分解过程按以下5个部分进行：（1）发现所有初始信号的最大和最小值点，用三次样条曲线对最大信号线和最小信号线进行拟合，对原始信号的上、下、后包线u（t）、v（z）进行拟合，所得的平均曲线由m（z）表示。从理论上讲，模式函数表示为h，即：

（2）如果h,(t)为IMF，那么h,(t)是原始信号

x(t)的第一个IMF分量；如果h,(t)不是IMF，把h,(t)作为原始数据，拟合与h,(t）相应的上、下包络线为u,(t)和v,(t)，重复以上步骤得

（3）直到hn（t）最后为IMF，从而将第1 IMF成分(c)与原信号分开，(t)=hy(t)，并从原信号中移除第1剩余信号，从而获得第1残留信号：

（4）把r,(t）作为新的原始信号，重复以上步骤，得

（5）将原信号x(t）表示为模态函数和余量之和，即

由此将复合原始信号分为几组IMF成分和一组残留信号，它们是一种趋向项。

1.1 自适应选取中心频率

通过EMD法分析了轴承的振动，获得了一组IMF分量，并将IMF的最小值用作IMF分量，从而获得了它的高频共振频率。从信息传输的理论来看，在IMF中，信号源的特征越明显，它的频率响应时间越有规律，它的信号就越少。

（1）将c.（t）作为一个振荡信号）的具体IMF分量c.（t）被指定为.mav最小值（cmin）。

（2）在间隔（lm.in,cma）中，IV等分点A，Lomin'A，...，A，(Ax-l, Cm）。若取样的特征值是（A、A）片段，则将其作为取样的相应属性值B。

（3）所得到的振动信号的总点号为n，而在部分i处的取样点数量是m，计算第i部分的概率P(B)=m;/n。通过这种方式，可以获得以下国际货币基金组织的信息：

1.2 包络解调

用希尔伯特变换求出了所选择的自振频率的包络线。这种方法可以将探测到的信号相位偏移90°，从而将这种偏差的探测结果与原来的探测结果结合起来，形成一种分析的结果。希尔伯特变换在有真正信号x（t）的情况下进行（xz)：

可得解析信号为

解析信号的幅值A(t）为

A（t）是X（t）的包络，它穿过了真正的信号。

利用FFT技术对所获得的包络波进行FFT分析，并通过波形曲线判断是否存在故障。在此基础上，提出了一种基于自适应共振与解调技术的滚动轴承故障诊断系统（如图1）。

图1 自适应共振解调技术的滚动轴承诊断模型

2 自适应共振解调在滚动轴承故障诊断中的应用

本实验系统由驱动电机、转矩传感器、测力仪、电子控制器等组成，采用Bearing数据中心对被测轴承进行测量。我公司6025-2 RS，JEM，SKF深沟球型轴承，包括普通轴承、内环轴承、外环轴承、滚动体轴承。表1展示了轴承的故障特征，轴承类型的故障分别是内圈故障、外圈故障、滚动体故障。

表1 滚动轴承故障特征频率

对正常、内圈、滚珠和外圈四种不同的振动信号进行了分析。以一台轴承内圈的测试为例，其振动信号如图2所示。

图2 滚动轴承内圈故障振动原信号

采用EMD方法对轴承外圈失效振动进行了分析，所得结果如图3所示，对其分解后的IMF分量进行了处理，所得数据如表2所示。

图3 外圈故障IMF分量

如表2所示，IMF各阶段IMF各组成部分的信息子值都是IMF的，而且信息量最小。在这些因素中，信息最少的IMF元件表现出最明显的故障特征。所以，它的核心频率是由带通滤波器的高频共振频率决定的。EMD则利用EMD对内环失败的IMF进行谱线分析。

表2 各故障类型的IMF分量的信息嫡值

然后，从IMF的频谱中选择了高频成分，选择了具有较高频率的共振标准，并选择了相应的共振频率。这样，采用包线检测技术就能提高信号的信噪比。从图4可以看出，第二组具有比第一组更高的共振频率，共振峰也更大，所以可以判定为中心频率为9kHz，其宽度为轴承最大故障特性频率的2倍或更多，从而保证在共振解调包络频段中，能够观测到最大的故障特征频率。在滚动轴承故障特性频段，以内环故障为主要特征，选取1kHz频段，采用带通滤波器、包络频谱等方法对其进行分析，如图5所示。

图4 内圈故障IMF，分量频谱

图5 内圈故障带通滤波信号

从图6可见，频谱峰值是260Hz，其内部失效特征频率与258Hz非常接近。本文认为，这是内环故障的一个特征性频率，其主要原因是：在实际分析中，由于滚轮并不是纯粹的滚动，而且在安装过程中存在着一些误差，使得故障的特征频率与理论值不能很好地吻合。所以，在寻找频谱中各特征的频率时，必须根据所得的频率来确定它的近似值。在包络谱中，频率很高（328.3Hm2f,492.4x3 f)，其振幅随着整数倍数的增加而减小。结果表明，利用自适应谐波分析法可以很好地识别出轴承内圈的失效。应用上述故障诊断技术，即对外圈故障、滚动体故障和一般故障进行诊断。

图6 轴承内圈故障振动信号包络图

56.2 Hz的频谱峰值，该数字与外环故障特征59.3赫兹的信号稍稍偏离，但其频率（118Hz～2f）与120.3Hz 3f十分接近。频谱峰值96Hz对应于91Hz的滚动故障特征和其两倍频率（182Hz到2f）。轴承故障诊断的典型故障，故障特征频率和多个谐波频谱没有由包络信号探测。由上述结果可知，本文所介绍的共振与解调技术均适用于内环。通过对故障、外圈故障、滚动体故障和正常支架故障的分析，发现故障特征明显，能够准确地判定故障。