基于聲信號的滾動軸承故障診斷*

李宏亮，黃　民，高　宏，馬　超

(北京信息科技大學 機電工程學院，北京　100192)

?

基于聲信號的滾動軸承故障診斷*

李宏亮，黃民，高宏，馬超

(北京信息科技大學 機電工程學院，北京100192)

對現有振動傳感器存在安裝困難等問題，提出了基于聲信號的滾動軸承故障診斷方法；利用聲學傳感器，采用非接觸方式采集故障軸承聲信號；通過Matlab設計線性相位FIR濾波器，得到所需頻帶的沖擊響應序列；通過Hilbert變換，得到被故障源調制信號的包絡信號；通過對包絡信號進行頻譜分析，確定滾動軸承的故障類型。利用該方法對實驗臺故障軸承進行診斷，得到了準確的診斷結果，驗證了方法的可行性與有效性。

滾動軸承；故障診斷；FIR濾波器；Hilbert變換

0　引言

對于滾動軸承的故障診斷，最關鍵、最困難的問題之一是如何對滾動軸承的故障特征頻率進行正確的提取，它直接關系到滾動軸承故障診斷的準確性和預報的可靠性。為了解決這一問題，國內外學者主要通過采集滾動軸承運行過程中的振動信號、聲發射信號，運用信號分析與處理的理論和技術手段來獲取更多信息。目前，應用在滾針軸承故障診斷中信號分析與處理的數學方法有基于傅里葉變換頻譜分析方法、小波變換和EMD等分析方法[1-3]。其中，Hilbert解調技術作為重要的包絡分析方法也被廣泛應用[4-8]。然而，振動信號、聲發射信號的采集都為接觸式。在實際應用中，有些設備并不能為傳感器安裝提供合適的安裝場合，如處于高溫、高腐蝕、高濕度等較惡劣環境下設備；滾動軸承運轉過程中位置需要移動的設備等。所以，使得基于振動信號、聲發射信號的采集與分析方法受到限制，需通過非接觸式方式進行數據采集。而聲信號同振動信號一樣，同樣包含著滾動軸承運行狀態的重要信息。

因此，本文提出了一種基于聲信號、采用Hilbert包絡解調技術的滾動軸承故障診斷方法。通過非接觸式進行數據采集，不影響設備正常操作，是一種簡易、快捷的診斷方法。通過對故障軸承聲信號進行Hilbert包絡解調分析，找出滾動軸承故障特征頻率，從而確定滾動軸承故障類型。

1　滾動軸承故障聲信號診斷原理

當滾動軸承發生故障時，由故障引起的激振力會激發軸承振動，在軸承振動的同時，往往還會激發出聲音信號，如果滾動軸承停止運轉，振動也會隨之停止，聲音也會消失，這就說明滾動軸承的振動產生了聲音。其實，聲音就是一種機械波，是物體機械振動通過彈性媒介向外傳播的結果，通過彈性媒介向外輻射，形成聲場。通過傳聲器，采用非接觸式方式采集滾動軸承運轉過程中的聲信號，其同振動信號一樣，同樣能夠反映出滾動軸承運行的狀態信息。其聲學檢測系統如圖1所示。

圖1　滾動軸承故障聲學檢測系統

圖1所示為滾動軸承故障聲學檢測系統，其主要通過非接觸式測量，將傳聲器正對滾動軸承，放置在承輻射出聲場范圍內的某點，采集該點處的聲壓信號。該方法的主要特點是信號易取，采集方法和設備簡單；無需粘連傳感器，可對運動設備(如火車滾動軸承)進行監測。彌補了傳統基于振動信號和聲發射信號檢測軸承運行狀態中傳感器無法安裝等問題。

2　滾動軸承故障聲信號診斷方法

基于聲信號滾動軸承故障診斷方法同其他診斷方法基本一致，只是獲取信號的方式不同。當滾動軸承某一部件出現故障，采集到的聲信號往往都是被調制了的信號，在診斷過程中，只需要對被故障源調制了的信號進行分析，其它的信號可作為噪聲信號進行濾除。因此，可通過線性相位FIR濾波器對原始聲信號進行處理，然后對濾波處理后的信號進行Hilbert變換，獲得Hilbert包絡信號，通過對Hilbert包絡信號進行譜分析，判斷滾動軸承是否出現故障。其中，基于Hilbert包絡解調分析方法提取滾動軸承故障特征頻率原理圖如圖2所示。

圖2　Hilbert包絡解調分析方法原理圖

2.1線性相位FIR濾波器設計

線性相位FIR濾波器是指相位響應為頻率的線性函數的FIR濾波器[9]。如果用振幅響應和相位響應表示濾波器的頻率響應，可表示為：

H(ejw)=A(w)eφ(w)

(1)

線性相位響應表示為：

φ(w)=α-wτ

(2)

其中：A(w)為振幅響應，α為常數，表示初始相位；

在設計線性相位FIR濾波器時，需要充分利用其振幅響應，因為不同的振幅響應對濾波器的類型是有要求的。不同的類型，對應著不同的沖擊響應。根據不同的沖擊響應序列可分為4類，如表1所示。

表1　4類線性相位FIR濾波器的特點

通過Matlab軟件、采用窗函數設計方法進行Ⅰ型線性相位FIR濾波器設計。其中: 帶通濾波器上、下截止頻率為13kHz和14kHz，過渡帶寬為50Hz，阻帶衰減AS為60dB。設計出的濾波器沖擊響應和幅度響應如圖3所示。

圖3　濾波器的沖擊響應和幅度響應

圖3a為濾波器的沖擊響應，圖3b為濾波器的幅度響應。沖擊響應為偶對稱，類型為帶通濾波器，通帶范圍內無衰減，阻帶范圍內衰減較大，通過原始信號與沖擊響應進行卷積運算，便可得濾波后的信號。

2.2Hilbert變換原理

Hilbert變換[10]是通過將實信號表示為復信號，可以由此研究信號的包絡、瞬時相位和瞬時頻率。設信號為x(t)，則其包絡信號a(t)為：

3　實驗信號分析

3.1模擬實驗平臺的搭建

實驗所用設備為模擬試驗臺，其中包括：驅動部分、加載部分和故障軸承部分。加載部分通過螺栓進行加載。如圖4所示。

圖4　模擬實驗平臺

所采用的軸承為圓柱滾子軸承(N1004)，基本參數和理論故障特征頻率見表2、表3。其中，表3中fr為回轉軸(或內環)的旋轉頻率。

表2　滾動軸承基本參數

表3　滾動軸承理論故障特征頻率

滾動軸承故障聲學檢測系統為非接觸式、單通道采集，對2個軸承分別做一處內圈故障和外圈故障。當回轉軸轉速為493r/min、加載工況下、采樣頻率為51.2kHz的情況下，采樣時間2s。采集到滾動軸承內、外圈故障的原始聲信號如圖5所示。

圖5　內、外圈故障的原始聲信號

圖5a為滾動軸承內圈故障的原始聲信號，圖5b為滾動軸承外圈故障的原始聲信號。根據表3可計算出內、外圈理論故障特征頻率分別為58.05Hz和40.55Hz。

3.2內、外圈故障分析

對滾動軸承內、外圈故障原始聲信號做帶通濾波處理，并對濾波處理后的時域信號進行Hilbert變換，根據變換結果求包絡信號。濾波處理后的時域信號和Hilbert包絡信號分別如圖6、圖7所示。

圖6　內圈濾波處理后的時域信號及其Hilbert包絡信號

圖7　外圈濾波處理后的時域信號及其Hilbert包絡信號

圖6a、圖7a為帶通濾波處理后的滾動軸承內、外圈故障聲信號；圖6b、圖7b為滾動軸承內、外圈故障聲信號經濾波處理后的Hilbert包絡信號。對滾動軸承內、外圈Hilbert包絡信號進行頻譜分析，分析得到的結果分別如圖8所示。

圖8a為內圈故障Hilbert包絡譜分析圖，圖8b為外圈故障Hilbert包絡譜分析圖。由于采樣頻率較高，使得Hilbert包絡譜分析頻帶較寬。而滾動軸承故障特征頻率主要集中在低頻部分，故圖8所示頻帶范圍為30Hz到400Hz，并分別在此頻帶范圍內找出內、外圈故障軸承Hilbert包絡譜分析結果的前五階極大值，在圖8中用*號標出，其頻率和幅值分別見表4。

表4　Hilbert包絡譜前五階極大值

由表4可知：內、外圈的Hilbert包絡譜在頻率58.5Hz和41Hz處能量最大，內、外圈理論故障特征頻率為58.05Hz和40.55Hz，二者相差0.45Hz，而Hilbert包絡譜的分辨率為0.5Hz。從分析結果來看，可判定軸承內、外圈出現了故障。由此可見，利用滾動軸承運行過程中的聲信號，采用包絡解調方法也能實現對滾動軸承早期故障的準確診斷。

4　結束語

本文應用FIR濾波、Hilbert變換以及頻譜分析對軸承聲音信號進行分析，通過實驗數據分析能夠判斷軸承的狀態，該方法彌補了傳統的基于振動和聲發射信號檢測軸承狀態中傳感器安裝的問題。采用非接觸方式采集滾動軸承運行的聲信號，操作簡單、快捷，不影響設備正常運行；利用Hilbert包絡解調同樣能夠有效的將故障特征從復雜的、被調制的聲信號中提取出來；通過以實驗室故障軸承為例，驗證了該方法的可行性與有效性；但同振動信號相比，滾動軸承聲信號受環境噪聲干擾較大、信噪比相對較低，在某些測試場合，單一聲學傳感器不能滿足測試需求，因此，可通過聲陣列等其他方式進行聲信號采集與故障診斷，提高信噪比。

[1] 付元華,羅仁澤. 小波包樣本熵灰色關聯度軸承故障診斷[J]. 組合機床與自動化加工技術,2015(7):128-130,134.

[2] 王磊,張清華,馬春燕,等. 基于GA和EMD包絡譜分析的滾動軸承故障診斷[J]. 組合機床與自動化加工技術,2014(4):53-56,59.

[3] 姜濤,袁勝發.基于改進小波神經網絡的滾動軸承故障診斷[J].華中農業大學學報,2014,33(1):131-136.

[4] 郭福平,段志宏,孫志偉. 基于包絡譜分析的滾動軸承滾動體故障聲發射診斷研究[J]. 組合機床與自動化加工技術,2015(2):104-106,109.

[5] 代拓,花云浩,王林.基于Hilbert 變換的滾動軸承故障診斷[J].煤礦機械,2012,33(2):255-256.

[6] 黃中華,謝雅.基于Hilbert 變換的滾動軸承內環和外環故障診斷[J].中南大學學報(自然科學版),2011,42(7):1992-1996.

[7] 陳永會,姜旭,郭山國,等.基于小波分析和Hilbert 變換的滾動軸承故障診斷[J].機械設計,2010,27(8): 91-94.

[8] 楊超,李亦滔.基于信號預處理和Hilbert變換的滾動軸承故障診斷[J].華東交通大學學報,2012,29(4): 1-4.

[9] 姚天任.數字信號處理[M].北京：清華大學出版社,2011.

[10] 何正嘉,陳進,王太勇,等.機械故障診斷理論及應用[M].北京:高等教育出版社,2012.

(編輯李秀敏)

A Fault Diagnosis of Rolling Bearings Based on Acoustic Signals

LI Hong-liang,HUANG Min,GAO Hong,MA Chao

(School of Eleclromechanical Engineering,Beijing Information Science & Technology University,Beijing 1000192,China)

To solve difficult of installing the vibration sensor, a fault diagnosis method for rolling bearings was proposed in this paper, which is based on acoustic signals. Acoustic sensor was used to acquisition acoustic signals of the fault bearing by the non-contact way. The impulse response sequence of Linear-phase FIR filter was calculated using Matlab. The envelope signal was obtained by Hilbert transform for the fault source modulated signal. The fault type of rolling bearing was determined by analyzing the frequency spectrum of the signal envelope. The method was applied to fault diagnosis for rolling bearing，and the feasibility and effectiveness of method were verified through examples of laboratory.

rolling bearing;fault diagnosis;linear-phase FIR filter;Hilbert transform

1001-2265(2016)07-086-03DOI:10.13462/j.cnki.mmtamt.2016.07.024

2015-08-31；

2015-09-19

國家科技重大專項資助項目(2013ZX04011012)

李宏亮(1989—)，男，北京人，北京信息科技大學碩士研究生，研究方向為機電系統故障診斷，(E-mail)shjshlhl@126.com。

TH17；TG506

A