第8期 2017年8月
组合机床与自动化加工技术
ModularMachineTool&AutomaticManufacturingTechnique
文章编号：10012265(2017)08009304
D0I : 10. 13462/j. cnki. mmtamt. 2017. 08. 023
基于多重自相关与包络谱分析的滚动轴承故障诊断方法研究
张良，杨涛
No.8 Aug.2017
（1.绵阳师范学院机电工程学院，四川绵阳621000；2.西南科技大学信息工程学院，四川绵阳 621010)
摘要：滚动轴承在故障状态运行时，传感器测得的振动信号为非平稳、多分量的调制信号。在故障出现早期，由于调制信号微弱且含有噪声，导致故障特征难以识别，采用多重自相关消除噪声干扰，提取信号中的周期调制成分，然后利用Hibert变换的包络解调方法获取故障特征频率，从而判断出轴承故障类型。实验结果表明，采用多重自相关与包络谱解调相结合的方法，能较准确的提取滚动轴承故障特征频率，具有一定的工程应用价值。
关键词：滚动轴承；多重自相关；Hilbert变换；故障诊断
中图分类号：TH133.3；TG506
文献标识码：A
Fault Diagnosis of Rolling Bearings Based on Multi-Layer Autocorrelation and Envelope Analysis
ZHANG Liang',YANG Tao
(1. School of Mechanical and Electrical Engineering, Mianyang Normal University , Mianyang Sichuan ,621000, China;2. School of Information Engineering, Southwest University of Science and Technology, Mianyang Si-chuan 621010,China)
Abstract: The vibration signal measured by the sensor is non-stationary and multi-component modulation signal when rolling bearings run in a fault condition. It is difficult to identify the characteristic in the pres-ence of early bearing faults because the modulation signal is weak and polluted by noise. The multi-layer au-tocorrelation is used to eliminate noise while extracting signal cycle modulation component, and the envelope demodulation method based on Hilbert transform is used to obtain fault characteristic frequency and deter mine the type of bearing failure. The results show that the method of multi-layer autocorrelation and envelope demodulation can extract the characteristic frequency of rolling bearing more accurately, and has certain en-gineering application value.
Key words: rolling bearing ; multi-layer autocorrelation ; Hilbert-transformation ; fault diagnosis
0引言
据统计，由于轴承导致的故障在旋转机械所有故障中占到1/3左右1，因此对重要轴承进行工况监视与故障诊断，不但可以减少或杜绝事故发生，而且还能最大限度地发挥轴承工作潜力，这在提高生产效益以及保障生产安全方面都具有十分重要的意义[2]。滚动轴承出现局部损伤性故障的特点是微弱的周期信号宽带冲击会激起系统结构自身的高频振动[3]，同时滚动轴承振动信号的频率范围较宽，信噪比通常较低，局部损伤性所引起的冲击比较微弱，直接对振动信号解调时调制信息容易没在噪声中[4]，因此如何从微弱的故障振动信号中提取冲击所激起的高频振动信息进行
收稿日期：2016-11-16
解调分析是轴承故障诊断的关键3}。目前，用于在低信噪比的条件下提取滚动轴承振动信号包络谱的主要方法有形态分量分析36]、时延相关解调、小波降噪【8-9]、局部均值分解【10-11]、经验模态分解【12-13]、盲源分离[14-15]等，上述方法在故障振动信号的包络谱解调与提取方面均有一定的效果。本文提出一种基于多重自相关的包络谱滚动轴承故障诊断方法，对原始振动信号首先进行多重自相关运算，最大限度地消除信号中混有的高斯噪声，然后在对多重自相关运算结果做带通滤波，将滤波截取的高频共振频段进行希尔伯特变换，得到包络谱，从而提取滚动轴承的故障特征频率，完成了对滚动轴承的故障诊断，通过实例分析验证了该方法的有效性。
*基金项目：国家自然科学基金（F011102）：四川中烟工业责任有限公司公司科技项目（川渝烟工技研[2015]62号）
作者简分粥数播2一），男，四川绵阳人，绵阳师范学院助教，硕士，研究方向为机电系统故障诊断、工业自动化，（E-mail)20015601@163.com。