關于滾動軸承故障檢測的改進包絡分析

馬春文

摘? 要：本文主要以連續小波的變換、譜峭度的改進包絡分析的方法進行研究，在將其有效地落實到滾動軸承故障的檢測工作當中，發揮其優勢和作用的同時，確保滾動軸承良好運行。其方法的核心就是明確在軸承缺陷中帶來的共振頻率的頻帶進行分析，并構建起完善的包絡來實施故障診斷，可以對故障的軸承振動信號進行仿真以及實測，最后得到滿意結果，保障各項工作有效開展。

關鍵詞：滾動軸承? 故障檢測? 改進包絡分析

中圖分類號：TH133.33 ? ?文獻標識碼：A 文章編號：1674-098X（2020）02（a）-0059-02

在當前實際的滾動軸承故障的監測中，其有效的方法就是包絡分析法，一些學者通過運用直觀的圖解形式指出兩種包絡分析過程，讓包絡分析變得更加實用化和有效性。可是在實際運用中卻呈現一定的缺陷，就是在操作中某參數選擇是受操作者經驗和歷史數據所決定的。隨后又有學者運用時頻分析的形式開展了自動軸承的故障診斷，提出以小波變換來建立的最大包絡的形式，可其中參數選擇依據是非常復雜的。為了減輕人們對經驗和歷史數據的依賴性，確保軸承故障檢查自動化思路的落實，因此本文就通過運用改進包絡的形式開展相應分析，以此確保軸承故障檢測工作有效開展，進而保障其檢測結果的準確性。

1? 主要的理論基礎分析

1.1 滾動軸承的關鍵振動機理分析

針對實際的滾動軸承存在的故障形式，包括疲勞剝落、設備磨損、塑性變形以及銹蝕還有斷裂等問題。如果軸承的元件工作表面存在局部的缺陷問題時，會運用頻率形成的寬帶沖擊，在經過振動頻率而獲得相應數據，這也被叫做故障頻率。

1.2 Morlet復小波的濾波器組分析

對于小波變換，屬于較為有效的信號處理技術形式，在機械故障的診斷當中得到有效地落實和運用。而對于伸縮以及平移之后的小波能夠有效地展示出：

在其中的α是尺度的因子，而τ為平移的因子，而其中具有的有限能量的函數和其中的解析小波變換能夠運用兩者的卷積進行表達。

其中X（f）的代表了，而對于其中的就表示了復共軛的轉變。針對各個α與τ，其定義形式是影響CET時頻呈現不同相平面的分割形式。可以選著運用平移參數就是采用周期的形式為主，也就是時頻在相平面的上沿時軸間隔能夠展示出信號的采樣周期情況，其對于具體的計算提供了極大的幫助。針對各個小波的函數，呈現不同時頻結構表現的[1]。針對已經擁有小波函數的部分，其Morlet復小波和故障軸承形成的沖擊振動響，會呈現出相似的成分，所以會運用Morlet復小波的形式來針對原始的信號開展小波的變換工作。

2? 有效改善包絡分析法的構建步驟

針對譜峭度來說，其屬于在信號通過時頻分解，包括小波變換的形式，在哪之后展示出原始信號在一些頻率點上的成分峭度值的大小指標。而實際中有效地運用譜峭度概念，其定義就在于信號，并以連續的小波變換為基礎。其將信號定義為連續的小波變換的第幾個階段的譜矩，之后其譜峭度就可以展示出各個頻率上的峭度情況，如果更定了一個的尺度，其對信號的小波變換后，獲得的系數在獲得其絕對的值，通過明確其時域峭度數值就是譜峭度的最后值[2]。

而針對其Morlet復小波中心的頻率比較接近因軸承故障而帶來的共振的頻率情況下，其CWT最后的結果，也就是對應小波系數，會包括因共振而帶來的脈沖響應的成分，而這一點就能是所需要活動的有利的可用診斷的信息。

而針對以上情況進分析，其改進的最佳包絡分析的構建步驟有以下幾點：首先，結合文章所簡述的幾種方法，對優化和形成Morlet復小波的濾波器組有極大幫助。其次，針對其各個尺度當中，會把原始的信號FFT和其濾波器組所矩陣的雖有行列復共軛進行相乘計算，之后在對其結果，運用IEFT的方法進行運算，這樣能夠獲得其尺度下的信號小波的系數。針對其幾個尺度進行相同的運算，最后就可以獲得小波系數的矩陣。第三，獲得小波系數矩陣當中的絕對值。其各個行列就會相對應到中心頻率中的小波系數時域包絡。再次，在開展計算各個行列中的SK值時，其取得了最大值而對應的一行就是小波系數最為合理的包絡。最后，針對其最佳包絡來自FFT的運算，這樣就能得到包絡譜，進而確保故障診斷工作的有效開展。

3? 滾動軸承故障檢測中運用改進包絡的主要實例研究

針對實際的滾動軸承的故障振動信號，其仿真的模型是以單自由度的系統脈沖的響應序列所表現的，而在實際當中添加噪聲后仿真信號的波形，其故障特征的表現頻率大約是200Hz，共振頻率也在9kHz左右。

對于仿真信號來說，其一般會經過Modet復小波的變換，通過時頻相平面進行有效的分解，獲得其小波系數中的絕對值后，就會獲得小波系數的相應包絡。而對于為小波系數的包絡為SK波形的情況下，那么其頻率將會呈現9723Hz，呈現出在SK的最大值，而這樣展示出最佳包絡相對應的頻帶中心的頻率是9723Hz。在該頻帶中包含了共振頻率大約為9kHz，這一點就表示了共振頻率頻帶會通過自動化的形式挑選出，和理論的分析也是相同的。針對該頻帶中，相應的包絡能夠視為最佳的包絡，能夠展示出因故障而帶來的脈沖成分是較為顯著的[3]。針對實際中的最佳包絡頻譜中，其特征的頻率呈現出BPF為200Hz，而且高次的諧波是較為清楚的，這樣可以針對設備的故障問題進行診斷，預設故障也能達到完全一致的效果，進而制定完善解決對策。

而實際的振動信號能夠在變速箱當中進行采集，而變速箱的軸承內圈會有點蝕。其軸轉速是600r/nan，采樣的頻率是4.8kHz。而其滾動的體數是Z為12，直徑d為7.12mm，滾子的節圓直徑是38.5mm。這樣就可以針對相應的公式計算出其軸承內圈的故障特征的頻率是71.1Hz，之后就可以結合該數據制定相應的應對和解決對策，使得其設備能夠良好運作。

在對那些采集到的振動信號進行時域波形的分析中，在其具體實驗中是不能發現任何的因故障而帶來的周期性脈沖振動的成分。而運用Modet復小波的濾波器組來針對其信號開展時頻分解中，運用三維譜圖把小波系數包絡矩陣表現出來，能夠在高頻區域中，有效地明確因軸承故障而引發的周期性的脈沖成分。

而通過對改進的包絡的時域波形進行觀察，在和原始的信號進行對比，可以了解到因最佳的包絡能夠看到因軸承缺陷而帶來的沖擊振動的成分，并了解到周期是0.14S，原始的信號是看不出來的;另外，在信號最佳包絡中的兩個最小值中間隔為0.1s，這也展示出信號幅值會因軸回轉頻率而調制，最后獲得改進的包絡譜。

4? 結語

對于峭度指標是會根據時域信號的變換而產生敏感的陡峭程度，對原始信號開展時頻分解時，借助譜峭度進行分析，可以明確因軸承故障帶來的沖擊響應對應頻帶來開展包絡的分析工作。而對于連續小波的變換來說，能夠針對原始信號開展特殊濾波，提供對比正交小波變換還要精細的尺度的分辨率，比較適合開展機械信號故障檢測。針對該方法來說，能夠對軸承故障診斷帶來自動的效果，而且診斷的效果也是比較好的。

參考文獻

[1] 石林鎖.滾動軸承故障檢測的改進包絡分析法[J].軸承，2006（2）：39-42.

[2] 郝高巖，劉永強，廖英英.一種基于改進階次包絡譜的滾動軸承故障診斷算法[J].振動與沖擊，2016，35（15）：144-148.

[3] 史東鋒，鮑明，屈梁生.小波包絡分析在滾動軸承診斷中的應用[J].中國機械工程，2000，11（12）：1382-1385.