[发明专利]一种基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法

说明书

基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，利用振动信号对轴承的润滑状况进行评估，首先将待评估信号进行峭度值分析和最小熵解卷积处理，去除外部大干扰并放大信号中的脉冲分量，然后通过包络谱分析确定脉冲分量是否为乏油故障引起的随机脉冲信号，进而计算轴承乏油特征参数，最后基于设定的阈值判断轴承的润滑状况。本发明可以有效提取轴承润滑故障引起的随机冲击，并通过一种无量纲乏油特征参数(SLF)识别滚动轴承的乏油故障，且对变化的工作条件具有鲁棒性，对工程应用中的轴承润滑状态监测具有重要的意义。

技术领域

本发明属于信号处理分析技术和轴承状态监测领域，特别涉及基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法。

背景技术

基于振动信号的检测由于其方便性和对早期故障的高度敏感性，已经成为轴承状态监测中最广泛使用的方法。振动信号在检测轴承裂纹和剥落等疲劳故障等方面已得到广泛研究，并提出了一系列信号分析方法，例如谱峭度分析、循环平稳分析、小波变换、经验模态分解、倒谱分析等。这些方法在处理缺陷轴承工作产生的周期性振动信号十分有效，相比之下通过振动响应监测轴承润滑状态的研究较少，由润滑不足引起的故障信号是一种高发生率的随机振动信号，使用传统的分析技术通常无法识别。

滚动轴承的润滑以不同的状态分为全油膜润滑、混合润滑和边界润滑。对于乏油轴承，其可能存在的润滑状态有混合润滑或边界润滑，当油膜的厚度小于粗糙面的高度时，将随机引起轴承滚子与内、外滚道之间直接接触。在这种接触过程中，表面不规则的小冲击会激发轴承高频带的振动水平，这种响应的主要分量对应于滚动轴承的固有频率。而在充分润滑条件下虽然振动信号幅值明显减小，但固有频率依然存在，故简单地使用自然频带中轴承固有频率的存在来确定润滑状态是不合适的。

与轴承剥落故障引起的周期性冲击信号相比，乏油故障引起的随机冲击要弱得多，在嘈杂的环境中，乏油故障的振动信号很容易被掩盖，因此需要增强信号。而滚动轴承的固有频率与轴承本身的材料、形状等有关，故无法确定固定的频带进行传统的滤波。无论是剥落故障冲击还是乏油故障冲击，其都为脉冲信号，而最小熵解卷积(MED)的思想是设计一个FIR滤波器，输出达到最大峭度的滤波信号，故其在放大脉冲信号方面有不错的效果，本发明拟采用峭度值来度量信号的脉冲性，并利用MED来进行故障信号的放大。

乏油故障引起的冲击是随机发生的，故用于周期性冲击检测的经典包络分析无法获得进一步的诊断信息，需要建立可靠的乏油随机冲击特征挖掘方法。峭度是最流行的故障严重程度的特征指标之一，但是其对大的干扰脉冲信号非常敏感。均方根值(RMS)是一种常见的衡量方法，但尽管故障严重，其也会受到转速的影响。频率重心指数(SCI)是信号功率谱的加权平均频率，其与信号中最主要的自然频率有关，而乏油随机冲击的出现将导致高频振动能量的增加，从而扰乱频谱平衡，故可将SCI用于监测由乏油引起的信号高频带成分的增加。然而，SCI具有单位Hz，这给设定普遍适用的润滑状态判别阈值带来困难，此外，轴的振动会使信号向低频区域转移，这将影响SCI的结果。因此，开发一种对变化的工作条件具有鲁棒性的无量纲乏油特征参数是目前亟待解决的问题。

发明内容

为克服上述缺点，本发明的目的在于提供一种乏油轴承振动信号分析方法，该方法基于频率重心指数并结合最小熵解卷积(MED)方法，提出了一种无量纲的乏油特征参数(SLF)，该参数可以有效将滚动轴承的适度润滑工作状态和乏油润滑工作状态区分开，在轴承变工况条件下具有鲁棒性。

为了达到上述目的，本发明采取的技术方案为：

基于频率重心指数和最小熵解卷积的乏油轴承信号分析方法，包括以下步骤：

步骤一：将传感器放置于被测试轴承安装座上，获取工作状态下轴承的振动/声学信号测量值x(n)，n＝0，1，…，N-1，N为数据长度，采样频率记为Fs；

步骤二：对原始信号x(n)进行快速傅里叶变换得到信号频谱，根据公式(1)(2)计算x(n)的频率重心指数SCI_Raw；