![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于加权联合提升包络谱的轴箱轴承故障诊断.pdf
《基于加权联合提升包络谱的轴箱轴承故障诊断.pdf》由会员分享,可在线阅读,更多相关《基于加权联合提升包络谱的轴箱轴承故障诊断.pdf(9页珍藏版)》请在咨信网上搜索。
1、文章编号:0258-2724(2024)01-0142-09DOI:10.3969/j.issn.0258-2724.20220019专栏:机械装备故障预测与健康管理(PHM)前沿技术基于加权联合提升包络谱的轴箱轴承故障诊断程尧1,陈丙炎1,张卫华1,李夫忠2(1.西南交通大学轨道交通运载系统全国重点实验室,四川成都610031;2.成都运达科技股份有限公司,四川成都610097)摘要:为解决列车轴箱轴承微弱故障特征在宽频带上难以提取的问题,基于轴承故障信号的二阶循环平稳特性,提出了一种利用加权联合提升包络谱进行故障诊断的方法.首先,利用谱相干算法将振动信号分解到由频谱频率和循环频率构成的双频
2、域,实现振动信号在全频带内的精细化解调,并基于谱相干的局部特征识别轴承候选故障频率;接着,利用 1/3 二叉树滤波器将频谱频率分割为不同中心频率和带宽的窄带,在窄带内沿着频谱频率对谱相干的模进行积分,得到窄带提升包络谱;然后,以候选故障频率在窄带提升包络谱中的能量占比为诊断性指标,在每一分解层上构造联合提升包络谱;最后,对不同分解层的联合提升包络谱进行加权平均,得到轴承振动信号的加权联合提升包络谱.轨道车辆轴箱轴承台架试验信号的研究结果表明:所提方法的优势在于能充分整合分布于不同窄带内的轴承故障信息,且不依赖于名义故障周期信息;和现有方法相比,能更有效地揭示轴承故障特征频率及其谐波特征,在提取
3、和识别轴箱轴承微弱故障方面具有一定优势.关键词:轴箱轴承;故障诊断;多频带故障特征提取;加权联合提升包络谱;谱相干中图分类号:U260;U270文献标志码:AFault Diagnosis of Axle-Box Bearing Based onWeighted Combined Improved Envelope SpectrumCHENG Yao1,CHEN Bingyan1,ZHANG Weihua1,LI Fuzhong2(1.StateKeyLaboratoryofRailTransitVehicleSystem,SouthwestJiaotongUniversity,Chengdu
4、610031,China;2.ChengduYundaTechnologyCo.,Ltd.,Chengdu610097,China)Abstract:Sincetheweakfaultfeatureoftrainaxle-boxbearingsisdifficulttobeextractedinawidefrequencyband,thispaperproposesaweightedcombinedimprovedenvelopespectrum(WCIES)forfaultdiagnosisbasedonthesecond-ordercyclostationaryofbearingfault
5、signals.First,thefinedemodulationofthevibrationsignalinthe full frequency band is achieved by decomposing the vibration signal into the dual-frequency domaincomposed of spectral and cyclic frequencies through the spectral coherence algorithm.The candidate faultfrequencyofthebearingisidentifiedbasedo
6、nthelocalfeatureofspectralcoherence.Then,the1/3-binarytreefilterisappliedtodividethespectralfrequencyintoaseriesofnarrowbandswithdifferentcenterfrequenciesandbandwidths,andthemodeofspectralcoherenceisintegratedalongthespectralfrequencyinthenarrowbandtoobtainthenarrowbandIES.Then,theCIESofeachdecompo
7、sitionlayerisconstructedbytakingtheratiooftheenergyofthecandidatefaultfrequencyinthenarrowbandIESasthediagnosticindex.Finally,theweightedaverageoftheWCIESofdifferentdecompositionlayersisperformed,andtheWCIESofthebearingvibrationsignalisobtained.Theresearchresultsshowthattheadvantageoftheproposedmeth
8、odisthatitcanfullyintegratethebearingfaultinformationdistributedindifferentnarrowbandsanddoesnotdependonthenominalfaultperiodinformation.Comparedwiththeexistingmethods,itcanmoreeffectivelyrevealthecharacteristic收稿日期:2021-01-06修回日期:2022-05-09网络首发日期:2022-05-11基金项目:国家重点研发计划(2021YFB3400703);中央高校基本科研业务费专
9、项资金(2682021CG003,2682021CX090)第一作者:程尧(1990),男,助理研究员,博士,研究方向为列车传动系统轴承故障诊断与信号分析,E-mail:引文格式:程尧,陈丙炎,张卫华,等.基于加权联合提升包络谱的轴箱轴承故障诊断J.西南交通大学学报,2024,59(1):142-150CHENGYao,CHENBingyan,ZHANGWeihua,etal.Faultdiagnosisofaxle-boxbearingbasedonweightedcombinedimprovedenvelopespectrumJ.JournalofSouthwestJiaotongUniv
10、ersity,2024,59(1):142-150第59卷第1期西南交通大学学报Vol.59No.12024年2月JOURNALOFSOUTHWESTJIAOTONGUNIVERSITYFeb.2024frequencyandharmoniccharacteristicsofbearingfaultsandhasadvantagesinextractingandidentifyingweakfaultsofaxle-boxbearings.Key words:axle-boxbearing;faultdiagnosis;Multibandfaultfeatureextraction;weigh
11、tedcombinedimprovedenvelopespectrum;spectralcoherence轴箱轴承是列车走行部的精密机械部件之一,其在恶劣的工作条件下受到轴向与径向载荷、瞬态/循环冲击以及各种外部激励的影响,容易在内部诱发疲劳损伤1.如果不及时实施适当的维护策略,容易引起机械系统故障,可能造成重大经济损失.因此,轴箱轴承的早期故障诊断对确保铁道车辆的安全性和可靠性至关重要2-4.局部损伤周期性地通过轴承承载区时可激起一系列瞬态冲击,这在振动信号中表现为二阶循环平稳性.谱相关(spectralcorrelation,SC)/谱相干(spectralcoherence,SCoh)能
12、将振动信号分解到由频谱频率和循环频率组成的双频域,是揭示旋转机械振动信号二阶循环平稳特征的典型方法5.基于全频谱频带信息构造增强包络谱是识别轴承故障的有效方法6,但容易受到宽带噪声的污染.因此,如何识别包含故障信息的频谱频率窄带,进而构造谱分析工具是诊断轴承微弱故障的关键.Wang 等7基于最大化 L2/L1范数筛选具有固定带宽的频谱频带,在窄带频谱频带内对谱相干的模进行积分,生成提升包络谱(improvedenvelopespectrum,IES),实现了滚动轴承故障识别.Mauricio 等8提出了 IESFOgram,利用1/3-二叉树滤波器将频谱频带划分为不同的窄带,基于故障特征频率(
13、faultcharacteristicfrequency,FCF)选择信息性窄带生成 IES,在不同条件下实现了滚动轴承的故障识别.类似地,Cheng 等9提出了IESCFFOgram,采用与 IESFOgram 类似的频谱频带划分策略,根据谱相干的局部特征识别可能与故障相关的候选故障频率(candidatefaultfrequencies,CFFs),构造与 CFFs 相关的指标指导信息性频谱频带识别,解决了转速信息难以准确获取情况下的轴承故障诊断.上述这些方法为识别 SCoh 的信息性频谱频率窄带提供了思路,但当故障信息分布在多个窄带时,容易造成故障信息的遗漏.为此,Mauricio 等1
14、0在IESFOgram 的基础上,基于 FCF 构造关于频谱频率的权重函数,沿频谱频率对 SCoh 的模进行加权积分得到联合 IES.类似地,基于 FCF 的 Alpha 最大化提升包络谱11、加权包络谱12、加权联合包络谱13等被提出并用于旋转机械故障诊断.然而,实际轴转速在名义转速附近的小幅波动可能会对基于FCF的方法产生不利影响,极易误导信息性频谱频带识别与多频带故障信息整合.因此,当转速信息不可知或不准确的情况下,如何利用 SCoh 本身的特征,构建不依赖于 FCF 的谱分析工具来实现轴承微弱故障识别显得尤为关键.为此,本文基于 CFFs 提出了一种加权联合 IES(weightedc
15、ombinedIES,WCIES)的构造方法,在不借助 FCF 的条件下实现了多频谱频带故障信息提取.首先,利用 SCoh 将振动信号分解到双频域,采用 IESCFFOgram9的思路,基于 SCoh 模的局部特征识别可能与故障相关的 CFFs;接着,采用 1/3-二叉树滤波器分割 SCoh 的频谱频带,在每一窄带内沿频谱频率对 SCoh 的模进行积分,得到窄带 IES;然后,利用 CFFs 在每一分解层上构造 CIES;最后,对不同分解层的 CIES 进行加权求和,得到 WCIES.该方法不依赖于名义故障周期信息,可利用多个信息性频谱频带构造谱分析工具.轨道车辆轴箱轴承台架试验数据分析结果表
16、明,WCIES 在提取和识别轴箱轴承微弱故障方面具有优势.1 谱相关/干理论信号 x(tg)的 SC 定义为其自相关函数的双傅里叶变换14,如式(1).S(,f)=limN1KNg=N+h=R(tg,h)ej2gFsej2hfFs,(1)式中:K=(2N+1)Fs,N 为信号长度,Fs为采样频率;R(tg,h)为 x(tg)的瞬时自相关函数,tg=g/Fs为采样时刻,h为延迟因子,g、h 分别为时间和延迟因子指针;为循环频率;f 为频谱频率.本文选用基于短时傅里叶变换的 FastSC 算法14估计 SC.对 SC 进行归一化处理即可得到信号的SCoh14,如式(2).(,f)=S(,f)/S(
17、0,f)S(0,f).(2)沿着频谱频率对 SCoh 的模积分可得到增强包第1期程尧,等:基于加权联合提升包络谱的轴箱轴承故障诊断143EEES()络谱(enhancedenvelopespectrum,EES,)14,如式(3).EEES()=2FswFs/20|(,f)|df.(3)IIES()当轴承故障特征较为微弱时,频谱频带内的干扰(如随机脉冲、白噪声等)极易淹没 EES 中的故障信息.为此,更有效的方法是在携带故障信息的频谱频率窄带f1,f2上构造 IES()14:IIES()=1f2 f1wf2f1|(,f)|df.(4)由此可知,生成具有诊断信息的 IES 的关键是识别信息性频谱
18、频带.2 加权联合提升包络谱 2.1 候选故障频率识别当 是轴承故障相关频率时,振动信号在频率 处就可能具有二阶循环平稳性,在 SCoh 表现为频谱频率切片(,)的模沿着循环频率轴方向上具有一系列局部最大值.可见,充分挖掘 SCoh 的局部特征信息,有助于识别 CFFs.首先,为剔除噪声对识别 CFFs 的影响,基于中值滤波对 SCoh 进行降噪处理15:(,f)=|(n,fm)|median(|(,fm)|)+,(5)式中:n为离散循环频率,n=1,2,G,G为离散值环频率数量;fm为离散频谱频率m=1,2,M,M 为离散频谱频率的数量;median()代表中值滤波;算子+将所有小于 0 的
19、数置零;=nr,nr,是以 n为中心的邻域,为循环频率的分辨率,参数 r 通常在 550 取值效果较好,本文选取 k=20.接着,采用 IESCFFOgram9的思路识别 CFFs.对任意 fm,定义:(n,m)=1,|(n,fm)|=max|(n+l,fm)|LlL,0,其他,(6)式中:参数 L 决定了循环频率切片(,fm)模的局部最大值的稀疏程度,在5,15之间取值时效果较好,本文取 L=5.定义(n,)上局部最大值的数量为(n),则有(n)=Mm=1(n,m).(7)当 n为轴承故障相关频率时,(n)的值倾向于更大.为此,对(n)按照大小进行排序,得到(1)(2)(G)(n)=(n+1
20、)(n)=(kn)(n+1)=(kn+1).如果,则存在ki和 ki+1使得(ki)(ki+1)成立,其中和,函数()定义为(n)=Mm=1(n,m)(n,fm).(8)(d)(d)(d=1,D选 取 前 D 个 最 大所 对 应 的 循 环 频 率)作为 CFFs,则有(d)=n|(n)=(d).(9)当 D 过小时,导致无法识别到足够多与故障相关的频率;当 D过大时,在 CFFs 中引入过多与故障无关的频率.因此,需通过合理设置参数 D,以确保CFFs 主要包含与轴承故障相关的频率成分.考虑到故障特征频率及其谐波的数量大致正比于最大的循环频率,为此将参数 D 设置为D=pmax,(10)式
21、中:max为最大的循环频率;p 为比例参数,建议在0.01,0.10内取值,本文选取 p=0.05.需要指出的是,利用式(10)确定参数 D 的优势在于不受循环频率分辨率的影响.2.2 基于 1/3-二叉树的频谱频带分割IIESl,kIIESl,kIIESl,k首先,使用 1/3-二叉树结构滤波器组分割频谱频带,得到具有不同中心频率和带宽的频谱频率窄带.第 l(l=0,1.0,1.6,2.0,2.6,3.0,)层的第 k(k=1,2 l)个窄带 Bl,k=Fs(k1)/2 l+1,Fsk/2 l+1,中心频率 fc=Fs(2k1)/2 l+1,带宽 Bw=Fs/2 l+1.利用式(4)计算由
22、Bl,k决定的 IES,得到.接着,将在CFFs 处的能量与整个的能量比 EERl,k作为诊断性指标:EERl,k=Dd=1?IIESl,k(d)?2/Gn=1?IIESl,kn?2.(11)EERl,k量化了窄带 Bl,k中故障相关的二阶循环平稳特征信息的丰富程度;EERl,k越大,表明窄带 Bl,k所包含的故障信息越多.2.3 WCIES 构造方法利用 CFFs 与频谱频带分割策略,实现了窄带 Bl,k的诊断性信息的量化评估.基于此,借鉴 Autogram16的思想,在每一分解层上选取具有诊断信息的窄带IES 构造CIES,再对CIES 进行加权平均得到WCIES,具体如下:IIESl,k
23、1)在第 l 层上计算所有诊断性指标的最大值为EERl,max=maxEERl,k.(12)将 Sl=0.5EERl,max设为阈值,作为识别第 l 层中144西南交通大学学报第59卷信息性IES 的依据.CCIESl()2)在每一分解层数上,将识别的信息性 IES 进行平均,得到为CCIESl()=1H(l)2lk=1I(EERl,max Sskl)IIESl,k(),(13)式中:H(l)为第 l 层的信息性 IES 的数量;I()为示性函数,取值 0 或 1,且仅在 EERl,kSl成立时取值为 1.WWCIES()3)最后,对每一分解层的 CCIESl()进行加权求和,得到 WCIES
24、()为WWCIES()=Nl=1W(l)CCIESl(),(14)CCIESl()式中:W(l)为第 l 层的权重函数,由的诊断性指标 EERl(参照式(11)计算)决定:W(l)=EERl/Nl=1EERl.(15)2.4 算法流程基于 CFFs 与频谱频带分割构造 WCIES 进行轴箱轴承故障诊断的算法流程如图 1,具体如下:轴箱轴承振动信号基于 Fast SC 估计振动信号的 SCoh基于 SCoh 模的局部最大值识别 CFFs基于 1/3-二叉树滤波器组分割频谱频带基于 CFFs 构造诊断性指标,在每一分解层上计算 CIES对 CIES 进行加权求和,得到 WCIES图1WCIES 流
25、程Fig.1SchematicdescriptionoftheproposedWCIES步骤 1基于采集设备获得车辆轴箱振动信号;步骤 2基于 FastSC 算法估计信号的 SCoh;步骤 3基于 SCoh 的局部特征识别 CFFs;步骤 4利用 1/3-二叉树滤波器组分割 SCoh的频谱频带,计算每一窄带 IES 的诊断性指标;步骤 5计算每一分解层的诊断性指标阈值,利用识别的信息性 IES 构造 CIES;步骤 6采用式(14)计算每一分解层的权重,并对 CIES 进行加权平均,得到 WCIES,基于 WCIES中的故障特征频率及其谐波识别故障类型.3 轴箱轴承故障检测 3.1 实验说明本
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 加权 联合 提升 包络 轴箱 轴承 故障诊断
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。