设计与研究
一种基于冲击信号聚类分析的轴承故障诊断方法
金盾，柳小勤，伍星
（昆明理工大学机电工程学院，云南昆明650093）
AMethod forBearing Diagnosis Based on Clustering Analysis of Impact Signals
JIN Dun,LIU Xiaoqin,WU Xing
(Faculty of Mechanical and Electrical Engineering,Kunming University of Science and Technology,Kunming 650093,China)
摘要：为了对旋转机械内轴承的运行状态进行
故障监测和诊断，在对振动冲击信号进行分段截取的基础上，提出了基于分段信号时、频域特征提取结合模糊K聚类的滚动轴承故障诊断方法，并将该方法应用于NU205轴承故障诊断中。
关键词：故障诊断特征提取；模糊聚类分析；滚动轴承
中图分类号：TH133 文献标识码：A
文章编号：1001-2257(2011)12-0003-03
AbstractIn order to monitor and diagnose the fault of the bearings' running state in the rotating machinery,a method of rolling bearing fault diag nosis based on the frequency domain feature ex traction and fuzzy K clustering of sub signals was proposed,which is on the basis of the interception on the vibration acceleration signal.The method was applied to fault diagnosis of bearings NU205.
Key words:fault diagnosis; feature extraction;
K-clustering;rolling bearing 0引言
滚动轴承是旋转机械中最容易损坏的元件之一。据统计，在使用滚动轴承的旋转机械中，大约有 30%的机械故障都是由于轴承损坏而引起的。因此对滚动轴承的工况进行监视与故障诊断意义深远。目前研究的轴承早期故障检测方法都是对采样信号的整体进行滤波或分解，再对滤波后的信号或分解得到的若干个分量进行故障特征检测，不仅算法复杂，而且分解或滤波结果必须通过人工选择收稿日期：2011-07-08
基金项目：云南省数育厅科学研究基金资助项目（2010Y380）《机械与电子》2011(12)
或判断，要求使用者具有相关的理论知识，因此很难推广到生产实际中去。
轴承故障冲击信号是持续时间很短的脉冲状波
形，本文尝试将冲击信号从背景噪声中截取出来，通过计算冲击产生的频率，来判断冲击的来源，从而检测和诊断轴承工作状态[2]。
1振动冲击信号的分段提取
当轴承出现故障时，轴承元件的工作表面损伤点，在运行中反复撞击与之相接触的其它元件表面，会产生低频振动冲击，此信号幅值明显高于噪声而且具有周期性[3-4]。因此，可采用设定幅值值方法对时域信号进行分段提取冲击信号。信号分段是进行后续处理的基础，特征提取和聚类都在分段后的信号上进行，因此，合理充分地对信号进行分段提取关系到冲击分析的精度和最终的故障识别效果。
冲击信号的特征提取
2
对脉冲信号进行分段截取，形成各个脉冲样本，通过对各个样本信号进行时、频域特征提取，可形成特定维数的特征向量样本集。该样本集中每一维对应样本的一组特征。这些特征的提取是很重要的，它强烈地影响到聚类分析的效果，假使对不同故障类别提取的特征差别很大，那就比较容易形成聚合类。因此，特征提取是聚类诊断中的关键问题[5]。 2.1时域参数提取
时域是指个或多个信号其取值大小及相互关系等，可定义为很多不同的时间函数或参数，这些时间函数或参数的集合统称为时域参数。经过大量资料及实验数据分析得知，可用以下参数作为时域诊断的特征值，并以此作为时域的故障判断指标。
a.有效值即均方根值。是反映振动强度和能量的参数。
.3·