基于EEMD和快速譜峭度的滾動軸承故障診斷研究*

曹玲玲,李 晶,彭 鎮,韓文冬,張銀飛

(西安工程大學 機電工程學院,陜西 西安 710048)

0 引 言

軸承是機械系統中的關鍵零部件,其健康程度影響著機械設備的工作狀態。旋轉機械的核心部件就是滾動軸承。在滾動軸承使用過程中多種因素會使其受到損傷,一旦出現嚴重故障可能會導致機器停機,甚至造成巨大的經濟損失。

據統計,在旋轉機械的失效案例中有45%～55%是由于滾動軸承失效導致的[1]。因此,研究滾動軸承的信號采集分解和故障診斷具有重要的現實意義。

經驗模態分解(EMD)是HUANG N E等人[2]提出的無需先于經驗的知識就能夠自適應時頻分解非線性、非平穩信號的方法。AN Xue-li等人[3]結合EMD和希爾伯特變換方法,直驅式風電機組故障進行了診斷。田晶等人[4]針對滾動軸承故障信號非平穩、非線性的特點,提出了基于EEMD和空域相關降噪相結合的故障診斷方法。胡愛軍等人[5]將EEMD與峭度準則的包絡解調方法相結合,提取了滾動軸承的故障特征信息,實現了對故障軸承的診斷。

目前,學者在故障診斷中采用譜峭度的方法已經做了大量的研究。王夢人[6]利用EEMD與譜峭度結合的方法,對旋轉機械進行了故障診斷。蔣超等人[7]針對總體平均經驗模式分解獲取了的每一個IMF分量,求取了快速譜峭度圖,篩選了最大峭度所在頻帶以抑制干擾,并提取出了其故障信息。

在上述研究中,通過EMD方法對振動信號進行分解會產生模態混合等現象,而EEMD則是通過添加白噪聲獲得綜合信號進行IMF分解,但對于微弱不明顯的早期故障而言,其故障特征不能很好地表現。

因此,本文提出采用EEMD與快速譜峭度圖相結合的方法,通過EEMD對采集信號進行分解,得出多個IMF分量,再利用峭度準則選取關鍵的IMF分量進行信號重構,通過帶通濾波對濾波信號進行求包絡譜,將正常狀態下的包絡譜與失效下的包絡譜進行比較分析,對滾動軸承的故障頻率進行診斷。

1 EMD及EEMD算法

1.1 EMD算法

EMD分解過程在很多文獻中都有詳細介紹,可以參考文獻[8],其分解式為:

(1)

式中:bi(t)—第i階的IMF分量;ri(t)—殘差;n—IMF分量的階數。

1.2 EEMD算法

EEMD減輕了EMD所存在的問題,使得不同時間尺度的信號自動分離到和其相適應的參考尺度[9],在原始的信號中添加相應的白噪聲來消除EMD的模態混疊現象[10]。

EEMD重構信號與原始信號X(t)之間的誤差滿足:

(2)

式中：N—EEMD的聚類次數,N=100;ω—添加白噪聲的標準差,ω=0.2。

2 滾動軸承故障診斷方法

2.1 峭度準則

峭度對信號中存在的瞬時沖擊特征非常敏感,因此常應用于滾動軸承的故障診斷中。峭度值K的定義為:

(3)

式中:μ—信號x(t)的均值;σ—信號x(t)的標準差;E—期望值。

根據EEMD方法判斷,當IMF分量峭度值K大于3時,說明該IMF分量中含有較多的沖擊成分,即當峭度值K越大時,該振動信號中的故障沖擊成分就越明顯[11]。

2.2 快速譜峭度

目前,譜峭度法已被廣泛用于旋轉機械的故障診斷[12]。譜峭度方法有效地避開了噪聲干擾在某些頻段上峭度檢測的不確定性,從而得到故障特征信息[13]。

假設實測振動信號Y(t)中含有平穩噪聲,則Y(t)的譜峭度KY(f)為:

(4)

式中:KX(f)—原始信號的譜峭度;ρ(f)—信噪比。

2.3 EEMD和快速譜峭度的算法流程

筆者將原始信號通過EEMD分解成多個IMF分量,根據峭度準則計算出各個IMF分量的峭度值,選取峭度值大于3的IMF分量進行信號重構,并進行快速譜峭度圖;從各個快速譜峭度圖中找出顏色最深的色塊,即譜峭度最大值區域,確定帶通濾波頻率范圍,并對其進行包絡線、包絡譜及故障診斷分析。

具體算法流程如圖1所示。

圖1 EEMD和快速譜峭度的算法流程圖

3 實驗及結果分析

3.1 實驗描述

為了驗證所提方法的可行性,本文選擇西安交通大學機械工程學院XJTU-SY滾動軸承試驗數據進行分析[14]。該實驗平臺由交流電動機、電動機轉速控制器、轉軸、支撐軸承、液壓加載系統和測試軸承等組成,如圖2所示。

圖2 軸承加速壽命實驗臺

試驗平臺可調節的工況主要包括徑向力和轉速;測試軸承型號為LDK UER204。

試驗共設計了3類工況,如表1所示。

表1 軸承加速壽命試驗工況

每類工況下有5個軸承,其采樣頻率為25.6 kHz,單個波形的采樣時長為1.28 s。

軸承具體參數如表2所示。

表2 LDK UER204軸承參數

所測試軸承典型失效類型主要有保持架斷裂、內圈磨損、外圈斷裂、外圈滾道磨損等,如圖3所示。

圖3 典型失效類型的軸承照片

3.2 數據分析

該實驗所測的數據分為3種工況,每類工況下分別測了5個軸承的全壽命周期的水平和垂直振動數據。

由于滾動軸承不同失效類型數據分析的過程相同,本文選用XJTU-SY滾動軸承試驗失效位置為外圈的振動數據進行具體分析,分別選取其正常時的軸承振動信號和外圈失效時的軸承振動信號進行時域和頻域分析。

以第1類工況的第1個軸承的振動數據為例,滾動軸承在實驗結束時出現外圈斷裂,因為其載荷施加在水平方向,故該方向的振動信號能包含更多的失效信息,故筆者分別選取其水平方向的一段正常軸承振動信號和失效時的軸承振動信號,分別做出相應的時域圖和頻譜圖。其中,正常軸承的時域圖和頻譜圖如圖4所示。

圖4 正常軸承的時域圖和頻譜圖

圖5 失效軸承的時域圖頻譜圖

對比圖(4,5)可以看出:失效軸承振動信號的幅值比正常軸承振動信號的幅值大許多,而且在2 000 Hz以下的頻率中失效軸承的幅值出現較多的高幅值,所以可以判斷為軸承出現故障。

但以上僅能看出軸承是否發生故障,并不能準確地判斷其波形的不同和發生故障時準確的頻率,故需要作進一步分析和判斷。

3.3 診斷結果分析

經過3.1節判斷后,筆者繼續對正常軸承振動信號和失效軸承振動信號進行EEMD分解,分別得到14個IMF分量。其中,正常軸承振動信號EEMD分解圖如圖6所示。

圖6 正常軸承振動信號EEMD分解圖

失效軸承振動信號EEMD分解圖如圖7所示。

圖7 失效軸承振動信號EEMD分解圖

筆者分別對正常軸承和失效軸承振動信號的各個IMF分量求峭度,如表(3,4)所示。

表3 正常軸承信號EEMD分解后各IMF分量峭度值

表4 失效軸承信號EEMD分解后各IMF分量峭度值

根據峭度準則,將表(3,4)中的各個IMF分量峭度值大于3的IMF分量選擇出來,即正常軸承中IMF分量大于3的有2、4、5、9,并將這4個IMF分量進行信號重構,對重構信號X(t)進行快速譜峭度計算,得出二維圖如圖8所示。

圖8 正常軸承重構信號后快速譜峭度圖

失效軸承中IMF分量大于3的有1、2、3、4、6、9、11,將這7個IMF分量重構信號,并對重構信號進行快速譜峭度計算,得到二維圖如圖9所示。

圖9 失效軸承重構信號后快速譜峭度圖

由圖(8,9)可知:正常軸承的中心頻率為8 kHz,帶寬為3.2 kHz。

筆者以此為依據,對重構信號進行濾波,即選擇頻率為6 400 Hz～9 600 Hz的信號,得到濾波后的信號及其上包絡線,如圖10所示。

圖10 正常軸承重構信號后濾波和包絡線

失效軸承的中心頻率為11.2 kHz,帶寬為3.2 kHz。以此為依據,筆者對重構信號進行濾波,即選擇頻率為9 600 Hz～12 800 Hz的信號,得到濾波后的信號及其上包絡線,如圖11所示。

圖11 失效軸承重構信號后濾波和包絡線

從圖(10,11)可以看出:經過快速譜峭度和帶通濾波處理后的信號能很好地將失效軸承的故障特征表現出來。

筆者分別對正常軸承和失效軸承的重構信號進行了包絡分析,得到了相應的包絡譜,再分別對正常軸承和失效軸承的重構信號進行了包絡分析,并選擇在1 000 Hz左右易于觀察的正常軸承的包絡譜和失效軸承的包絡譜進行了對比。其中,正常軸承重構信號包絡譜如圖12所示。

圖12 正常軸承重構信號包絡譜

失效軸承重構信號包絡譜如圖13所示。

圖13 失效軸承重構信號包絡譜

通過上述分析可知:軸承的失效頻率一般在1 000 Hz以下。筆者通過比較正常軸承和失效軸承的包絡譜可以發現,失效軸承在108 Hz、216 Hz、325 Hz、433 Hz出現異常波峰;

所提方法診斷出的頻率與張繼旺等人[15]提出的VMD-CNN算法所得頻率值基本相同,由此可證明該方法的有效性和準確性。

因此,結合以上的分析,可以得出滾動軸承外圈故障時的頻率在108 Hz。

4 結束語

本研究首先采用EEMD方法得出各階IMF的分量,計算出各個IMF分量的峭度值;然后，選取峭度值大于3的IMF分量進行重構信號,將重構信號進行快速譜峭度計算得到對應的二維圖,由此可得相應的中心頻率和帶寬,并進行帶通濾波處理,得出相應的包絡譜,并進行分析,判斷軸承失效時的頻率;最后，通過實例分析驗證了該方法的準確性和有效性。研究結果表明:

(1)采用EEMD方法分解振動信號解決了EMD方法出現的模態混合現象及末端效應,并且其分解效果較好;

(2)采用EEMD方法與快速譜峭度結合,并經過帶通濾波處理,對振動的降噪效果明顯,使故障特征更加突出;

(3)以西安交通大學XJTU-SY滾動軸承第1類工況的第1個軸承為例,將此正常振動數據和失效振動數據對所提方法進行對比分析,結果顯示其故障時的振動頻率為108 Hz,故所提的EEMD與快速譜峭度方法能夠實現滾動軸承的故障診斷。

在未來的研究中,可以考慮對振動信號的降噪與解調方面做進一步優化和完善。