文章编号:1009-3486(2003)02-0057-05小波方法在滚动轴承振动信号分析中的应用明廷锋1,朴甲哲1,张永祥1,仰德标2(1.海军工程大学动力工程学院,湖北武汉430033; 2.92910部队,浙江舟山316000)摘 要:通过分析滚动轴承表面损伤类故障信号的特点,提出了基于小波包分解和信号重构技术的滚动轴承故障精密诊断方法.试验表明,该方法是有效的,适用于滚动轴承早期故障的振动监测和诊断.关键词:小波变换;滚动轴承;振动信号;故障中图分类号:T N911.7;T H133.33 文献标识码:AApplication of wavelet transform to vib ration sign al analysis of rolling b earingMING Ting feng 1,PIAO Jia zhe 1,ZHANG Yong x iang 1,YANG De biao 2(1.Power Eng.C ollege,Naval Univ.of Engineering,Wuhan 430033,China;2.Unit No.92910,Zhoushan 316000,China)A bstract:An acc urate fault diagnosis method of rolling bearing based on wavelet packet decomposition and signal reconstruction techniques is presented by analysing the characteristics of fault signals,suc h as rolling bearing surface damage.Experiment results prove the efficiency of the method and show that it is suitable for monitoring and dia g nosis of the early fault in rolling bearing.Key w ords:wavelet transform;rolling bearing;vibration signal;fault滚动轴承是机械设备中应用最为广泛的通用部件之一,其状态监测及故障诊断一直受到广大科技工作者的重视.在众多的故障诊断技术中,利用振动信号的诊断方法是最有效的方法之一[1].故障诊断领域中的振动信号分析一般分为时域分析和采用以快速傅立叶变换(FFT)为基本手段的频谱分析方法.对于时域分析,它可以在时域范围分析每个时刻(即任意小的一段时间范围)信号具有的能量情况,因此也可以说,它具有很高的时域分辨率,但是不包含任何时域信息.这种方法要求信号是平稳的,即其统计特征不随时间变化,频谱也不随时间变化.虽然工程中许多信号是平稳的,但是也存在着各种非平稳的信号,尤其是当机械设备出现松动、剥落和冲击等故障时,振动信号中就包含了大量的非平稳成分.非平稳信号的统计特征及其频谱是随时间而变换的,因此为了对滚动轴承振动信号进行更深刻的描述,提出了从时域两方面进行分析的要求.小波变换正是一种满足这种要求的数学方法.本文尝试用小波包分解和信号重构技术分析存在表面损伤类故障滚动轴承的振动信号,进而对其进行故障类型的识别.1 滚动轴承早期故障振动信号的基本特点早期故障的滚动轴承主要故障模式有:滚动轴承滚动体和滚道接触面疲劳剥落、磨损超限、滚动体碰撞保持架和固定圈松动等.当故障发生时,振动信号中会含有相关的冲击信号.这种冲击信号具有短暂而尖锐的特征,其冲击强度的大小取决于滚动轴承的运转速度、损伤点的大小以及轴承的承载条件与状态. 第15卷 第2期 2003年4月 海军工程大学学报 JO U RNAL OF NAV AL U N IV ERSI T Y OF EN GI NEER IN G Vol.15 No.2 Apr.2003收稿日期:2002 06 27;修订日期:2002 11 06作者简介:明廷锋(1975 ),男,博士生.这种冲击力的发生时间间隔(周期)则由滚动轴承的型号、尺寸及转速来确定.设该冲击力的时间间隔为T ,则可以近似用一系列的 函数来表述这个冲击力,即:f (t)=n=0k n (t -t 0-nT )(1)式中:k n 为冲击强度系数.这种冲击产生的振动信号,首先通过轴承的外圈,然后再通过轴承座传递出来.由于阻尼的存在,这一瞬态振动的表现形式为陡峭的上升和高频的压缩振荡,并且持续时间很短暂.因而,冲击力作用后的短暂时间内的响应,正是轴承系统的传递函数的一种测量.实践表明,这种振动信号的频率含量是随时间连续变化的.傅立叶变换分析虽然能精确地描述线性时不变系统的信号频谱特征,但不能描述信号频谱分量的动态特征,即对于频变或非平稳信号丧失了有效性,所以采用常规的频谱分析技术很难得到这种故障信号的特征[2].通常,滚动轴承的弹性振动系统的传递函数是很难用数学公式准确描述出来的,但可以利用传感器检测得到.理论上可用函数h(t)表示轴承系统的传递函数.这样,由于故障冲击力而引发的轴承系统响应可用下式表示:y (t)=f (t)*h(t)= + n=0k n h(t -t 0-nT)(2)图1中的上图反映了典型响应信号时间历程,在滚动轴承的外圈滚道上人为地制造了表面损伤故障.图中明显地反映了信号的非平稳特征:每隔一段时刻就有冲击力的作用,信号发生了突变,激起轴承系统的高频振动,又由于阻尼的存在而迅速衰减掉了.而在其它没有冲击力作用的时刻,振动信号也可能有较大的幅值,也就是说滚动轴承的一般振动信号的信噪比很低,所以直接对滚动轴承的振动信号进行分析,无论在时域上还是频域上都得不到相关的故障信息(如图2中的下图所示).但是相对故障冲击信号,振动信号的频率含量较低.这种信号的产生可能是由于旋转部件的不对中或不平衡等因素造成的.因此,充分了解滚动轴承因早期故障而引起的异常振动信号在频域上特有的特征后,就可以找到一种适当的方法来研究故障振动信号.图1 存在外圈滚道损伤故障时的振动信号时域图(上)和频域图(下)!58!海 军 工 程 大 学 学 报 第15卷2 小波方法的应用2.1 应用小波方法的基本思想小波变换的过程可以看成由一组低通滤波器和高通滤波器对信号进行滤波,以及二抽一的采样过程.它通过对低通滤波器的输出信号进行递归分解,使得在低频的信号具有较高的频率分辨率和窄的带宽[3].工程应用上关心的是小波级数.设时域振动信号为f (t),可展开为小波级数:f (t)= j,k c jk j ,k (t); j,k (t)=2j /2 (2j t -k)(3)式中:c j k 为系数; (t)为基本小波函数;j 为尺度指标;k 为平移指标.小波变换通过Mallat 提出的Mallat 快速算法来实现.它可表述为:c j k =2-1/2 n c j+1n h n-2k ;d j k =2-1/2 n c j+1n g n -2k (k =0,1,∀,N -1)(4)式中:N 为采样点数;h(n)、g (n)为共轭镜像滤波器(QMF )H 和G 的脉冲响应;j 为分解层数;{c j +1k }、{h n }和{g n }假设已知.信号被一层层进行分解,每一层分解的结果是将上次分解得到的低频信号再次分解为低频和高频两部分.各层分解信号还可以用重构算法进行重构,表达如下:c j k =2-1/2( n c j+1n h k-2n + n d j-1n g k-2n ) (k =0,1,∀,N -1)(5)经每一次的重构以后,信号的数据量增加一倍,因此可以提高信号的时域分辨率.Mallat 算法对信号进行多分辨分析过程中,没有对每层分解信号的高频成分进行细化,因此不能满足在高频端的更窄频段内分析信号的需要.小波包算法是一种灵活的时-频分析方法,它把正交小波分解的低频和高频部分同时作进一步细分.通过小波包算法分解可以把信号分解到相邻的不同频率段上,随着分解层数的增加,频率段划分得也越来越细.若视信号为一个空间,则小波包空间分解结构及子空间所对应的频带示意图(以3层小波包分解为例)如图2所示.图2 小波包空间分解结构及其子空间所对应的频带如果要分析其中一频段上的时域信号,那么保留这一频率段的小波系数,其它频率段的数据置为零,再用(5)式重构该频率段信号即可.2.2 应用实例由冲击信号的基本特性可知,滚动轴承的故障冲击信号在整体信号的高频部分也有一定的能量分布,而该频率范围包含的其它振动信号能量很少或没有.因此,通过对滚动轴承振动信号的小波包分解和重构,提取某高频范围的信号,就可以对滚动轴承振动信号进行有效分析.应用实例如下.选用一个204滚动轴承进行故障模拟实验[4](外圈固定,内圈转动),其结构参数如表1所示.!59! 第2期 明廷锋等:小波方法在滚动轴承振动信号分析中的应用表1 204滚动轴承结构参数表滚动体直径d /mm滚动体个数Z 轴承节径D/mm 接触角 /rad 7.94833.50滚动体在外圈滚道上的通过频率为:f r =Zn 120(1-d c os D )(6)在转速n =2830r/min 时,f r =143.95Hz ,轴的转动频率是f o =47.17Hz .利用电火花在外圈滚道上打一个凹坑,作为模拟滚动轴承的局部故障.轴承运转,当滚动体碾过外圈滚道上的故障点,由于撞击产生相应的冲击信号.一般情况下,该撞击频率等于f r .因此,当轴转动一周时,滚动体与内圈滚动表面的冲击点数约为f r /f o =143.95/47.17#3.图1给出了204滚动轴承外圈滚道存在凹坑故障时振动信号的时域及频域波形,其中采样频率为6kHz .从图中明显看出时域信号中存在着冲击成分,但是因为被噪声信号所掩盖,它表现得杂乱无章.同时也看出无法通过经频域变换后得到的几个突出的谱峰来辨识故障类型,所以无论在时域上还是频域上都无法得到滚动轴承的相关故障信息.借鉴上述应用小波方法的基本思想,利用Symlets A 小波函数对图1所示振动信号进行小波包5层分解,并通过重构技术得到32个频率段的振动信号.1频率段是最低频率段,32频率段是最高频率段.其中关键的是高频率段的重构信号,取第5层中的26频率段信号进行重构.如图3所示,由于外圈滚道凹坑故障的存在,在0.064s 时间段内,即3个轴转动周期1/47.17#0.0212s 时间里,重构信号中共有9个冲击.同时也可发现,平均0.022s 时间段里信号存在3个冲击,每个冲击的持续时间近似等于1/143.95#0.0069s ,这与前面分析基本相符.因此,运用小波变换进行滚动轴承振动信号分析是有效的.同理,对于滚动轴承的其它类表面损伤故障,也可以对振动信号通过小波变换后来分析识别.图3 204滚动轴承的重构信号对于运行正常的204滚动轴承的振动信号进行同样的小波包分解,对第5层分解的各频率段信号进行重构后,则可发现不具有明显的冲击特征.3 结 论当滚动轴承存在早期故障时,所测得的是具有非平稳局部突变性质的振动信号,并且故障引起的冲击能量很小,其响应在功率谱图上基本与噪声谱同量级,若不经分离和放大在谱图上无法辨认.小波变换的时-频特性为信号分析提供了一种常规时域或频域分析所无法比拟的有效手段.本文通过分析故障冲击信号的特点,采用小波包分解和信号重构技术从强噪声下的振动信号中提取所关心的信号进行分析,经过试验表明,小波变换的正确应用具有如下效果:(1)可以辨识出振动信号中突变部分的情况,从而判别滚动轴承存在故障与否.(2)可以辨识出振动信号中不同局部突变部分的情况,从而根据滚动轴承各类故障的特征识别出其故障类型.!60!海 军 工 程 大 学 学 报 第15卷参考文献:[1] Berr y J E.How to track rolling element bearing health w i th vibration signature analysis [J].Sound and Vibration,November1991:256-265.[2] 傅勤毅,王峰林,李明章.滚动轴承故障信号特征的提取[J].轴承,1997,(3):33-35.[3] 徐长发,李国宽.实用小波方法[M].武汉:华中科技大学出版社,2001.[4] 明廷锋.滚动轴承故障精密诊断的研究[D].武汉:海军工程大学,2001.(上接第52页)出,从而避免了对轴承的三体磨损.端泄量大同时也可使得由摩擦功所产生的热量迅速地被带走.这些都能延长轴承的寿命.4 结 论与普通径向滑动轴承相比,镶嵌式径向滑动轴承具有以下特点:(1)镶嵌式滑动轴承油膜压力分布有波动,会使得该型轴承的油膜温度场分布、动特性与普通径向滑动轴承相比更具复杂性;(2)镶嵌式滑动轴承的承载能力明显高于普通滑动轴承;(3)镶嵌式滑动轴承的摩擦系数小于普通滑动轴承,所产生的摩擦功小于相同尺寸参数和工况下的普通滑动轴承,延长了轴承的寿命;(4)镶嵌式滑动轴承的端泄量大于普通滑动轴承,有利于降低轴承的温升和三体磨损.这种具有自润滑性能、承载能力高、寿命长、抗磨损能力强等优点[3]的镶嵌式径向滑动轴承的动特性有待今后进一步研究.参考文献:[1] 温诗铸.摩擦学原理[M ].北京:清华大学出版社,1990.[2] 王 基,郑建华,杨胜国.二维间隙函数薄油膜润滑的一种数值计算方法[J].润滑与密封,2000,(1):4-6.[3] 胡荣华,王 基.镶嵌式滑动轴承承载能力的实验研究[J].机电设备,2002,(3):14-19.!61! 第2期 明廷锋等:小波方法在滚动轴承振动信号分析中的应用。
