滚动轴承故障特征提取技术

摘 要

　　现代工业化生产装备正朝着大型化、复杂化、自动化、高效率的方向发展，装备投资巨大，且持续高效率产出，非计划停产将造成重大的损失，所以设备故障问题越来越引起人们的关注。滚动轴承作为常见的较为精密的旋转机械部件，容易发生故障，且发展故障引起的后果很严重。对轴承的状态进行不停机检测具有重要的经济意义。

　　本文以滚动轴承故障振动信号为研究对象，通过两个方面针对滚动轴承的故障信号在背景噪声干扰下故障特征难以准确快速提取的问题展开研究，其一，提出基于固有时间尺度分解（intrinsic time-scale decomposition, ITD）和最小熵解卷积（minimum entropydecomposition, MED）相结合的特征提取方法；其二，研究快速谱峭度图在滚动轴承故障信号共振解调中的应用。论文研究的具体内容如下：

　　（1）滚动轴承故障基础理论研究。研究了滚动轴承失效形式和振动机理，并详细的研究了滚动轴承理论特征频率，为实验研究提供理论依据。研究结果表明，虽然设备故障的形式多种多样，但是滚动轴承故障具有相对清晰的故障特征所对应的特征频率，为在实验或者工程中的检测工作提供了依据。

　　（2）建立旋转机械故障模拟实验台，以 N205EM 和 NU205EM 型号滚动轴承为实验研究对象，在实验平台上测取了三种典型故障（外圈故障、内圈故障、滚动体故障）和正常状态下的振动信号。通过分析轴承故障信号与正常轴承信号的时域值，可以看出滚动轴承故障信号的振动值比滚动轴承正常状态下的振动值更大，可以判断滚动轴承是否存在故障。但是滚动轴承具体是发生何种故障，即故障的具体发生在哪个部件上仅仅根据滚动轴承的时域信号无法判断出，需要做进一步的信号分析，判断出滚动轴承故障的确切部件。

　　（3）针对滚动轴承故障冲击信号在强背景噪声下难以提取的问题，提出了固有时间尺度分解（ITD）和最小熵解卷积（MED）相结合的故障特征提取方法。先对信号进行 ITD 分解，通过计算各分量与原信号的相关系数，去除虚假分量后重构信号；接着用MED 的方法对重构后的信号进行降噪处理；最后对降噪后的信号进行频谱分析，提取出故障特征频率。

　　（4）共振解调技术的滤波参数需要人工经验设定，带来较大的偶然性和局限性，需要有丰富经验的工作者来执行。本文研究利用快速谱峭度图来确定带通滤波器的最优参数，弥补了人工设定的局限性，减少了人工设定的人为误差。通过仿真信号验证算法的准确性，通过获取滚动轴承故障模拟实验数据来验证该方法的有效性。取得了较好的效果。

　　关键词：滚动轴承；故障诊断；固有时间尺度分解；快速谱峭度图；振动信号

ABSTRACT

　　Modern industrial production equipment is developing towards large, complex, automatic and efficient direction. Equipment investment is huge, and continuous high efficiency production, unplanned shutdown will cause significant loss, so the problem of equipment failure has attracted more and more attention. Fault diagnosis technology has been highly valued at home and abroad, and develops rapidly. As a common and precise rotating machinery component, rolling bearing is prone to failure, and the consequences of developing faults are very serious. It is of great economic significance to detect the state of bearings by machine fault diagnosis technology. In this paper, taking the fault vibration signal of rolling bearing as the research object, aiming at the problem that the fault characteristics of the rolling bearing can not be extracted accurately and quickly under the noise interference, the combination of intrinsic time-scale decomposition (ITD) and the minimum entropy deconvolution (MED) is proposed. The method of feature extraction is also studied, and the application of fast spectral kurtosis graph in the resonance demodulation of rolling bearing fault signal is studied. The specific contents of this paper are as follows:

　　(1) the development of mechanical fault diagnosis and the basic methods of rolling bearing fault diagnosis and the development status of rolling bearing faults at home and abroad are introduced. At the same time, the basic structure of rolling bearing is simply introduced, which lays the foundation for the research of rolling bearing's failure mode and vibration mechanism. The calculation process of theoretical characteristic frequency of rolling bearing is introduced in detail, which provides a theoretical basis for experimental research. It can be known that, although the forms of equipment failure are varied, the rolling bearing failure has the characteristic frequency corresponding to the relatively clear fault characteristics, which provides the basis for the detection work in the project.

　　(2) three typical faults (outer ring fault, inner ring fault, rolling body fault and vibration signals under normal state are measured on the experimental platform by establishing a rotating machinery fault simulation test bench. By analyzing the time domain value of the bearing fault signal and the normal bearing signal, it can be seen that the vibration value of the fault signal of the rolling bearing is greater than that in the normal state of the rolling bearing. Based on this, we can roughly judge whether there is any fault in rolling bearing. But what kind of fault occurs in the rolling bearing, that is, the position of the fault can not be judged only according to the time domain signal of the rolling bearing. Further signal analysis is still needed to determine the exact element of the rolling bearing fault.

　　(3) According to the character of vibration of roller bearing with local fault in strong background noise, an intrinsic time-scale decomposition (ITD) analysis approach combined with minimum entropy decomposition (MED) is proposed. Based on ITD, false components can remove by calculating the noise property of each component and correlation coefficients for the original signal, the signal are reconstructed. The reconfiguration signal were processed by MED to reduce noises. Frequency- spectral analysts for de-noised signal is given to extract effectively the rolling bearing fault feature frequency. The results indicate that this method is able to minimizing background noise and improve the veracity of rolling bearing fault diagnosis.

　　(4) Resonance demodulation is one of the most commonly used methods in rolling bearing fault diagnosis. However, the filter parameters of the resonance demodulation technology need to be set manually, which can only be set according to experience, which brings great contingency and limitation, and needs a lot of experienced workers to execute it.

　　Spectral kurtosis index is very sensitive to the impact characteristics of signals, and is often used in the field of mechanical fault diagnosis. This paper studies and demonstrates the use of fast spectral kurtosis to determine the optimal parameters of the bandpass filter, which makes up for the limitations of artificial setting and reduces the uncertainty of artificial setting. Simulation and rolling bearing fault simulation experiments are carried out to verify the effectiveness of the proposed method. Good results have been achieved.

　　Key words: rolling bearing; fault diagnosis; intrinsic time scale decomposition; fast spectral kurtosis diagram; vibration signal.

　　现代化工业生产中，越来越趋向大规模化、机械化自动程度高、智能程度高等特点，特别是在石油化工行业、矿产冶炼、化学工业等过程工业。这些工业中设备投资的额度往往很大，连续生产的流程及时间长。随着生产对机械设备的依赖程度越来越高，对故障的预防和诊断越来越重要[1]。加强对生产设备的维护与监测，提高机械设备运行的可靠性，是保证设备长期稳定运行关键。因此，为了确保设备安全稳定运行，提高生产效率，保证生产长期稳定生产、增产，积极开展设备的状态监测与故障诊断技术的应用和研究工作，减少因机械故障停机带来的直接或者间接的损失具有重大意义[2]。

　　故障诊断研究工作对于实现机械设备早期故障预告、保障设备长期安全稳定运转、降低设备全寿命周期费用、提高设备利用率、提高设备管理水平及实行科学维护等具有重要意义，主要表现在一下几个方面[1]：

　　（1）预防事故，保障职员和装备的安全，实现优化运转。由于设备故障引起的事故不仅会带来很大的经济利益损失，也会带来能源浪费、环境的污染等，甚至导致人员伤亡等严重的问题。有效的故障诊断预测能够未雨绸缪、防患于未然，避免发生恶性事故，而且能够通过优化设备的工作状态以保障设备在较理想的状态下运行。

　　（2）机械设备的故障诊断技术能够为预知维修和停机维修提供先进的科学手段，推动设备定期维修制度的变革。预知维修、状态维修明显比按期维修有优势，可以提高设备运行的可靠性，减少大量维护费用。维修制度由定期维修向预知维修和状态维修转化是未来先进设备维护的发展趋势，而故障监测与诊断技术的发展和成熟是真正实现维修制度转变的基础。

　　（3）大型旋转机械的故障预测对于整个国家工业技术水平、经济效益，甚至综合国力的提高都具有巨大的促进作用。

　　对于当代制造业，生产装备具有规模大、复杂程度高、影响因素多等特点。对设备进行全生命周期的状况监测或者按期的故障检测与诊断，能够及时发现初期故障并预测故障的发展情况，提高设备运行的安全性，减少停产时间，提高生产效率。设备的不断仪表化使得越来越多的数据可以用于故障检测与诊断。当前，学术和工程研究中，大量涌现并集中开发更有效的过程监控方法。在过程监控方面，统计质量控制，解析监测、诊断方法等具有十分重要的使用意义[3]。

　　滚动轴承是旋转机械核心的构件之一，它的运行状态的将直接的影响到整个机器系统的性能的优劣。相较于别的机器零部件，滚动轴承的寿命离散性大，即使是同一批生产同型号的轴承，它们的寿命也相差很大。因此，对轴承按照设计寿命进行定期检查和维修不是最科学的。

　　本文以滚动轴承为研究对象，分别对滚动轴承的外圈、内圈及滚动体进行加工，模拟滚动轴承的外圈故障、内圈故障以及滚动体故障。建立滚动轴承故障模拟测试系统，利用此系统完成滚动轴承不同故障状态在不同转速下的振动信号的采集。综合运用时域分析、固有时间尺度分解、最小熵解卷积、频谱分析、快速谱峭度图、共振解调等现代信号处理方法对滚动轴承不同转速不同故障状态下振动信号进行分析识别故障类型，实现对滚动轴承故障特征提取的目的。

　　机械故障诊断涉及数理化、机械、电气、电子、信息等领域的知识。在具体的机械故障诊断中，需要先对设备进行工况监测，即对机械设备运行状态的物理参数进行测量，如位移、速度、加速度及其他振动量、温度等。所谓诊断，便是对机器运行状态进行识别、预测和判断。根据测量得到的物理量（通常用专门的传感器采集），间接判断其运行状态的优劣，找到故障产生的机理，进而实现消除故障。机械故障诊断技术是利用检测方法和诊断手段，从所检测的信息特征判别机械系统的工况状态[3]。工况监视与故障诊断侧重有所不同，工况监视就是监测设备动态系统是否偏离正常的状态，并监测其发展趋势，防止突发性故障发生。如果偏离正常值应尽快做出相应的调整，使工况恢复到正常状态。诊断就是如果系统某个部位存在故障，就要通过分析查明故障原因及其部位的过程[4]。机械设备运行过程就是一个充满矛盾的过程。设备正常运行时，机械内部各零部件之间相互配合使其与外部环境保持动态平衡，这是处于有序稳定的运行状态。但当机械设备受到一定的外界干扰作用或者内部零部件的老化等因素影响下，原来有序运行的状态被打破，这时候便会出现设备抗干扰、抗损伤与外界干扰因素之间斗争的过程。

　　在不断斗争的过程中，则是以机械零部件在形态或结构、功能上的改变以及对环境适应能力下降的演变过程。

　　二十世纪六十年代以后，随着工业的发展，故障诊断作为一门工程技术逐步发展起来。1961 年美国开始发展航天，推行了阿波罗登月计划。1967 年，在美国航空航天局的首倡下，由美国海军研究室负责建立美国机械故障预防小组，专门从事故障诊断技术的研发，以应对航天器出现的一系列机械故障。机械故障诊断为美国军事、航空航天、石油化工等领域发展的安全提供了重要保障，取得了显着的经济效应。在二十世纪六十年代末七十年代初，以 R.Acollacott 为代表的英国机械保健中心开始诊断技术的研发工作。1982 年 The University of Manchester 成立了 Watts 工业修维公司；Michael Neale andAssocite 公司等在研制监测系统、诊断仪器、开发信号处理技术、故障和应力分析以及培训等方面做了大量有益工作。在欧洲，机械故障诊断技术也取得很大发展，如 Sweden的 SPM 轴承检测技术、Norway 的船舶监测技术、Denmark 的振动分析和声发射技术。

　　日本在钢铁、化工、铁路等民用工业部门开发应用设备诊断技术方面发展很快，占有某种优势。三菱重工、川崎重工等企业研制出许多实用的诊断仪器和软件，如丰田立夫、三菱重工的柏木万博在旋转机械故障诊断方法做了大量的经验积累工作，他们研制的机械保健系统在汽轮发电机组故障监测与诊断方法取得了实效。

　　在二十世纪七十年代末，我国也开启了故障诊断的研究工作。一些高等院校和科学研究院所结合教学开始了有关机械故障诊断的课题研究。近十几年来，设备诊断技术越来越受到高等院校、科研院所和企业界的重视，并得到了长足的发展。我国在机械故障机理及识别特征研究、信号分析、实时监测系统开发以及故障诊断专家系统编制等方面已达到国际先进水平。在石化、电力、冶金等行业获得了初步的应用，并取得明显的效果。

　　随着现代科技的发展，特别是信息技术、计算机技术、传感器等多种新技术的发展，数据采集、信号处理和分析手段日趋完善，从前无法和难以解决的故障诊断问题变得越来越容易起来。设备故障诊断技术正在变成计算机、控制、通信和人工智能的集成技术。

　　近年来故障诊断技术呈现出诊断对象多样化、诊断技术多元化、故障诊断实时化、诊断监控一体化、诊断方法智能化、监测诊断系统网络化[5]。对于现代制造业，生产设备具有规模大、复杂程度高、影响因素多等特点。对设备进行全生命周期的状态监测或者定期的故障检测与诊断，可以及时发现早期故障并预测故障的发展情况，提高设备运行的安全性，减少停产时间，提高生产效率。设备的不断仪表话使得越来越多的数据可以用于故障检测与诊断。当前，学术和工程研究中，大量涌现并集中开发更有效的过程监控方法。在过程监控方面，统计质量控制，解析监测、诊断方法等具有十分重要的使用意义。

滚动轴承故障特征提取技术：

周期冲击信号

含噪声仿真信号

优化后基于 FIR 滤波器的谱峭度图

滤波信号时域包络图

滤波信号时域包络图

共振解调谱图

目 录

　　学位论文独创性声明
　　学位论文使用授权声明
　　摘 要
　　ABSTRACT
　　创新点摘要
　　目 录
　　第一章 绪 论
　　　　1.1 选题背景及意义
　　　　1.2 机械故障诊断的发展
　　　　1.3 滚动轴承故障诊断方法
　　　　1.4 滚动轴承故障诊断方法研究现状
　　　　1.5 本文主要研究内容
　　第二章 滚动轴承故障机理研究
　　　　2.1 引言
　　　　2.2 滚动轴承的基本结构
　　　　2.3 滚动轴承失效形式及振动机理
　　　　　　2.3.1 滚动轴承失效形式
　　　　　　2.3.2 滚动轴承故障信号特征
　　　　　　2.3.3 滚动轴承故障振动机理
　　　　2.4 本章小结
　　第三章 滚动轴承故障实验研究
　　　　3.1 引言
　　　　3.2 滚动轴承故障模拟实验设备
　　　　　　3.2.1 故障模拟实验平台
　　　　　　3.2.2 传感器的选择
　　　　　　3.2.3 滚动轴承实验信号采集
　　　　3.3 本章小结
　　第四章 基于 ITD 和 MED 滚动轴承故障特征提取方法研究
　　　　4.1 引言
　　　　4.2 固有时间尺度分解算法
　　　　4.3 最小熵解卷积算法
　　　　4.4 相关性分析
　　　　4.5 基于 ITD 和 MED 滚动轴承故障特征提取方法
　　　　4.6 仿真分析
　　　　4.7 实例分析
　　　　　　4.7.1 滚动轴承内圈故障信号分析
　　　　　　4.7.2 滚动轴承外圈故障信号分析
　　　　4.8 本章小结
　　第五章 快速谱峭度图在滚动轴承故障诊断的应用
　　　　5.1 引言
　　　　5.2 基于改进的共振解调特征提取方法
　　　　　　5.2.1 快速谱峭度图算法
　　　　　　5.2.2 基于快速谱峭度图的共振解调方法
　　　　5.3 仿真分析
　　　　5.4 实例分析
　　　　　　5.4.1 滚动轴承正常信号分析
　　　　　　5.4.2 滚动轴承内圈故障信号分析
　　　　　　5.4.3 滚动轴承外圈故障信号分析
　　　　5.5 本章小结
　　结论
　　参考文献
　　发表文章目录
　　致谢

（如您需要查看本篇毕业设计全文，请您联系客服索取）