一种自适应同步平均的轴承故障定量诊断方法
阅读说明：本技术 一种自适应同步平均的轴承故障定量诊断方法 (Self-adaptive synchronous average bearing fault quantitative diagnosis method ) 是由 徐晓强 李伟明 何知义 胡宏伟 王向红 易可夫 于 2021-10-25 设计创作，主要内容包括：基于自适应同步平均的轴承故障定量诊断方法,利用振动信号对轴承的缺陷宽度进行量化评估,首先通过故障特征频率划分故障切片信号,进而对故障切片信号进行两两归一化的互相关计算,求得最大互相关系数和对应的时间延迟,然后根据设定的互相关系数阈值把符合条件的切片信号按照对应的时间延迟进行平移对齐,进而叠加平均得到高分辨平均波形,实现对轴承缺陷宽度的定量诊断,本发明在提高平均波形分辨率的同时,准确提取了滚子进入缺陷和离开缺陷的时刻,有效的抑制了轴承滚子在运转过程中存在的随机滑动现象,对轴承的视情维护具有重要意义。(The invention relates to a bearing fault quantitative diagnosis method based on self-adaptive synchronous averaging, which utilizes vibration signals to carry out quantitative evaluation on the defect width of a bearing, firstly divides fault slice signals through fault characteristic frequency, further carries out pairwise normalized cross-correlation calculation on the fault slice signals to obtain a maximum cross-correlation coefficient and corresponding time delay, then carries out translation alignment on the slice signals meeting conditions according to the corresponding time delay according to a set cross-correlation coefficient threshold value, further superposes and averages to obtain a high-resolution average waveform, and realizes the quantitative diagnosis on the defect width of the bearing.)
技术领域
本发明属于轴承故障诊断和信号处理分析技术领域，特别涉及基于时域同步平均的轴承故障诊断方法。
背景技术
旋转机械动态信号随着机器运转具有周期性特点，而原始测试信号往往受多振动源和复杂环境噪声影响，信噪比低，无法在时域直接对故障位置做出准确判断。时域同步平均方法可以有效提取给定周期的周期信号，消除噪声和无关干扰，提高分析信噪比，是一种被广泛应用于旋转机械的故障特征提取方法。
时域平均方法一般是将动态信号按感兴趣的周期进行截断，然后叠加平均进行处理，由于离散采样的原因，故障周期不一定是采样周期的整数倍，由此产生的截断误差会给时域平均结果带来劣化，刘红星[1]提出了一种改进的直接时域同步平均方法大幅减小了截断误差的影响并在齿轮故障诊断中取得了良好的效果。
专利申请号为CN201210210824.2的专利基于柔性时域平均的齿轮箱故障检测方法同样针对截断误差进行了有效抑制，在达到消噪的同时，提高了信号的分辨率和齿轮箱故障诊断的正确率。但在轴承故障诊断中，轴承滚子运动过程中存在随机滑动，因此，相邻滚子通过故障位置的时间间隔不再严格相等，这时时域同步平均虽然还是能起到提高信噪比和提取故障冲击特征的效果，达到定性诊断的目的，但还原的平均波形由于受随机滑动的影响而存在较大的失真。在轴承定量诊断中，缺陷宽度的估计依赖于滚子进入缺陷和离开缺陷时刻的准确提取，平均波形的细节还原对于缺陷宽度估计十分重要，目前已提出的时域同步平均及其改进方法由于没有深入考虑随机滑动的影响而无法在低信噪比的条件下获取无失真的平均波形。
[1]刘红星,林京,屈梁生,李振武.信号时域平均处理中的若干问题探讨[J].振动工程学报,1997(04):54-58.
发明内容
为了克服上述缺点，本发明的目的在于提供一种自适应同步平均的轴承故障定量诊断方法，该方法可以对滚子随机滑动效应进行有效抑制，准确还原单个滚子通过缺陷的高分辨平均波形，基于该波形对故障缺陷的宽度进行准确估计，实现轴承故障缺陷的定量诊断。
为了达到上述目的，本发明采取的技术方案为：
基于自适应同步平均的轴承故障定量诊断方法，包括以下步骤：
步骤一：将振动加速度传感器吸附于被测试轴承安装座上，通过数据采集设备对轴承的振动信号进行采集，振动信号记为x(n),n＝0,1,…,N-1,N为数据长度，采样频率记为Fs；
步骤二：对振动信号x(n)进行希尔伯特变换和快速傅里叶变换得到包络谱，在理论故障特征频率邻近位置，通过细化谱搜索确定准确故障特征频率fBCF，故障特征周期则对应为T＝1/fBCF，所对应的采样点数M＝T×Fs；
步骤三：将信号x(n)按公式(1)顺序截成K段， 为向下取整运算，式中[]为四舍五入取整运算，每段故障切片信号记为y(k)，k＝1,2,…,K；
步骤四：将故障切片信号y(k)两两进行归一化的互相关计算，将y(p),p＝1,2…,K和y(q),q＝1,2…,K计算所得到的归一化互相关函数记为把函数中的最大互相关系数以及对应的时间延迟分别记到互相关系数矩阵C(p，q)和时间延迟矩阵L(p，q)对应位置(p，q)的值；
步骤五：将互相关系数矩阵C(p，q)中的各行互相关系数分别进行求和，得到求和最大值所对应的行序号S，将其所对应的故障切片信号y(S)作为故障基准切片信号；
步骤六：设定互相关系数阈值CR,将互相关系数矩阵C(p，q)中第S行中的互相关系数C(s，q)与阈值CR进行比较，把与故障基准切片信号y(S)互相关系数大于阈值的故障切片信号提取出来，从而剔除与故障冲击的无关故障切片信号；
步骤七：将步骤六中提取出来的故障切片信号按时间延迟矩阵中所对应的时延参数进行平移对齐后叠加平均，得到高分辨平均波形；
步骤八：基于得到的单个滚子通过缺陷的高分辨平均波形估计滚子进入和离开缺陷的时刻，利用公式(2)估计缺陷宽度，实现对轴承缺陷宽度的定量诊断；
式中，Δt为滚子进入和离开缺陷的时间差，α为轴承接触角，fr为旋转速度，d为滚动体直径，D为轴承节径，l为故障缺陷宽度的估计结果。
本发明具有以下有益效果：
a)本发明相比于传统时域同步平均方法能够有效的克服轴承中随机滑动对平均波形的影响，还原单个滚子通过缺陷的高分辨平均波形，进而实现对轴承缺陷宽度的准确估计。
b)本发明可以提高原始信号的信噪比，有利于故障冲击波形的提取，对滚动轴承早期故障进行有效诊断，具有重要的工程应用价值。
c)本发明能够有效量化滚动轴承的剥落损伤程度，有助于建立基于实际物理损伤参数的轴承健康检测体系并对轴承进行全寿命周期管理。
附图
图1为本发明的流程图。
图2为本发明实施列的轴承振动信号时域波形图。
图3为本发明实施列的轴承振动信号频谱。
图4为本发明实施例中切片序号S＝31时的故障基准切片信号。
图5为本发明实施例中S＝31时的互相关系数C(s，q)结果。
图6为本发明实施例中S＝31时的时间延迟L(s，q)结果。
图7为本发明实施例的自适应同步平均结果。
图8为实施例振动信号采用刘红星提出的直接时域同步平均结果。
具体实施方式
下面结合附图和实施例对本发明做详细描述。
具体参数如下：1)轴承故障为沿滚道方向4mm的外圈局部剥落；2)施加的载荷重量为15kg；3)故障轴承SKF6306结构参数：a)滚子直径：12.3mm，b)节径：52mm，c)接触角：0°，d)滚子数：8；4)信号采样频率Fs为50kHz；
应用本发明方法对信号进行分析和轴承故障诊断，如图1所示，一种自适应同步平均的轴承故障定量诊断方法，包括以下步骤：
步骤一：选择SKF6306深沟球轴承作为研究对象，在试验台上给故障轴承施加径向载荷(15kg)，同时让电机在600RPM的转速下匀速旋转，将振动加速度传感器吸附于被测试轴承安装座上，通过数据采集设备对轴承的振动信号进行采集，采集的原始振动波形如图2所示，将振动信号记为x(n),n＝0,1,…,N-1,N为数据长度，采样频率记为Fs，Fs＝50kHz；
步骤二：对振动信号x(n)进行希尔伯特变换和快速傅里叶变换得到包络谱，在理论故障特征频率邻近位置通过细化谱搜索确定准确故障特征频率,如图3所示,fBCF＝30.574Hz,故障特征周期对应为T＝1/fBCF，由此确定同步平均周期所对应的采样点数M＝T×Fs；
步骤三：将信号x(n)按公式(1)顺序截成K段， 为向下取整运算，每段故障切片信号记为y(k)，k＝1,2,…,K；
步骤四：将故障切片信号y(k)两两进行归一化的互相关计算，将y(p),p＝1,2…,K和y(q),q＝1,2…,K计算所得到的归一化互相关函数记为把函数中的最大互相关系数以及对应的时间延迟分别记到互相关系数矩阵C(p，q)和时间延迟矩阵L(p，q)对应位置(p，q)的值；
步骤五：将互相关系数矩阵C中的各行互相关系数分别进行求和，得到求和最大值所对应的行序号S＝31，将其所对应的故障切片信号y(S)作为基准故障切片信号，如图4所示，图5、图6分别为S＝31时的互相关系数C(s，q)和时间延迟L(s，q)结果；
步骤六：设定互相关系数阈值CR＝0.55,将互相关系数矩阵C中第S行中的互相关系数与阈值CR进行比较，把与故障基准切片信号y(S)互相关系数大于阈值的故障切片信号提取出来，从而剔除与故障冲击的无关故障切片信号；
步骤七：将步骤六中提取出来的故障切片信号按时间延迟矩阵中所对应的时延参数进行平移对齐，进而叠加平均得到高分辨平均波形，如图7所示；
步骤八：基于图7的单个滚子通过缺陷的高分辨平均波形，估计滚子进入和离开缺陷的时刻差Δt＝0.0051s，根据公式求得缺陷宽度l＝3.93mm，与实际故障缺陷宽度4mm高度一致，估计误差为1.7％，图8为刘红星提出的直接时域同步平均方法得到的平均波形，相比图7，整体故障冲击的幅值较小，滚子进入缺陷的响应也更弱，由此估计滚子进入和离开缺陷的时刻差Δt＝0.0049s，所求得的故障宽度的误差达到了5.2％。
本发明提出的一种自适应同步平均的轴承故障定量诊断方法，有效的抑制了轴承滚子在运转过程中存在的随机滑动现象，准确的还原出单个滚子通过故障的时间段，相比传统方法，本发明专利方法所得到的高分辨平均波形具有更高的信噪比，基于此波形进行缺陷宽度估计的结果也更加准确，对轴承的量化评估具有重要的意义。