基于聲輻射特征及解調技術的軋機輸出輥道故障診斷

楊順田，黃曉燕

(1.四川工程職業技術學院，四川德陽618000;2.四川建筑職業技術學院，四川德陽618000)

圖1 輥道的組成

輥道是軋鋼生產線上運送軋件的主要設備，其質量占全線設備總質量的40%左右，軋件進出加熱爐、在軋機上往復軋制及軋后輸送到精整工序等工作均由輥道來完成。輥道主要由多個電動機、傳動軸、減速器、若干個輥子、軸承及軸承座、導板等組成，如圖1(a)所示。其軸承是旋轉機件，處于旋轉工作狀態，如圖1(b)所示。據統計，輥道故障有30%是由軸承故障引起的，其好壞對生產線的工作狀況影響極大，常常造成十分可觀的故障損失以及設備維修費，甚至導致軋線的全面癱瘓。因此隨時了解和掌握軸承的運行狀態，及時發現故障的早期征兆，以便采取相應的措施，避免、減少、減緩重大事故的發生，意義重大。

1 輥道軸承工作狀況與故障產生機制研究

輥道全線處于在高溫、粉塵、潮濕的工作環境，其軸承運行狀態的監測與故障診斷主要集中在故障信息檢測、故障特征分析、狀態監測方法、故障機制研究、故障識別等方面。

1.1 軸承振動及噪聲的研究

軸承在運轉過程中，除軸承零件間的一些固有的、由功能所要求的運動以外的其他一切偏離理想位置的運動均稱為軸承振動。當滾動軸承的振動傳播到輻射表面，振動能量轉換成壓力波，經空氣介質再傳播出去即為聲輻射。其中20～20 000 Hz部分為人耳可接收到的聲輻射，即為滾動軸承噪聲。

應用聲輻射對滾動軸承進行噪聲測量應在特殊的消音室內進行，消音室的背景噪聲較低，可以把軸承噪聲和環境噪聲區分開來，但其建造成本高，且不能在現場測試。滾動軸承的振動是產生噪聲的主要根源，與噪聲表現為強相關特征，因此一般用振動測量代替噪聲測量。可以通過構建設備輻射噪聲場去監聽沖擊脈沖波，當失效的滾動軸承在其運行過程中，總會產生有規律的沖擊脈沖振動，沖擊振動頻率直接對應于軸失效部件的通過頻率。因此，在軸承運行過程中，通過對軸承運行狀況的監測，很容易識別軸承故障，在此基礎上，制定出相應的故障診斷標準，在高速狀態下，通過對軸承的振動加速度進行頻譜分析，就足以診斷出軸承故障。如果是在低速狀態下，背景噪聲信號特別豐富，能量也大，目前又缺乏高靈敏度的低頻加速度傳感器，這時，能量相對較小的故障信號難以檢測，還應采取其他一些措施。

1.2 應用共振解調技術進行軸承故障診斷

共振解調技術能克服應用普通頻譜分析技術對軸承故障診斷時受軸承運行速度限制的缺點，也就是說，它能適應不同運行速度狀態下的軸承故障診斷。共振解調技術主要以有故障軸承產生的沖擊振動所出現的二次效應為分析對象，軸承的沖擊振動往往會激起軸承內外圈、滾動體或其他一些零件的固有頻率，而這些固有頻率會被“軸承滾動體”經過其有損壞點的頻率調制，并把這種頻率稱為“調制通過頻率”，由于軸承零件的固有頻率較高，因此，可通過高通濾波或帶通濾波剔除頻率較低的其他振動信號的影響，經過對信號的檢波、濾波等處理后得到包絡線，并建立相應的數學模型對包絡線進行低通濾波，再作頻譜分析就能診斷出軸承故障。

2 信號調制的理論分析

假定沖擊振動信號V(t)有如下表達式:

V(t)=A(t)cos(ωct+ φ)+B(t) (1)

式中:A(t)是信號幅值，ωc是角頻率，φ是初相位，B(t)是由于其他因素影響所產生的附加信號。

振動信號以及幅值被調制的載波信號的數學表達式如下:

V(t)=K［1+m f(t)］cos(ωct+ φ)+B(t)(2)

假定載波信號的初相位為0，m為調制因子，調制信號f(t)的頻率遠低于載波信號的頻率，當m f(t)＜1時，才能保證包絡線不失真。

(1)當沖擊振動信號和附加信號都是單一頻率信號時，設ωm為振動信號的角頻率，設ω1為附加信號的角頻率，則有:

這時，式 (2)有如下形式:

(2)當沖擊振動信號和附加信號都是多頻率信號時:

式中:ωn=2πn/T，ωn＜＜ωc。

將式 (4)代入式 (2)便得到下式:

無論沖擊振動信號是單一頻率信號或是多頻率信號，只要有載波信號存在，在頻譜圖上就會出現邊頻現象，對邊頻的分析是旋轉機械故障診斷、尤其是齒輪及軸承故障診斷中常用的分析手段。

3 實際信號的調制分析

對調制信號表達式中的各種參數賦以實際值并聯系到它的時域波形進行討論，首先討論調制信號和附加信號是單一頻率的情況。假設調制信號的頻率fm=30 Hz，附加信號的頻率f1=50 Hz，載波信號頻率fc=1 000 Hz，K=1，m=0.5，代入式 (3)，得:

V(t)=［1+0.5cos(2π ×30t)］×cos(2π ×1 000t)+cos(2π ×50t)

這時調制信號如圖2所示。

圖2 實際信號的幅頻波形

圖2(a)是附加信號的時域波形，圖2(b)是調制信號的時域波形，圖2(c)是附加信號、調制信號以及載波信號混疊在一起的時域波形 (注:在此沒有單獨顯示載波信號的時域波形)。對信號V(t)進行傅里葉變換后，得到的頻譜圖見圖3，可以發現:在主頻兩邊出現了附加信號和載波信號的頻率，同時還有邊頻產生，邊頻與主頻之間的頻率間隔正好是調制信號頻率。其次附加信號和調制信號都是多頻率。假定調制信號 fm1=10 Hz，fm2=20 Hz，它的頻率范圍從10～70 Hz附加信號頻率 fi1=10 Hz，fi2=50 Hz，載波信號頻率仍為1 000 Hz，時域波形見圖4。然后對信號V(t)進行傅里葉變換后得到的頻譜圖見圖5，其結果與前面討論的結果相似，最大的差別在于:變換后的載波頻率兩邊出現了多個邊頻，只是它們的幅度衰減了，這主要是由于調制信號是由多頻率信號相互影響造成的。

圖3 主頻與附加信號、載波信號及邊頻之間的關系

圖4 信號調制過程

圖5 多頻信號調制后的時域波形

4 信號解調的理論分析

把調制信號從載波信號中分離出來的過程叫做解調，一般的信號解調過程如圖6所示。

圖6 信號解調流程

首先把信號V(t)送入高通濾波器進行濾波，設高通濾波器的傳遞函數為:

這里sgn(ω)是一帶符號因子，ωs是高通濾波的截止頻率，當ω＞ωs時，sgn(ω－ωs)=1，當ω＜ωs時，sgn(ω－ωs)=－1，則有:

當 ω ＞ ωs時，Hs(jω)=1，ω ＜ ωs，Hs(jω)=0。當 ωs＞＞ ω1和 ωs＜＜ωc－nωm時，輸出信號數為:

式 (8)與式 (2)有相同的形式，通過高通濾波后，附加信號已被去除。再進行半波整流后，得到的表達式如下:

式中:h=k［1+m f(t)］;

式 (9)中有濾波后得到的調制信號信息V2(t)和一些高頻函數g(ωct)。設傳遞函數為H1(jω)，當ω ＜ω1時，H1(jω)=1，當ω ＞ω1時，H1(jω)=0，再把信號V2(t)輸入低通濾波器，當低通截止頻率接近于或等于附加信號的角頻率ω1時，經低通濾波后，則式 (9)中就只有調制信號的頻率了。

5 對實際信號的解調分析

對前面所述的實際信號進行解調分析，用截止頻率為500 Hz的高通濾波器對信號進行濾波，當ω＞500 Hz時，H1(jω)=1，當 ω ＜500 Hz時，H1(jω)=0。信號經濾波后的時域波形如圖7所示。

對濾波后信號進行傅里葉變換后就可以消除附加信號的影響，剩下載波頻率及其邊頻。經半波整流后，得到相應信號的時域波形如圖8所示。

圖7 500 Hz高通濾波后的時域波形

圖8 半波整流后的時域波形

對圖8整流后得到的信號進行低通濾波，就可以達到剔除載波信號的目的，設低通濾波的截止頻率為100 Hz，載波信號頻率為1 000 Hz，經低通濾波后，載波信號被剔除，剩下唯一的調制信號，其時域波形如圖9所示，(a)對應單一頻率調制信號波形，(b)對應多頻率調制信號波形。

圖9 100 Hz低通濾波后的時域波形

再經傅里葉變換后得到了失效滾動軸承所產生的沖擊脈沖振動波，如圖10所示。

當軋線輥道出現故障后，軸承滾動體運行到故障點時會出現沖擊振動，這種沖擊振動往往會激起軸承內、外圈的固有頻率。沖擊振動信號即為前述的調制信號，而固有頻率即為載波信號，對軸承進行實測所拾取的信號既包含有沖擊振動信號、載波信號，也包含有與軸承狀況無關的其他復雜的噪聲信號。經高通濾波、半波整流、低通濾波等技術處理后，把沖擊振動信號從多種復雜信號中分離出來，用來對軋線輥道的運行情況進行直觀的實時動態監聽、故障識別與定位，找出軸承故障，達到自動診斷的目的。

圖10 失效軸承所產生的沖擊脈沖時域波形

6 結論

機械故障診斷有許多方法，新的方法也在不斷地探索中。通過對軋線輥道運行輻射噪聲場信號調制研究，實現了對軋線輥道 (軸承)運行狀態的監測和故障診斷特征信號的提取與處理，為實現輥道故障診斷提供了理論依據。直觀的動態圖像噪聲源的識別與定位技術能有效、準確地診斷出故障部位，取得了與實際情況完全吻合的診斷結果。文中研究具有實用性、可操作性，并易于推廣。

【1】楊宇，于德介，程軍圣．基于EMD與神經網絡的滾動軸承故障診斷方法［J］．振動與沖擊，2005(1):87－90．

【2】王冬云，張文志．基于小波包變換的滾動軸承故障診斷［J］．中國機械工程，2012(3):295 －298．

【3】傅新哲，張優云，朱永生．滾動軸承故障診斷的案例推理方法［J］．西安交通大學學報，2011(11):79－84．

【4】張進，馮志鵬，褚福磊．滾動軸承故障特征的時間－小波能量譜提取方法［J］．機械工程學報，2011(17):44－49．

【5】郝如江，盧文秀，褚福磊．聲發射檢測技術用于滾動軸承故障診斷的研究綜述［J］．振動與沖擊，2008(3):75－79．

【6】張中民，盧文祥，楊叔子，等．基于小波系數包絡譜的滾動軸承故障診斷［J］．振動工程學報，1998(1):68－72．

【7】陳鵬．基于神經網絡的滾動軸承故障診斷方法研究與應用［D］．成都:四川大學，2006．

【8】郝如江，盧文秀，褚福磊．滾動軸承故障信號的多尺度形態學分析［J］．機械工程學報，2008，11:160 －165．

【9】趙志宏，楊紹普．基于相對小波能量的滾動軸承故障診斷［J］．電子測量與儀器學報，2011(1):44－49．

【10】楊勇．EMD和模糊神經網絡在滾動軸承故障診斷中的研究與應用［D］．太原:太原理工大學，2008．