王誼

摘要：針對(duì)機(jī)械軸承早期故障診斷提出了多穩(wěn)隨機(jī)共振檢測方法。分析了系統(tǒng)參數(shù)對(duì)多穩(wěn)系統(tǒng)結(jié)構(gòu)的影響，研究了高斯噪聲背景下基于多穩(wěn)隨機(jī)共振的微弱信號(hào)檢測方法。采用平均輸出信噪比作為衡量指標(biāo)，以多頻微弱信號(hào)為待測信號(hào)進(jìn)行數(shù)值仿真，并將其應(yīng)用于滾動(dòng)軸承故障信號(hào)檢測中，實(shí)驗(yàn)結(jié)果均表明，該方法對(duì)早期故障振動(dòng)信號(hào)具備準(zhǔn)確的診斷能力，為其應(yīng)用于工程實(shí)踐奠定了基礎(chǔ)。

Abstract： A multi-stable stochastic resonance detection method is proposed for early fault diagnosis of electromechanical equipment. The effect of the system parameters on the structure of the multi-stable system is analyzed， and the weak? signal detection method based on multi-stable stochastic resonance in the Gaussian noise background is studied. The average output signal-to-noise ratio is used as a measurement index， and the multi-frequency weak signal is tested for numerical simulation. The method is applied to the rolling bearing failure signal detection. The experimental results show that the method has accurate diagnosis ability for early fault vibration signals， which lays the foundation for its application in engineering practice.

關(guān)鍵詞：多穩(wěn)態(tài)隨機(jī)共振;故障診斷;機(jī)電設(shè)備

Key words： multi-stable stochastic resonance;fault diagnosis;electromechanical equipment

中圖分類號(hào)：TK407? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2021）06-0145-02

0? 引言

近年來，隨著智能制造技術(shù)的迅速發(fā)展，機(jī)械設(shè)備向著大型、精密化發(fā)展，設(shè)備結(jié)構(gòu)之間的耦合越來越強(qiáng)，其動(dòng)態(tài)行為越來越復(fù)雜。同時(shí)，機(jī)械結(jié)構(gòu)的故障會(huì)帶來較大的經(jīng)濟(jì)損失和人員傷亡，因此機(jī)械軸承早期故障監(jiān)測具有重要的工程應(yīng)用價(jià)值。

隨機(jī)共振是目前使用較為廣泛的非線性檢測方法[1]。單穩(wěn)態(tài)與雙穩(wěn)態(tài)隨機(jī)共振在機(jī)械故障診斷、超聲信號(hào)檢測及圖像增強(qiáng)等領(lǐng)域有諸多應(yīng)用[2-4]。但在待測信號(hào)非常弱的條件下，以上兩種方法的檢測效果較差，因此多穩(wěn)態(tài)隨機(jī)共振的研究逐漸開展。本文通過研究多穩(wěn)態(tài)隨機(jī)共振對(duì)于高頻多頻信號(hào)的檢測效果，并將其應(yīng)用于滾動(dòng)軸承的振動(dòng)故障檢測。

1? 多穩(wěn)隨機(jī)共振模型

多穩(wěn)隨機(jī)共振模型可用具有三勢阱性質(zhì)的非線性郎之萬方程來描述[5]，其實(shí)質(zhì)為一個(gè)過阻尼粒子受到外作用力和外加噪聲同時(shí)作用下在三個(gè)勢阱中所做的運(yùn)動(dòng)。其數(shù)學(xué)模型如下：

多穩(wěn)態(tài)勢函數(shù)U（x）如圖1所示。由式（2）可知，不同的系統(tǒng)參數(shù)a、b、c的取值影響勢函數(shù)U（x）的結(jié)構(gòu)，即系統(tǒng)會(huì)在單穩(wěn)態(tài)、雙穩(wěn)態(tài)及三穩(wěn)態(tài)之間互相切換。由于多穩(wěn)態(tài)系統(tǒng)比單穩(wěn)和雙穩(wěn)具有更好地檢測能力，所以在系統(tǒng)參數(shù)選取時(shí)需避免單穩(wěn)態(tài)和雙穩(wěn)態(tài)的出現(xiàn)[6-8]。

2? 工程應(yīng)用

本文采用的軸承內(nèi)圈故障信號(hào)數(shù)據(jù)來自凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)官網(wǎng)[9]，實(shí)驗(yàn)軸承為深溝球軸承6205-2RS JEM SKF，如圖2所示。

該軸承滾珠個(gè)數(shù)為9，轉(zhuǎn)速1797r/min，其內(nèi)軸故障特征頻率為162.08Hz。通過本文提出的多穩(wěn)態(tài)隨機(jī)共振檢測方法，軸承故障信號(hào)檢測結(jié)果如圖3所示。

由圖3中可以看出，輸出信號(hào)的時(shí)域波形呈現(xiàn)一定的周期性，且在頻率為162.1Hz處有明顯峰值，其頻率與理論軸承內(nèi)圈故障信號(hào)的頻率基本一致。實(shí)驗(yàn)結(jié)果說明該滾動(dòng)軸承的故障類型是內(nèi)圈故障。

3? 結(jié)論

本文將多穩(wěn)態(tài)隨機(jī)共振檢測方法應(yīng)用于機(jī)械軸承早期故障信號(hào)的檢測。介紹了多穩(wěn)隨機(jī)共振模型，分析了系統(tǒng)參數(shù)a、b、c對(duì)系統(tǒng)結(jié)構(gòu)的影響。以平均輸出信噪比為衡量指標(biāo)，仿真實(shí)現(xiàn)了對(duì)多頻高頻微弱信號(hào)的檢測。并將其應(yīng)用于單晶爐振動(dòng)信號(hào)檢測，實(shí)驗(yàn)證明該方法能夠有效實(shí)現(xiàn)機(jī)械軸承早期故障的診斷。

參考文獻(xiàn)：

[1]Ji S Y， Yuan F， Chen K Y， et al. Application of stochastic resonance technology in underwater acoustic weak signal detection[C]. Oceans. IEEE， 2016： 1-5.

[2]張剛，胡韜，張?zhí)祢U.基于隨機(jī)共振大參數(shù)微弱周期信號(hào)檢測[J].科學(xué)技術(shù)與工程，2015，15（35）：182-192.

[3]行鴻彥，盧春霞，張強(qiáng).自適應(yīng)隨機(jī)共振微弱信號(hào)檢測[J].系統(tǒng)仿真學(xué)報(bào)，2018，2（30）：587-604.

[4]殷學(xué)杰，馬玉梅，潘振寬.基于飽和系統(tǒng)隨機(jī)共振的圖像去噪算法[J].計(jì)算機(jī)與現(xiàn)代化，2019（12）：44-48.

[5]胡蔦慶.隨機(jī)共振微弱特征信號(hào)檢測理論與方法[M].北京：國防工業(yè)出版社，2012：42-46.

[6]Yi Wang， Shangbin Jiao， Qing Zhang， Shuang Lei， Xiaoxue Qiao. A weak signal detection method based on adaptive parameter-induced tri-stable stochastic resonance[J]. Chinese Journal of Physics， 2018， （56）： 1187-1198.

[7]Liu Y， Liang J， Jiao S B， et al. Stochastic resonance of a tri-stable system with α stable noise[J]. Chinese Journal of Physics， 2017， 55： 355-366.

[8]馮毅，陸寶春，張登峰.基于多穩(wěn)態(tài)隨機(jī)共振的軸承微弱故障信號(hào)檢測[J].振動(dòng)、測試與診斷，2016，36（6）：1168-1174.

[9]凱斯西儲(chǔ)大學(xué)軸承故障官網(wǎng)[DB/OL].http：//csegroups. case. edu/ bearingdatacenter/ pages/12k-drive-end-bearing-fault-data.