1、小波分析在轴承故障诊断中的应用 耿嘉洁 西南石油大学 摘 要： 旋转机械在石油、农业、工业等领域拥有广泛应用。其使用轴承来执行各种子部件的旋转或线性运动, 同时减少摩擦和应力。因此, 轴承的实时监控和诊断对于防止故障, 提高安全性, 避免生产装配线的意外停机以及降低成本至关重要。我们提出了一种基于小波变换 (DWT) 的方法, 用于分析来自滚动元件轴承的振动信号, 以识别和多元化部件缺陷。实验结果表明, DWT 在轴承故障检测和分类中获得良好的准确性和可靠性。滚动轴承的性能-摩擦, 使用寿命, 刚度, 速度等性能下降或完全故障可归因于各种因素-轴承润滑, 轴承选择, 不正确的安装以及其他各种材
2、料或制造差异。其中 40%的事件可归因于某种形式的轴承故障1。因此, 滚动轴承的实时监测和诊断方法开发很有必要。在本文中, 我们研究的是加速度计接收到的振动信号。使用小波 (Wavelet) 变换对这些信号进行分析, 监测和检测。然后通过时域参数提取特征, 如偏斜度, 波峰因数, RMS 和峰度。1 信号检测和变换不同的轴承具有不同的转速。根据轴承几何形状和转速计算频率可以得出如下所示的计算外圈缺陷和内圈缺陷的公式:在式 (1) 和 (2) 中, 其中 Nb 是轴承数, Bd 是球直径, Pd 是节圆直径, 是接触角, fs 是轴频率。小波变换是联合频率和时间的方法2。在小波变换中, 我们可以
3、分解或重建信号, 也可以消除噪声。它基本上不需要窗口的傅里叶变换, 基本信息在信号分量中以及窗口的宽度可以变化是它最重要的优点。小波变换主要用于非平稳瞬态信号分析。在傅里叶变换中, 只有频率信息可用, 无需关注哪个是固定信号, 而在短时傅里叶变换中, 存在时间和频率信息, 但是窗口的宽度在这种情况下放大限制, 因此需要进行小波变换。傅里叶级数和傅立叶变换不适用于某些应用, 所以在这种情况下, 我们更多使用小波变换。f (t) 的连续小波变换 (CWT) 定义为DWT 源于 CWT (a, b) 的离散化连续小波变换能够通过多尺度分析提取信号的奇异点。基本原理是当信号在奇异点附近的 Lipsch
4、itz 指数 a0 时, 其连续小波变换的模极大值随尺度的增大而增大;当 a0 时, 则随尺度的增大而减小。噪声对应的 Lipschitz 指数远小于0, 而信号边沿对应的 Lipschitz 指数大于或等于 0。因此, 利用小波变换可以区分噪声和信号边沿, 有效地检测出强噪声背景下的信号边沿 (奇变) 。动态系统的故障通常会导致系统的观测信号发生奇异变化, 可以直接利用小波变换检测观测信号的奇异点, 从而实现对系统故障的检测。2 实验分析本研究中使用的实验装置是 0.25HP-PMDC 电机, 负载为 1-1.5KN, 转速为1980rpm。电机转速由调节器变化。压电加速度计安装在 PMDC
5、 电机上以测量振动。用于该测试的滚动轴承是 SKF 6203 2RS (节距直径=28.7mm, 球直径=6.747mm, 球轴承数=8, 接触角=0) 。我们通过改变电动机中的滚动轴承, 分析了 4 种轴承条件-内圈缺陷, 外圈缺陷, 内加外圈缺陷和正常轴承运行情况。使用 EMD 创建人为故障, 以模拟外部和内部竞争条件, 并通过数据采集卡 (DAQ) NI-9232 收集相应的缺陷频率。从实验装置接收的振动信号实时馈送到 LABVIEW。然后将这些信号转换为时域并使用 FFT 绘制。对后续信号执行 DB4, DB8, Sym5 和 Sym8 母小波变换, 并将其分解为 3 级, 并提取感兴
6、趣的信号。信号以 1980rpm 的速度进行, 每个具有2.5KHz 采样频率和 1KHz 采样率的不同轴承缺陷 2mm。外部信号分析速度为 1980rpm, 缺陷频率为 99Hz, 频率为 198Hz 时的 1 次谐波。外圈缺陷是三轴谐波的轴频。外部频率来自文献3所述的第 3 轴频率, 因为在这种情况下, 内部频率是在轴频率上得到的。3 结语本文的目的是提出一种使用小波变换识别不同轴承缺陷的方法。我们的实验装置包括滚动元件轴承, 负载安装在恒定速度旋转的 PMDC 电机和压电加速度计上以测量振动信号。然后将这些信号在时域中绘制并构建其 FFT。用 DB4, DB8, Sym5 和 Sym8 波将信号进一步分解为 3 级, 以提取统计性能参数, 如 RMS, 偏度, 峰值和峰值。结果表明, 我们的实验装置能够使用小波分析可以诊断出滚动轴承的缺陷。参考文献1舒赜, 徐晓丽, 贾民平等.大型旋转机械远程故障诊断系统 RMRDS 的研制J.制造业自动化, 1999, 21 (6) :39-41. 2周小勇, 叶银忠.小波分析在故障诊断中的应用J.控制工程, 2006, 13 (1) :70-73. 3赵慧敏, 夏超英, 肖云魁等.柴油发动机曲轴轴承振动信号的双谱分析J.振动、测试与诊断, 2009, 29 (1) :14-18, 114.
