蘇睿 鐘月紅 閆喜江 沈貞 王延勝 劉平平 李華志

摘要：針對(duì)軸承故障信號(hào)進(jìn)行分析，搭建了滾動(dòng)軸承故障試驗(yàn)臺(tái)，獲得了內(nèi)外圈、滾動(dòng)體典型故障的振動(dòng)信號(hào)，利用維格納維拉分布以及希爾伯特-黃變換兩種方法進(jìn)行分析，并對(duì)比不同故障位置的振動(dòng)信號(hào)特點(diǎn)，為旋轉(zhuǎn)機(jī)械的故障診斷提供理論依據(jù)。

關(guān)鍵詞：維格納維拉分布；希爾伯特-黃變換；軸承；故障診斷

中圖分類號(hào)：TM614

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-5383（2018）01-0006-05

信號(hào)分析是故障診斷技術(shù)中尤為重要的部分，它包括時(shí)域分析、頻域分析和時(shí)頻分析。時(shí)域分析主要分為時(shí)域特征值分析、概率分布和概率密度分析、相關(guān)性分析等；頻域分析包括頻譜分析和功率譜分析；時(shí)頻分析主要體現(xiàn)在短時(shí)傅里葉變換（STFT，Short-time Fourier Transform）和維格納維拉分布（WVD， Wigner Viller Distribution）等分析方法上。近年來(lái)，新的信號(hào)分析方法不斷涌現(xiàn)，其中希爾伯特-黃變換（HHT， Hilbert-Huang Transform）方法是一種更具適應(yīng)性的時(shí)頻局部分析方法，它沒(méi)有固定的先驗(yàn)基底，其自適應(yīng)的特性可以實(shí)現(xiàn)從低頻信號(hào)中分辨出奇異信號(hào)[1-3]。

本文針對(duì)軸承故障試驗(yàn)的振動(dòng)信號(hào)，應(yīng)用WVD和HHT兩種方法，基于Matlab的信號(hào)處理與分析專用函數(shù)庫(kù)，對(duì)振動(dòng)信號(hào)進(jìn)行處理和分析，分析軸承典型故障的信號(hào)特征，為旋轉(zhuǎn)機(jī)械的故障診斷提供理論支撐。

1 軸承故障試驗(yàn)臺(tái)

圖1為軸承故障試驗(yàn)臺(tái)結(jié)構(gòu)。A1，A2，A3，A4安裝傳感器作為振動(dòng)信號(hào)的4個(gè)測(cè)點(diǎn)，試驗(yàn)軸承直接安裝在電機(jī)輸出軸上，由電機(jī)帶動(dòng)軸承轉(zhuǎn)動(dòng)。電機(jī)固定在軸支座上。電機(jī)額定功率0.09 kW，額定轉(zhuǎn)速1 350 rad/min（23.5 rad/s）。軸承型號(hào)6350，外圈通過(guò)頻率fBPO=57.4 Hz，內(nèi)圈通過(guò)頻率fBPI=100.06 Hz，滾動(dòng)體故障頻率fBS=38.52 Hz，保持器沖擊頻率fFT=8.2 Hz，采樣頻率5 760 Hz。

圖2所示為軸承的3種故障狀態(tài)，即外圈局部故障、內(nèi)圈局部故障和滾動(dòng)體局部故障。通過(guò)測(cè)點(diǎn)傳感器提取這3種故障振動(dòng)信號(hào)，導(dǎo)入Matlab軟件進(jìn)行信號(hào)分析研究，并與無(wú)故障狀態(tài)下的振動(dòng)信號(hào)進(jìn)行對(duì)比。

2 時(shí)頻分析的理論基礎(chǔ)

時(shí)頻分析是建立在傅立葉變換基礎(chǔ)上的針對(duì)非平穩(wěn)信號(hào)的分析技術(shù)，可以有效分析信號(hào)中隨時(shí)間變化的頻率成分，彌補(bǔ)了經(jīng)典譜分析的不足。分析方法主要包括WVD、HHT等[4-5]。

2.1 WVD方法

WVD方法首先由Wigner提出，用于量子力學(xué)領(lǐng)域研究，后由Ville引入到信號(hào)分析中。該方法可以視為信號(hào)時(shí)間自相關(guān)函數(shù)的傅里葉變換。其方法構(gòu)造思路如式（1）和式（2）所示。

WVD在奇偶虛實(shí)、能量分布和運(yùn)算方面具有很好的性質(zhì)，對(duì)其進(jìn)行各種深入變換后，廣泛應(yīng)用于各種信號(hào)分析處理。

2.2 HHT方法

HHT方法可以對(duì)信號(hào)的頻譜結(jié)構(gòu)做出精確的局部時(shí)頻分辨，它不僅適合對(duì)平穩(wěn)信號(hào)的分析，更適合于對(duì)非平穩(wěn)信號(hào)的分析。

3 信號(hào)處理

3.1 WVD方法

軸承信號(hào)WVD二維分布如圖3所示，軸承信號(hào)WVD三維分布如圖4所示。

結(jié)合圖3和4分析，當(dāng)軸承正常運(yùn)行時(shí)，振動(dòng)信號(hào)主要集中在1 kHz以下，隨著時(shí)間的運(yùn)行，出現(xiàn)了頻率在2.8 kHz左右的振動(dòng)信號(hào)。但當(dāng)發(fā)生外圈和內(nèi)圈故障時(shí)，1 kHz以內(nèi)的低頻分量幾乎消失，能量主要集中在4～5 kHz之間，尤其是內(nèi)圈故障發(fā)生時(shí)，這種現(xiàn)象極為明顯，說(shuō)明此時(shí)的故障已非常嚴(yán)重。對(duì)于滾動(dòng)體故障，振動(dòng)信號(hào)主要以低頻為主，在1.8 kHz的左右的振動(dòng)頻率隨著時(shí)間有著良好的周期特性，在100 Hz左右有能量較高的低頻成分，同時(shí)在高頻中也存在少量的能量分布。

3.2 HHT方法

3.2.1 瞬時(shí)頻率譜

軸承信號(hào)的瞬時(shí)頻率譜如圖5所示。

由圖5可以看出，軸承在正常運(yùn)行時(shí)，信號(hào)頻率主要以低頻為主，且能量大部分分布在低頻處。隨著時(shí)間的延續(xù)，高頻也有所出現(xiàn)，且有一定的周期性；當(dāng)發(fā)生外圈故障時(shí)，低頻分量明顯較少，且頻率集中在15～20 kHz處，能量較高；當(dāng)發(fā)生內(nèi)圈故障時(shí)，前一現(xiàn)象加劇，且低頻分量更少，但二者都沒(méi)有規(guī)律可言。對(duì)于滾動(dòng)體故障，信號(hào)主要以低頻分量為主，高頻分量能量也比較高，且它的出現(xiàn)呈現(xiàn)一定的周期特性，這與前面方法的分析結(jié)果一致。

3.2.2 時(shí)頻譜和邊際譜分析

圖6和圖7分別對(duì)正常軸承、外圈故障、內(nèi)圈故障和滾動(dòng)體故障4種情況的信號(hào)進(jìn)行時(shí)頻譜分析和邊際譜分析。

由圖6和圖7分析得，當(dāng)軸承正常運(yùn)行時(shí)，信號(hào)以低頻為主，沒(méi)有明顯的周期性，而是隨著運(yùn)行時(shí)間呈現(xiàn)一定的波動(dòng)。當(dāng)軸承外圈故障時(shí)，信號(hào)向高頻轉(zhuǎn)移，不過(guò)能量還比較低，200 Hz的頻譜能量顯著減少，但基頻能量有所增加。當(dāng)內(nèi)圈故障發(fā)生時(shí)，可以看到，能量主要集中在高頻處，且呈現(xiàn)不規(guī)則性，此時(shí)的200 Hz能量持續(xù)增加。對(duì)于滾動(dòng)體故障信號(hào)，高頻能量很低，主要集中在低頻處。在運(yùn)行一段時(shí)間后，高頻成分有所增加，有一定的周期性。

4 結(jié)語(yǔ)

對(duì)于軸承振動(dòng)信號(hào)，不同的故障形式，對(duì)應(yīng)的信號(hào)特征有較大的區(qū)別，本文列舉了軸承外圈故障、內(nèi)圈故障和滾動(dòng)體故障，通過(guò)兩種時(shí)頻分析方法進(jìn)行信號(hào)處理，發(fā)現(xiàn)當(dāng)發(fā)生內(nèi)圈故障時(shí)，故障信號(hào)的波動(dòng)最為明顯，高頻能量極高，其次是外圈故障。但滾動(dòng)體故障仍以低頻為主，且呈現(xiàn)一定的周期性。通過(guò)上述故障信號(hào)的處理和分析，為后續(xù)更深入地診斷旋轉(zhuǎn)機(jī)械故障提供了理論和試驗(yàn)基礎(chǔ)。

參考文獻(xiàn)：

[1]鄒今春， 沈玉娣. 變工況齒輪箱故障診斷方法綜述[J].機(jī)械傳動(dòng)， 2012（8）：124-127.

[2]雷亞國(guó). 基于改進(jìn)Hilbert-Huang變換的機(jī)械故障診斷[J]. 機(jī)械工程學(xué)報(bào)， 2011（5）：71-77.

[3]LI Y， TSE P W， YANG X， et al. EMD-based fault diagnosis for abnormal clearance between contacting components in a diesel engine[J]. Mechanical Systems & Signal Processing， 2010， 24（1）：193-210.

[4]鐘秉林， 黃仁. 機(jī)械故障診斷學(xué)[M]. 北京：機(jī)械工業(yè)出版社， 2007.

[5]李澤光. 信號(hào)與系統(tǒng)分析和應(yīng)用[M]. 北京：高等教育出版社， 2016.