摘要：隨著社會(huì)的不斷發(fā)展，各行各業(yè)也得到了不斷發(fā)展，機(jī)械行業(yè)也得到長(zhǎng)足發(fā)展，但是由于機(jī)械設(shè)備運(yùn)行中存在很多故障問(wèn)題，因此針對(duì)這些問(wèn)題研究了一種基于異常特征頻率匹配的軸承故障診斷方法。首先，獲取振動(dòng)信號(hào)并進(jìn)行預(yù)處理，通過(guò)小波變換進(jìn)行去噪濾波，提取頻率成分。利用快速傅里葉變換將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，并繪制頻譜圖。其次，應(yīng)用希爾伯特變換進(jìn)行包絡(luò)分析，提升信號(hào)的信噪比，獲得包絡(luò)譜。進(jìn)而，從包絡(luò)譜中提取軸承故障的特征頻率，并與理論計(jì)算頻率進(jìn)行對(duì)比，判斷故障類(lèi)型及其嚴(yán)重程度。通過(guò)西儲(chǔ)大學(xué)軸承故障數(shù)據(jù)集驗(yàn)證了所提方法在故障檢測(cè)中的有效性和可靠性。

關(guān)鍵詞：軸承故障診斷小波變換快速傅里葉變換希爾伯特變換

中圖分類(lèi)號(hào)：TH133

ResearchonBearingFaultDiagnosisMethodBasedonAbnormalFeatureFrequencyMatching

WUJianchao

GuangzhouGoalandEnergyConservationTech.Co.，Ltd.，Guangzhou，GuangdongProvince，510705China

Abstract：Withthecontinuousdevelopmentofsociety，allwalksoflife"havealsobeenhavealsobeencontinuouslydeveloped，themachineryindustryhasalsobeengreatlydeveloped.However，duetothemanyfaultproblemsintheoperationofmechanicalequipment，abearingfaultdiagnosismethodbasedonabnormalfeaturefrequencymatchinghasbeenstudiedtoaddresstheseissues.Firstly，thevibrationsignalisobtainedandpreprocessed.Denoisingfilteringisperformedthroughwavelettransformtoextractfrequencycomponents.FastFourierTransformisusedtoconverttime-domainsignalsintofrequency-domainsignalsanddrawfrequencyspectra.Secondly，HilbertTransformisappliedforenvelopeanalysistoimprovethesignal-to-noiseratioofthesignalandobtaintheenvelopespectrum.Furthermore，thecharacteristicfrequenciesofbearingfaultsareextractedfromtheenvelopespectrumandcomparedwiththetheoreticallycalculatedfrequenciestodeterminethetypeandseverityofthefaults.TheeffectivenessandreliabilityoftheproposedmethodinfaultdetectionwereverifiedthroughthebearingfaultdatasetofWesternReserveUniversity.

KeyWords：Bearingfaultdiagnosis;Wavelettransform;FastFourierTransform;HilbertTransform

滾珠軸承在旋轉(zhuǎn)機(jī)械中扮演著至關(guān)重要的角色，其故障直接影響到機(jī)械設(shè)備的運(yùn)行穩(wěn)定性和安全性[1-3]。在諸如大型電站、化工企業(yè)、艦艇及飛機(jī)等對(duì)可靠性要求極高的系統(tǒng)中，軸承的可靠性尤為重要，防止其突發(fā)性損壞成為了確保系統(tǒng)安全的關(guān)鍵。因此，對(duì)軸承的運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)和早期預(yù)警是必不可少的。

軸承故障常常表現(xiàn)為典型的缺陷，如表面剝落或裂紋，這些缺陷會(huì)導(dǎo)致周期性激勵(lì)信號(hào)的產(chǎn)生。由于這些激勵(lì)信號(hào)的周期性與故障部位密切相關(guān)，對(duì)振動(dòng)信號(hào)的分析能夠揭示這些故障信號(hào)的存在及其頻率，從而幫助診斷故障的具體位置。為了有效地從復(fù)雜的振動(dòng)信號(hào)中提取和分析這些故障特征，包絡(luò)分析技術(shù)被廣泛應(yīng)用[4]。包絡(luò)分析技術(shù)可以通過(guò)多種方法實(shí)現(xiàn)，其中小波變換、快速傅里葉變換和希爾伯特變換是關(guān)鍵的技術(shù)手段[5-7]。小波變換適合處理非平穩(wěn)信號(hào)，通過(guò)多尺度分析可以有效地分解信號(hào)的時(shí)間-頻率特性，提取故障信息。快速傅里葉變換則用于將時(shí)域信號(hào)轉(zhuǎn)換為頻域，通過(guò)頻譜分析可以識(shí)別周期性激勵(lì)信號(hào)的頻率成分，為故障檢測(cè)提供重要依據(jù)。希爾伯特變換在包絡(luò)分析中扮演著重要角色，它能夠提取信號(hào)的瞬時(shí)振幅和瞬時(shí)頻率，將高頻沖擊成分從振動(dòng)信號(hào)中解調(diào)出來(lái)，生成包絡(luò)譜，從而顯著提高信號(hào)的信噪比。

結(jié)合這些先進(jìn)的信號(hào)處理技術(shù)，軟件網(wǎng)絡(luò)分析方法能夠?qū)崿F(xiàn)高精度的故障檢測(cè)。這些方法的應(yīng)用不僅提高了對(duì)軸承故障的診斷能力，也為設(shè)備的預(yù)防性維護(hù)和故障預(yù)測(cè)提供了強(qiáng)有力的支持，因此，本文研究基于異常特征頻率匹配的軸承故障診斷方法。

1軸承故障診斷方法設(shè)計(jì)

基于異常特征頻率匹配的軸承故障診斷過(guò)程具體敘述如下。

首先，需要獲取設(shè)備的振動(dòng)信號(hào)數(shù)據(jù)。這些數(shù)據(jù)可以通過(guò)加速度傳感器等裝置獲得。其次，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，確保數(shù)據(jù)的準(zhǔn)確性和完整性。通過(guò)快速傅里葉變換算法將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)，將振動(dòng)信號(hào)轉(zhuǎn)化為頻譜圖。包絡(luò)譜表示了振動(dòng)信號(hào)的幅值與頻率之間的關(guān)系。為了進(jìn)行軸承故障診斷，需要從包絡(luò)譜中提取出故障特征頻率。這些特征頻率通常與軸承的故障類(lèi)型和嚴(yán)重程度有關(guān)。進(jìn)而使用峰值檢測(cè)算法來(lái)尋找包絡(luò)譜中的主要頻率峰值。這些峰值對(duì)應(yīng)著故障特征頻率，可以用于診斷軸承的故障類(lèi)型。最后，根據(jù)故障特征頻率的分析結(jié)果判斷軸承是否存在故障，并確定其嚴(yán)重程度。

為實(shí)現(xiàn)傅里葉變換求頻譜，首先，通過(guò)快速傅里葉變換將時(shí)域信號(hào)轉(zhuǎn)換為頻域信號(hào)。離散傅里葉變換用于計(jì)算機(jī)實(shí)現(xiàn)對(duì)信息的處理，由于計(jì)算機(jī)只能處理有限長(zhǎng)度的離散數(shù)據(jù)，而周期序列的離散傅里葉級(jí)數(shù)滿足這些特征：對(duì)計(jì)算機(jī)輸入信號(hào)的間隔周期采樣得到的個(gè)數(shù)據(jù)點(diǎn)，通過(guò)計(jì)算可以得到虛指數(shù)項(xiàng)表示的個(gè)諧波分量：

式（1）中：為虛數(shù)符號(hào)；為諧波分量；為采樣數(shù)據(jù)；為指數(shù)；為采樣時(shí)刻；周期序列的離散傅里葉變換可由下式計(jì)算得到頻域信號(hào)：

然后，繪制頻譜圖。設(shè)原始信號(hào)為，其希爾伯特變換定義為：

以為實(shí)部，為虛部，構(gòu)造解析信號(hào)：

式（4）中，，即為原信號(hào)的包絡(luò)，為反正切函數(shù)。

通過(guò)希爾伯特變換對(duì)求包絡(luò)線；利用傅里葉變換求包絡(luò)譜，繪制包絡(luò)譜。進(jìn)而，根據(jù)特征頻率與軸承的故障類(lèi)型對(duì)應(yīng)關(guān)系。軸承中所產(chǎn)生的振動(dòng)是隨機(jī)的，含有滾動(dòng)體的傳輸振動(dòng)，其主要頻率成分為滾動(dòng)軸承的特征頻率。特征頻率可根據(jù)軸承結(jié)構(gòu)參數(shù)計(jì)算如下：

內(nèi)圈旋轉(zhuǎn)頻率：，其中，為軸的轉(zhuǎn)速，單位：。

軸承內(nèi)圈是常見(jiàn)故障問(wèn)題，對(duì)于內(nèi)圈故障，存在內(nèi)圈特征頻率，即內(nèi)圈上的某一損傷點(diǎn)與滾動(dòng)體接觸過(guò)程中產(chǎn)生的振動(dòng)頻率：

式（5）中：是軸承旋轉(zhuǎn)頻率，單位為；為滾動(dòng)體直徑，單位為；為軸承直徑，單位為；為滾動(dòng)體數(shù)量；為接觸角。

此外，軸承外圈也是常見(jiàn)故障問(wèn)題之一，對(duì)于外圈故障，存在外圈特征頻率，即外圈上的某一損傷點(diǎn)與滾動(dòng)體接觸過(guò)程中產(chǎn)生的振動(dòng)頻率：

根據(jù)以上滾珠軸承可能出現(xiàn)內(nèi)圈和外圈的故障頻率。具體診斷步驟如下。

步驟1：此時(shí)根據(jù)專家經(jīng)驗(yàn)或經(jīng)驗(yàn)公式尋找/計(jì)算對(duì)應(yīng)的特征頻率。

步驟2：采用峰值檢測(cè)算法來(lái)尋找各種故障在包絡(luò)譜中的主要頻率峰值，將峰值作為理論故障特征頻率。

步驟3：將實(shí)際故障頻率和理論故障頻率做比較，在允許范圍誤差內(nèi)，當(dāng)實(shí)際故障峰值和理論故障峰值接近時(shí)則可判斷出對(duì)應(yīng)的故障類(lèi)型。

2測(cè)試驗(yàn)證

基于西儲(chǔ)大學(xué)軸承故障數(shù)據(jù)集進(jìn)行驗(yàn)證，選擇采樣頻率為12000、轉(zhuǎn)速為1721、驅(qū)動(dòng)端測(cè)點(diǎn)且軸徑為0.007的軸承內(nèi)圈故障數(shù)據(jù)集，進(jìn)行包絡(luò)譜倍頻分析。相關(guān)參數(shù)分別為，。根據(jù)參數(shù)，可以計(jì)算得到。根據(jù)專家經(jīng)驗(yàn)，從圖1可以發(fā)現(xiàn)，包絡(luò)譜中在1、2、3倍頻位置相比正常的峰值有大幅增加，1、2、3倍頻之間的峰值依次遞減。

對(duì)于外圈故障分析驗(yàn)證，選擇采樣頻率為12000Hz、轉(zhuǎn)速為1725r/min、驅(qū)動(dòng)端測(cè)點(diǎn)且軸徑為0.007的軸承外圈故障數(shù)據(jù)集，進(jìn)行包絡(luò)譜倍頻分析。相關(guān)參數(shù)分別為，。外圈上的某一損傷點(diǎn)與滾動(dòng)體接觸過(guò)程中產(chǎn)生的振動(dòng)頻率：。根據(jù)專家經(jīng)驗(yàn)，從圖2可以發(fā)現(xiàn)，包絡(luò)譜中1、2、3倍頻處相比正常的峰值有大幅度增加，1、2、3倍頻之間的峰值依次遞減。

3結(jié)語(yǔ)

本文探討了基于小波變換和希爾伯特變換的軸承故障診斷技術(shù)，通過(guò)小波變換對(duì)非平穩(wěn)振動(dòng)信號(hào)進(jìn)行多尺度分析，有效捕捉故障特征；希爾伯特變換則在包絡(luò)分析中提取高頻沖擊成分，提升信號(hào)的信噪比。通過(guò)在西儲(chǔ)大學(xué)軸承故障數(shù)據(jù)上進(jìn)行了驗(yàn)證分析。

參考文獻(xiàn)

[1]趙一楠，剡昌鋒，孟佳東，等.自適應(yīng)窗口旋轉(zhuǎn)優(yōu)化短時(shí)傅里葉變換的變轉(zhuǎn)速滾動(dòng)軸承故障診斷[J].振動(dòng)工程學(xué)報(bào)，2024，37（6）：1064-1076.

[2]張斌，孟倩.基于小波包和Hilbert包絡(luò)譜的滾動(dòng)軸承故障診斷[J].機(jī)械管理開(kāi)發(fā)，2024，39（3）：1-3.

[3]李菲.基于陷波去噪和經(jīng)驗(yàn)小波變換的滾動(dòng)軸承故障診斷研究[D].北京：北京石油化工學(xué)院，2020.

[4]王金喜.基于振動(dòng)信號(hào)分析的滾動(dòng)軸承故障診斷方法研究[D].濟(jì)南：山東大學(xué)，2023.

[5]欒孝馳，李彥徵，徐石，等.基于小波包變換與CEEMDAN的滾動(dòng)軸承故障診斷方法[J].航空動(dòng)力學(xué)報(bào)，2024，39（5）：159-173.

[6]曹仕駿，鄭近德，潘海洋，等.基于改進(jìn)自適應(yīng)經(jīng)驗(yàn)傅里葉分解的滾動(dòng)軸承故障診斷方法[J].振動(dòng)與沖擊，2022，41（15）：287-299.

[7]唐貴基，蔡偉.應(yīng)用小波包和包絡(luò)分析的滾動(dòng)軸承故障診斷[J].振動(dòng)、測(cè)試與診斷，2009，29（2）：201-204，244.