一种基于预白化分析的滚动轴承故障定位方法与流程

本发明属于故障检测和故障提取技术领域，尤其涉及一种基于预白化分析的滚动轴承故障定位方法。

背景技术：

飞行器、轨道交通装备等典型传动功能系统具有承载、减振、导向和制动等重要功能，起到传递载荷的作用。当轴承处于运转状态时，由于润滑不良、载荷过大或者刚性冲击等原因，可能在轴承的内圈、外圈、滚动体上引起剥落、裂纹、压痕等故障。

在现有的轴承故障诊断技术中，缺少一种能够适应复杂环境噪声条件的轴承故障特征提取方法，导致飞行器、轨道交通装备传动系统在运行出现异常时，无法对轴承的故障类型进行隔离定位。

技术实现要素：

为解决上述问题，本发明提供一种基于预白化分析的滚动轴承故障定位方法，能够提高滚动轴承振动信号的信噪比，得到精度更高的包络谱，从而实现滚动轴承故障的有效定位。

一种基于预白化分析的滚动轴承故障定位方法，包括以下步骤：

s1：将采集得到的滚动轴承振动信号进行傅里叶变换，得到滚动轴承振动信号的频域信号；

s2：将所述频域信号的幅值取对数，再将取对数后的频域信号进行逆傅里叶变换，得到实倒谱；

s3：将所述实倒谱中非零倒频率以外的倒频率对应的倒谱分量置零，得到编辑倒谱；

s4：将所述编辑倒谱进行傅里叶变换，再将傅里叶变换结果的实部作为幅值谱对数；

s5：将步骤s1中的频域信号的相位与自然对数积分函数相乘，再将所得乘积以自然常数e为底作指数运算；

s6：将步骤s5的指数运算结果与步骤s4中的幅值谱对数相乘，再将所得乘积进行逆傅里叶变换，得到滚动轴承时域信号；

s7：将滚动轴承时域信号进行希尔伯特变换，得到第一变换信号，然后将第一变换信号的幅值进行傅里叶变换，得到滚动轴承时域信号的包络谱；

s8：获取滚动轴承的潜在故障部件的故障特征频率理论值，其中，所述潜在故障部件包括外圈、内圈以及滚动体，并将三者对应的故障特征频率理论值分别记为fo、fi、fb；

s9：依次将fo、fi、fb作为中心频率，然后根据中心频率进行谱峰搜索操作，若搜索到有效峰值，则该中心频率对应的潜在故障部件发生故障，实现滚动轴承的故障定位，其中，所述谱峰搜索操作具体为：

在所述包络谱上，获取中心频率的设定邻域范围内的最大峰值，将获取的最大峰值与其所在的设定邻域范围内对应的包络谱的峰值平均值做比值，若该比值小于设定的临界值，则该最大峰值为有效峰值。

进一步地，在步骤s9进行谱峰搜索操作中，若没有搜索到有效峰值，则依次将fo、fi、fb的2倍频作为中心频率，重新进行谱峰搜索操作，若搜索到有效峰值，则实现2倍频下的滚动轴承的故障定位，若未搜索到有效峰值，则依次将fo、fi、fb的3倍频作为中心频率，再次进行谱峰搜索操作，若搜索到有效峰值，则实现3倍频下的滚动轴承的故障定位，若仍未搜索到有效峰值，则滚动轴承的潜在故障部件没有发生故障。

进一步地，所述滚动轴承的潜在故障部件的故障特征频率理论值的获取方法具体为：

采用光电脉冲式转速传感器获取滚动轴承的转频fr；

根据滚动轴承的转频fr计算滚动轴承的潜在故障部件的故障特征频率理论值，具体的：

其中，d为滚动体的中心所在圆的直径，d为滚动体直径，α为滚动体受力方向与内外滚道垂直线的夹角，z为滚动体的个数。

有益效果：

本发明提供一种基于预白化分析的滚动轴承故障定位方法，得到滚动轴承振动信号的实倒谱后，保留包含了白噪声和轴承损伤引起的非平稳冲击的非零倒频率，而将实倒谱中除非零倒频率以外的倒频率对应的倒谱分量置零，这个过程极大的降低了外界的复杂干扰，有利于提高滚动轴承振动信号的信噪比，得到精度更高的包络谱，从而实现滚动轴承故障的有效定位，能够解决现有技术中，飞行器、轨道交通装备传动系统在运行出现异常时，无法对轴承的故障类型进行隔离定位的问题。

附图说明

图1为本发明提供的一种基于预白化分析的滚动轴承故障定位方法的流程图；

图2为本发明提供的一种基于预白化分析的滚动轴承故障定位方法的总体结构示意图；

图3为本发明提供的基于谱峰搜索操作的有效峰值搜索算法流程图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

参见图1和图2，图1为本实施例，图2为本实施例提供的一种基于预白化分析的滚动轴承故障定位方法的总体结构示意图。一种基于预白化分析的滚动轴承故障定位方法，包括以下步骤：

s1：将采集得到的滚动轴承振动信号进行傅里叶变换，得到滚动轴承振动信号的频域信号。

s2：将所述频域信号的幅值取对数，再将取对数后的频域信号进行逆傅里叶变换，得到实倒谱。

s3：将所述实倒谱中非零倒频率以外的倒频率对应的倒谱分量置零，得到编辑倒谱。

需要说明的是，非零倒频率指的是实倒谱中的第一个频率点，则非零倒频率以外的倒频率为实倒谱中第二个及其之后的频率点。

s4：将所述编辑倒谱进行傅里叶变换，再将傅里叶变换结果的实部作为幅值谱对数。

s5：将步骤s1中的频域信号的相位与自然对数积分函数相乘，再将所得乘积以自然常数e为底作指数运算。

s6：将步骤s5的指数运算结果与步骤s4中的幅值谱对数相乘，再将所得乘积进行逆傅里叶变换，得到滚动轴承时域信号。

s7：将滚动轴承时域信号进行希尔伯特变换，得到第一变换信号，然后将第一变换信号的幅值进行傅里叶变换，得到滚动轴承时域信号的包络谱。

s8：获取滚动轴承的潜在故障部件的故障特征频率理论值，其中，所述潜在故障部件包括外圈、内圈以及滚动体，并将三者对应的故障特征频率理论值分别记为fo、fi、fb。

具体的，滚动轴承的潜在故障部件的故障特征频率理论值的获取方法具体为：

采用光电脉冲式转速传感器获取滚动轴承的转频fr；

根据滚动轴承的转频fr计算滚动轴承的潜在故障部件的故障特征频率理论值，具体的：

其中，d为滚动体的中心所在圆的直径，d为滚动体直径，α为滚动体受力方向与内外滚道垂直线的夹角，z为滚动体的个数，且fb＜fo＜fi。

需要说明的是，内外滚道为滚动轴承的内圈外表面和外圈内表面之间形成的环形滚道，且该环形滚道指向自身所在圆心的法线，即为所述垂直线。

s9：依次将fo、fi、fb作为中心频率，然后根据中心频率进行谱峰搜索操作，若搜索到有效峰值，则该中心频率对应的潜在故障部件发生故障，实现滚动轴承的故障定位，其中，所述谱峰搜索操作具体为：

在所述包络谱上，获取中心频率的设定邻域范围内的最大峰值，将获取的最大峰值与其所在的设定邻域范围内对应的包络谱的峰值平均值做比值，若该比值小于设定的临界值，则该最大峰值为有效峰值。

需要说明的是，有效峰值所对应的频率点为故障特征频率实际值。

需要说明的是，滚动轴承出现故障时，除故障特征频率处出现有效峰值外，有时其高次谐波频率处也存在有效峰值。为了使搜索更加准确可靠，设定计算机从以故障特征频率的1倍频、2倍频和3倍频为中心频率的3个频带内依次搜索，如果故障特征频率或其谐波频率处不存在有效峰值，则停止搜索，认为没有出现故障。

参见图3，该图为本实施例提供的基于谱峰搜索操作的有效峰值搜索算法流程图。在步骤s9进行谱峰搜索操作中，若没有搜索到有效峰值，则依次将fo、fi、fb的2倍频作为中心频率，重新进行谱峰搜索操作，若搜索到有效峰值，则实现2倍频下的滚动轴承的故障定位，若未搜索到有效峰值，则依次将fo、fi、fb的3倍频作为中心频率，再次进行谱峰搜索操作，若搜索到有效峰值，则实现3倍频下的滚动轴承的故障定位，若仍未搜索到有效峰值，则滚动轴承的潜在故障部件没有发生故障。

当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。