多周期微分均值和循环谱相干的轴承故障特征提取方法技术

本发明专利技术公开了一种多周期微分均值和循环谱相干的轴承故障特征提取方法，该方法基于微分技术不受幅值干扰的优势和多周期的累积特性，通过多周期微分均值技术对原始瞬时角速度信号中轴承故障分量进行增强，进而抑制编码器安装误差、瞬时角速度估计误差和测量噪声等分量的干扰；其次，针对多周期微分均值技术引起的频率模糊问题，结合滚动轴承故障分量具有的二阶循环平稳特性，采用循环谱相干技术进一步提取轴承故障分量；最后通过包络阶次谱分析揭示轴承故障特征。本发明专利技术方法提出的多周期微分均值方法可有效增强轴承故障特征分量，进而消除编码器安装误差分量和测量噪声分量对轴承故障特征辨识的干扰。故障特征辨识的干扰。故障特征辨识的干扰。

Bearing fault feature extraction method based on multi period differential mean and cyclic spectrum coherence

【技术实现步骤摘要】
多周期微分均值和循环谱相干的轴承故障特征提取方法


[0001]本专利技术涉及一种多周期微分均值和循环谱相干的轴承故障特征提取方法，属于故障诊断技术与信号处理分析


技术介绍

[0002]轴承作为旋转机械的支撑部件，其健康程度直接影响旋转机械的精度和寿命。轴承发生故障时，滚动体与滚道在故障位置处的接触刚度发生变化，对应的瞬时角速度(IAS)将发生规律性变化。因此，基于IAS信号的轴承故障特征提取是故障诊断领域的热点之一。
[0003]轴承作为旋转机械的支撑部件，其并不传递扭矩，但在径向载荷的作用下，滚动体与滚道在故障位置处的接触刚度将发生规律性变化，通过单位角度的时间发生规律性变化，对应的IAS信号产生规律性波动。然而轴承故障在低径向载荷工况引起的IAS变化较齿轮故障来说更微弱。此外，由于滚动轴承存在1％～2％的随机滑动，即滚动轴承相邻角度间隔不尽相同。因此，轴承故障对应分量具有二阶循环平稳特性。
[0004]另一方面，由于编码器内径与轴装配误差，编码器安装误差在工程应用中无法避免；编码器安装误差的能量幅值与转速成正相关，即编码器安装误差对轴承信号的调制作用随着转速上升而显著提升，即对轴承故障分量的干扰程度是不同的。因此，编码器安装误差的消除对于有效揭示轴承故障特征至关重要。

技术实现思路

[0005]在编码器信号中，轴承早期故障特征较弱以及编码器安装误差的调制作用随着转速的上升而增大，进而导致轴承特征可能无法有效辨识。为解决该问题，本专利技术提供了一种多周期微分均值和循环谱相干的轴承故障特征增强方法，该方法基于微分技术不受幅值干扰的优势和多周期的累积特性，采用多周期微分均值技术对瞬时角速度IAS
i
信号中轴承故障特征分量进行增强，进而抑制编码器安装误差、估计误差和测量噪声分量的干扰；其次，针对多周期微分均值技术引起的频率模糊问题，结合滚动轴承故障分量具有的二阶循环平稳特性，采用循环谱相干技术消除多周期微分均值技术带来的频率模糊现象并进一步提取轴承故障特征分量。
[0006]本专利技术基于多周期微分均值和循环谱相干的轴承故障特征提取方法具体如下：
[0007]步骤1：获得包含轴承故障信息的瞬时角速度信号；
[0008]通过PicoScope信号采集系统获取光学编码器中包含轴承故障信息的瞬时角位移和对应的时间，采用向前差分法计算获得瞬时角速度IAS
i
信号，其计算式如下
[0009][0010]式中，IAS
i
表示第i时刻的瞬时角速度，i＝1,2,3,
…
，Δφ＝2π/N，Δt
i
＝t
i+1
‑
t
i
；N表示编码器每圈的光栅数。
[0011]步骤2：采用多周期微分均值(Multi
‑
period differential means，MPDM)算法增
强瞬时角速度IAS
i
信号中轴承故障特征分量；
[0012]基于轴承故障时会引起IAS
i
信号的规律性变化及其对应IAS
i
分量较无故障状态具有突变趋势，采用具有对缓变信号值较小对突变信号值较大特点(例如编码器安装误差，测量误差等)的微分算法，并考虑以轴承理论故障角度周期作为加窗的角度间隔，结合多周期累计特性，提出采用多周期微分均值(Multi
‑
period differential means，MPDM)技术以增强滚动轴承故障特征，其计算式为：
[0013][0014]式中，轴承最大随机滑动角度N
sm
＝NR/49/f
reb
，R为编码器安装轴和故障轴承转轴间的传动比，N
w
表示微分窗长，K为感兴趣轴承故障冲击的周期数，在数据点为m和冲击周期数为k时的微分位置q＝m+(k
‑
1)N/f
reb
，在冲击周期k时轴承随机滑动角度范围[h,H]＝[q
‑
2N
sm
,q+2N
sm
]，在数据点为m和冲击周期数为k时的微分范围[q,Q]＝[m+(k
‑
1)N/f
reb
,m+(k
‑
1)N/f
reb
+N
w
]；k＝1,2,...,K；f
reb
为轴承故障理论特征阶次，Q＝m+(k
‑
1)N/f
reb
+N
w
；m＝2N
sm
,2N
sm
+1,...,M；处理后数据长度M＝length(IAS
i
)
‑
KN/f
reb
‑
N
w
‑
2N
sm
，N/f
reb
表示轴承故障理论角度间隔，length(IAS
i
)表示原始IAS
i
信号的长度。
[0015]公式(2)中需要设置四个参数：K、R、f
reb
和N
w
。K是提升MPDM算法鲁棒性的主要参数，通常K≥3，K值越大，MPDM对感兴趣分量能量幅值的增强效果越好，但需要更高的计算代价；根据传动系统参数和轴承尺寸参数，R和f
reb
可以被计算获得；为有效包含轴承故障微分分量，根据经验2floor(N
sm
)<N
w
<10floor(N
sm
)可满足基于IAS
i
信号的轴承故障特征提取，floor(
·
)为向下取整操作。
[0016]步骤3：为解决MPDM算法引入的“频率模糊”问题，基于轴承故障分量的二阶循环平稳特性，采用循环谱相干技术消除多周期微分均值技术带来的频率模糊现象并进一步提取轴承故障分量，对于被MPDM算法增强后信号MPDM(m)，其循环谱相关计算式为：
[0017][0018]式中，FFT[
·
]表示信号MPDM(m)在循环周期T内的傅里叶变换，[
·
]*
表示函数共轭，E{
·
}表示数学期望，α表示循环频率，f表示谱频率，为抑制背景噪声分布不均匀的影响，使用循环谱相干(Cyclic spectral coherence，CSCoh)进行归一化处理，其表达式为：
[0019][0020]基于公式(4)，沿着谱频率f轴进行积分，获得以一维谱函数以实现轴承故障冲击特征的有效辨识，其表达式为：
[0021][0022]式中f1和f2分别表示各子频带的上下截止频率，|CSCoh(α,f)|表示绝对值操作。
[0023]本专利技术的有益效果是：
[0024](1)本专利技术基于微分技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多周期微分均值和循环谱相干的轴承故障特征提取方法，其特征在于，步骤如下：(1)采集光学编码器的瞬时角位移和对应的时间，采用向前差分法计算瞬时角速度IAS
i
；(2)基于微分技术不受幅值干扰的优势和多周期的累积特性，采用多周期微分均值技术对瞬时角速度IAS
i
信号中轴承故障特征分量进行增强，进而抑制编码器安装误差、估计误差和测量噪声分量的干扰；采用循环谱相干技术抑制多周期微分均值技术带来的频率模糊现象并基于二阶循环平稳特性进一步提取轴承故障特征分量；(3)通过包络阶次谱分析揭示轴承故障特征。2.根据权利要求1所述的多周期微分均值和循环谱相干的轴承故障特征提取方法，其特征在于，采用多周期微分均值技术对瞬时角速度IAS
i
信号中轴承故障特征分量进行增强，其计算式如下：式中，轴承最大随机滑动角度N
sm
＝NR/49/f
reb
，N为编码器每圈的光栅数，R为编码器安装轴和故障轴承转轴间的传动比，N
w
表示微分窗长，K为轴承故障冲击的周期数，在数据点为m和冲击周期数为k时的微分位置q＝m+(k
‑
1)N/f
reb
，在冲击周期k时轴承随机滑动角度范围[h,H]＝[q
‑
2N
sm
,q+2N
sm
]，在数据点为m和冲击周期数为k时的微分范围[q,Q]＝[m+(k
‑
1)N/f
reb
,m+(k
‑
1)N/f
reb
+N
w
]；k＝1...

【专利技术属性】
技术研发人员：陈鑫，郭瑜，柳小勤，樊家伟，田田，徐万通，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：