[发明专利]一种用于印刷单元的滚动轴承故障诊断方法

说明书

本发明公开了一种用于印刷单元的滚动轴承故障诊断方法，主要内容包含印刷单元振动信号采集、对振动信号进行经验模式分解得到归一化极值序列、本征模式分量重构、特征值计算、故障诊断；旨在实现对印刷单元的滚动轴承进行有效的特征提取和状态识别，准确诊断出故障类型，为生产的顺利进行，为设备调试、维修、安装提供有效方法。为印刷单元中振动信号的获取提供了有效方法和分析手段，可实现印刷单元中滚动轴承信号的分类、检测和识别，具有数据量小、特征单一、准确性高等特点。

技术领域

本发明属于包装印刷机械技术领域，涉及一种用于印刷单元的滚动轴承故障诊断方法。

背景技术

包装印刷机械主要包括胶印机、凹印机、柔印机等，还包括相关涂布、覆膜设备等，该类设备具有精度要求高、集成复杂度高、装备结构复杂、长期不停机工作等特点，因此在实际生产中，零件的损伤和配合不当往往会导致印刷精度出现大幅度下降，给印刷生产带来极大损失，如何确保其稳定运行，降低设备因故障造成的工时损失，保证印刷精度符合要求，一直是相关企业院校研究的重要方向之一。

虽然包装印刷设备种类繁多，但是其结构多由独立的印刷单元组成，印刷单元中的基本结构极为相似，都由印版滚筒、压印滚筒、橡皮滚筒、网纹辊、导向辊、牵引辊、墨辊、水辊等多个滚动部件组成，各个部件之间相互紧密精确配合工作，实现高速高精度印刷。在各个滚动部件中，使用了多组滚动轴承，滚动轴承的健康状态直接决定了整个印刷单元的工作状态。印刷单元中的滚动轴承处于长期高速运行工况中，一方面，印刷中大量的有机溶剂和气体会对其产生腐蚀作用；另一方面，由于不同厚度的承印物在滚动部件之间长期运动，相互滚动部件之间有着较大的压力，导致轴承长期受到不均匀载荷，这些都大大降低了其寿命和精度。当前故障诊断方法多针对的单一轴承进行研究，而一般印刷生产中设备所处环境更为复杂且噪音干扰极大，直接应用单一零件诊断方法难以取得理想效果。

经验模式分解方法凭借其自适应能力，与希尔伯特变换一起在信号处理与分析领域被广泛应用，经过经验模式分解之后会得到一系列的本征模式分量(Intrinsic modefunction，简称IMF)，这些分量可直接用于信号的降噪、表征、检测等过程中，在医学、机械、生物、地学等各类信号检测领域具有重要的应用价值，近年来，诸多学者将经验模式分解引入到滚动轴承的故障诊断研究中。本征模式分量是经验模式分解的计算结果，虽然其具有良好的解析能力，但是存在数据信息量增加、端点效应干扰、模态混叠等不足。因此，近年来国内外学者陆续提出了一系列改进方法并将其应用于各类故障诊断，例如集成经验模式分解、局部均值分解算法、经验小波变换等。已有研究多针对经验模式方法本身展开，其获得的分量也不再是原始的IMF分量，IMF的一些特性无疑会丢失，当前对IMF本身的改进方法研究不足。IMF在实际印刷单元滚动轴承的故障诊断应用中主要面临着如下特殊困难：(1)由于一个原始信号变成了多组IMF信号，大幅度增加了信息存储量，不利于包装印刷单元轴承信号分析过程中的计算和存储；(2)在应用中往往需要利用IMF特征来实现信号的检测，目前的检测多采用常见数学特征、模式分类算法等方法，计算过程和参数设定具有一定经验性，专用特征研究较少，特征集和模式分类计算对于信息量和硬件计算能力的依赖较大，故难以推广应用。

发明内容

本发明的目的是提供一种用于印刷单元的滚动轴承故障诊断方法，在诊断过程提出了基于经验模式分解的符号化分析方法，高效快速实现其故障分类，解决了印刷单元滚动轴承故障诊断中频域数据计算复杂、模式分类方法繁琐的问题。

本发明所采用的技术方案为：一种用于印刷单元的滚动轴承故障诊断方法，具体操作步骤如下：

步骤1：在印刷单元滚动部件的两端选择位置分别安装加速度传感器，利用加速度传感器获取印刷单元滚动部件两侧附近的振动信号；

步骤2：对采集到的振动信号进行经验模式分解后得到IMF分量，对IMF分量进行符号化计算，将全部的极大值设为1，全部的极小值设为-1，处理完的IMF分量称为归一化极值序列(1)；