滾動軸承故障診斷系統設計與開發*

黃濤濤，徐 翠，夏海成，王 晨，蔣永華

（浙江師范大學浙江省城市軌道交通智能運維技術與裝備重點實驗室，浙江金華 321004）

0 引言

隨著科學技術的高速發展和工業應用的持續進步，各種機械設備也朝著智能化、復雜化和精密化的方向不斷發展。滾動軸承作為現代制造業的重要組成部分，廣泛地應用于醫療、冶金交通、航空航天等方面[1]。在電機、變速箱、直升機等旋轉機械中，滾動軸承起著固定與連接部件的作用，其是否失效直接影響機械設備的運行狀態和健康狀態[2]。一旦發生故障，不僅會造成設備停機、生產中斷，甚至機械損壞造成重大事故，會增加企業生產成本，威脅個人生命安全。因此，對滾動軸承進行狀態監測和故障診斷是十分必要的。但是，目前大多數故障診斷方法都要求診斷人員具備較強的專業知識和編程能力才能對滾動軸承的運行狀態作出判斷。近年來，虛擬儀器技術以其強大的功能和價格優勢日益成為測試技術發展的主流[3]?；诠收显\斷方法開發出一套軟件系統，只需簡單操作即可實現對滾動軸承的監測及診斷，能夠大大提高故障診斷方法在實際中的應用，從而提高故障診斷的效率與準確性[4]。

本文借助MATLAB強大的運算能力和快捷的圖片展示功能[5-6]，通過圖形用戶界面來設計一套滾動軸承故障診斷系統，可實現對信號的采集、顯示、保存、讀取、預處理、時域分析、頻域分析、時頻分析、特征頻率計算、故障分類等功能。此外，系統不僅能直觀地顯示分析處理結果，還可以根據需要設置各個功能參數，具有較強的交互性。

1 總體設計思路

機械設備的故障監測與診斷通常都是基于振動信號處理，包括信號采集、特征提取、故障診斷等[7-8]。

工業現場采集的實際振動信號通常會混雜有較多的噪聲干擾，因此需要在信號分析之前先對其進行預處理，以減小噪聲干擾的影響。另外，選用合適的特征提取及模式識別方法可以大大提高滾動軸承故障診斷的效率和準確性[9]。因此，本文設計的系統包含信號預處理、信號分析及故障分類等功能模塊。同時，為了更好地了解信號在不同特征域的特征，信號分析包括時域分析、頻域分析與時頻分析方法。其中，時域分析包含均值、峭度、峰值等16個時域特征參數；頻域分析包含傅里葉變換、功率譜分析和包絡檢波分析；時頻分析包含經驗模態分解、小波分解和短時傅里葉變換。模式識別包含OSELM、KNN、BP神經網絡、SVM。信號采集、顯示、讀取、保存、預處理、信號分析、故障分類等幾個部分相互聯系構成一個完整的系統，方便使用者操作分析。

通過MATLAB自帶工具GUIDE進行GUI設計的步驟如下。

（1）初步構思與布局：對故障診斷流程進行準確的規劃，確定GUI所需要呈現的內容，提前對主界面及子界面的布局進行合理劃分，對所有控件的功能合理編排，形成初步設計界面。

（2）具體程序實現：將所構思的界面布局完成后，編程實現各控件的功能，并在編寫過程根據需要及時地對控件屬性進行調整及修改。

（3）功能驗證測試：進一步確定各控件對所設計功能的實現情況，若是所設計的GUI系統沒能很好地實現所需的效果，則需再次對程序進行修改完善，直到實現構思中的各項功能。

2 系統架構及功能設計

采用模塊化的設計思路，根據各個功能將控件進行封裝，每一個模塊都具有一個特定的功能，所有模塊按照規則形成一個系統[10]。本系統共有7個功能模塊，如圖1所示。包括一些典型的信號處理、分析方法及幾種常用的模式識別方法。

圖1 系統功能

3 系統界面設計

系統主要包括兩個界面：歡迎界面與主界面，分別如圖2～3所示。將各個功能的控件集成各個模塊，再通過對模塊的布局形成主界面。將具有相似功能的控件放在一個模塊中，使界面簡潔、操作方便。整個系統主要有7個子模塊，從序號1～7分別為：信號讀取及采集、預處理、時域分析、頻域分析、時頻分析、故障特征頻率計算、模式識別。用戶可以通過輸入參數、選擇方法及操作按鍵來實現對信號的分析與處理。

圖2 滾動軸承故障診斷系統歡迎界面

圖3 滾動軸承故障診斷系統主界面

4 功能模塊設計

（1）信號讀取及采集模塊。進入主界面后，點擊“信號采集”按鈕即可進行實時信號采集；點擊“讀取信號”按鈕，可選擇需要讀取的.mat文件，同時顯示波形圖，結果如圖4所示。點擊“設置”按鈕，可根據需要自定義設置X、Y坐標軸范圍，調整所顯示信號大小，以更清晰、細致地觀察波形，圖5所示為信號設置坐標軸范圍后的波形。點擊“清除”按鈕，可以及時清除波形，使界面更加整潔。點擊設置“保存”按鈕，能使用戶更方便對波形進行記錄。

圖4 信號讀取

圖5 設置坐標軸范圍后的信號

（2）預處理模塊。在振動信號采集過程中獲得的原始信號數據含有大量的噪聲和干擾，不能直接作為特征提取或模式識別工具的輸入數據，需要通過一定的信號處理方法進行篩選和轉換[11]。該模塊包括消除趨勢項、五點三次平滑法、濾波3個子模塊。輸入消除趨勢項或五點三次平滑法所需的參數，點擊“作圖”即可顯示處理結果。濾波子模塊集成了常用的濾波方法，包括4種濾波器與4種濾波器函數。點擊彈出式菜單選擇需要的濾波器及其算法之后，輸入所需參數，再點擊“濾波”按鈕即可對載入信號進行濾波處理，通過點擊“幅頻特性”、“相頻特性”或“頻率特性”按鈕，即可在顯示器中繪制相應曲線。低通巴特沃斯濾波及其幅頻特性如圖6所示，圖6（a）中深色波形為原始信號，淺色波形為濾波后的信號。

圖6 低通巴特沃斯濾波及其幅頻特性

（3）時域分析模塊。通過滑動列表的形式提供了16個時域特征參數，下拉滑塊選擇需要計算的特征值后，點擊“計算”按鈕即可得到計算結果。顯示框的內容為特征參數名稱及其計算結果。時域分析模塊如圖7所示，時域波形顯示及特征參數計算能讓用戶更直觀地了解信號。

（4）頻域分析模塊。該模塊包括傅里葉譜、功率譜和包絡解調分析。選擇所需要的頻域分析方法，相應分析結果將在左側顯示器中顯示。圖8所示為功率譜分析結果。

圖8 頻域分析（功率譜）

（5）時頻分析模塊。該模塊包括經驗模態分解、小波分解和短時傅立葉變換。在經驗模態分解子模塊中又可選擇EMD、EEMD、CEEMD、MEEMD。下拉滑塊選擇分解方法后，輸入各方法所需的參數，點擊“分解”按鈕，運行結果以彈框形式展現。圖9所示分別為CEEMD、MEEMD分解結果。小波分解子模塊設置了5種常用的小波基，選擇小波基函數后點擊“變換”，將彈出分析結果。短時傅里葉變換輸入所需參數，點擊“變換”即可。

圖9 經驗模態分解結果

（6）故障特征頻率計算模塊。首先輸入滾動軸承轉速、軸承節徑、滾動體直徑、個數、接觸角等參數；再下拉滑塊選擇需要計算的故障頻率；最后點擊“計算”，結果便會在下方的顯示框內顯示，如圖10所示。

圖10 滾動軸承故障特征頻率計算

（7）模式識別模塊。首先點擊“讀取特征集”按鈕，選擇需要進行分類的特征集，再在右方輸入對應參數并點擊選用的模式識別方法即可對數據集進行分類，分類結果以彈框形式展現，分類準確率將在顯示框內顯示。由于輸入參數較多，為了方便重新實驗或者選擇其他方法進行分類，設置“清除參數數據”按鈕，可一鍵清除該模塊內所有參數，點擊“保存分類結果”按鈕即可保存輸出結果。圖11所示分別為OSELM、KNN、BP神經網絡、SVM某次計算得出的分類結果。

圖11 模式識別模塊

5 結束語

本文針對滾動軸承狀態監測與故障診斷的現狀，基于MATLAB圖形用戶界面設計研發了一套滾動軸承故障診斷系統，該系統交互性良好、操作簡單，具備經典的信號分析方法和故障分類識別方法，能夠實現信號的采集、顯示、保存、讀取、預處理、信號分析、故障分類等功能。通過實際應用，驗證了該系統能夠進行有效的故障特征提取及故障分類，具有實用性及有效性，為滾動軸承故障診斷提供了一個有效的分析工具。