[发明专利]一种基于振动检测的滚动轴承故障检测方法

说明书

技术领域

本发明涉及一种基于振动检测的滚动轴承故障诊断方法，属于故障检测技术领域。

背景技术

滚动轴承是旋转机械中非常重要的零件，也是易坏设备之一。据统计，旋转机械的故障有30%是由滚动轴承故障引起的，设备运行时，磨损、疲劳、腐蚀、过载等等原因都可能造成滚动轴承的局部损伤故障，滚动轴承的缺陷会导致机器的剧烈振动和产生噪声，甚至导致整个系统的严重事故。因此，对滚动轴承故障诊断的研究具有重大的意义。

滚动轴承故障振动信号一般表现为复杂的随机和周期脉冲混叠的非平稳信号。在实际运行中，局部损伤故障往往被噪声和较大的振动信号所掩盖，因此提取相应的故障特征频率尤为关键。因此傅立叶变换、时域几频域里的常规的处理方法等对平稳信号处理具有良好效果的方法，但是对非平稳信号的处理效果不佳。

发明内容

针对上述问题，本发明提出一种基于振动检测的滚动轴承故障诊断方法，结合小波的多分辨率和倒频谱能较好地检测出功率谱上的周期成分、分离边频带信号和受传输路径影响小的优点。同时，方法可操作性强，实用性强。

本发明采用了以下方案：一种基于振动检测的滚动轴承故障诊断方法按照下面步骤进行： 

步骤(1)、将加速度传感器安装在电机轴承负载端的3点钟方向，然后利用集成了放大器和A/D的数据采集装置采集电机轴承振动数据信号，并将信号输入计算机；

步骤(2)、利用计算机中MATLAB软件自带的小波工具箱对所采集的振动信号进行3层db1小波包分解；

步骤(3)、根据能量计算公式                                                计算三层小波包分解第三层所得到的8个子频带的能量值并绘制能量谱图，其中，代表小波包分解第三层8个子频段的能量值，表示第3层第j个子频段信号的重构信号，表示重构信号所对应的的离散点的幅值。

步骤(4)、根据能量谱图，选取能量集中子频段进行重构；

步骤(5)、选用实倒频谱计算公式对重构信号进行倒频谱分析并绘制倒频谱的谱图，其中：为傅立叶逆变换；是倒频谱的时间变量，也称倒频率，其单位通常为ms或s，表示倒频谱，为信号的功率谱；

步骤(6)、利用绘制的倒频谱谱图，根据倒频谱谱图所呈现出的功率谱上的周期成分和分离边频带信号特性。在出现单一峰值并满足边频带特性所对应的时间点的时间的倒数即为故障频率。此时间点记为，即倒频率。将该故障频率与理论计算的滚动轴承的故障特征频率相比较，判断具体的故障。

本发明的有益效果：

1.本发明同时对高频和低频进行分解，能够包含比较全面的细节信息，而且结合倒频谱受传输路径影响小等优点，排除了不相关信息的干扰。

2.经过小波包分解并根据能量值选取相应的重构频段，更利于倒频谱分离边频信号，提取复杂功率谱中的周期成分以诊断滚动轴承所发生的故障。

附图说明

图1为本发明方法的流程示意图；

图2为3层小波包分解示意图；

图3为滚动轴承正常信号的时域波形；

图4为滚动轴承正常信号的频域波形；

图5为滚动轴承正常信号小波包分解第三层8个频段的能量分布；

图6为滚动轴承正常状态重构信号的倒频谱；

图7为滚动轴承外圈故障信号的时域波形；

图8为滚动轴承外圈故障信号的频域波形；

图9为滚动轴承外圈故障信号小波包分解第三层8个频段的能量分布；

图10为滚动轴承外圈故障重构信号的倒频谱；

图11为动轴承内圈故障信号的时域波形；

图12为动轴承内圈故障信号的频域波形；

图13为滚动轴承内圈故障信号小波包分解第三层8个频段的能量分布；

图14为滚动轴承内圈故障重构信号的倒频谱；

图15为动轴承滚动体故障信号的时域波形；

图16为动轴承滚动体故障信号的频域波形

图17为滚动轴承滚动体故障信号小波包分解第三层8个频段的能量分布；

图18为滚动轴承滚动体故障重构信号的倒频谱。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明,以方便技术人员理解。

一种基于振动检测的滚动轴承故障诊断方法按照下面步骤进行：