基于循环平稳信号二维平面表示的滚动轴承早期故障诊断方法研究

【摘要】：旋转机械结构复杂，对运转条件要求较高，滚动轴承的任何轻微故障都有可能改变其自身的运转状态，进而牵连到其它部件，引发一系列连锁反应，导致设备性能下降，甚至产生并发故障。如何提取滚动轴承的微弱故障特征，揭示其早期、微弱、潜在故障及其发生、发展和转移，是设备状态监测和故障诊断面临的巨大挑战。旋转机械在运转过程中，尤其是在故障状态下，其物理参数具有周期时变的特点，呈现循环平稳特征。从故障的物理本质入手，洞悉故障产生机理，是识别微弱故障特征的关键。 本文以实现滚动轴承早期故障特征提取为目的，针对旋转机械设备发生故障时具有循环平稳和非高斯的特点，通过研究基于二阶和三阶循环统计量的二维表示方法，有效实现旋转机械早期故障智能预示。研究内容如下： (1)本文首先分析滚动轴承初期故障特点及类型，引入滚动轴承故障信号模型，将其分为确定性信号分量和随机信号分量，研究了其各自频谱特点：滚动轴承故障信号模型的确定性信号分量的频谱是离散频谱；而随机信号分量的功率谱密度函数是连续频谱。分析表明由于故障冲击周期的不严格确定（轴承转速的波动，滚动体接触角的改变等影响），滚动轴承故障信号频谱中的离散谱线会因此被连续频谱模糊，故障特征频率也就很难从信号的频谱中看到。 (2)根据滚动轴承等旋转机械设备关键部件的（正常/故障）振动信号具有明显的周期时变特征，采用二阶循环统计量理论（谱相关密度函数、谱相干函数）进行信号分析，做基于循环频率—频率二维表示的特征提取技术，在α f平面上有效提取噪声干扰下的早期微弱故障特征。 (3)由于时频分辨率、信号多分量导致的交叉项以及背景噪声的干扰等不利因素的影响，使时频二维表示得到的机械故障特征往往不够直观且对于故障早期诊断可靠性低。针对具有循环平稳特性的滚动轴承振动信号，本文研究了基于时间-频率二维信息的特征提取方法。尝试根据其谱相关密度函数与Wigner-Ville分布之间的函数关系，利用长数据序列计算得到循环谱密度重构Wigner-Ville分布。结果证明基于谱相关密度函数的Wigner-Ville分布可以极大削弱噪声对时频图的干扰，并且有很好的时频聚集性。 (4)在滚动轴承的早期故障监测过程中，由于微弱损伤激发的能量很小，易于淹没在背景噪声和较强的干扰之中，使得故障信息提取的难度加大，有时采用二阶循环统计量也不能有效地提取故障特征。因此采用的信号分析方法的抗噪性能显得尤为重要。理论上，在保证足够采样数据长度的情况下，高阶循环统计量对于任何高斯与非高斯噪声都是自然免疫的。 高阶循环统计量从实用的角度考虑，最常用的是三阶循环矩、三阶循环累积量、三阶循环矩谱、三阶循环累积量谱。本文重点研究了三阶循环累积量谱。三阶循环累积量谱，也称循环双谱，是含有三个参变量的多维函数。除了利用理论推导之外，用传统的谱分析表述方法很难将循环双谱表述清楚。若完整表述它则需要三根不同的频率轴——循环频率α轴、时延频率f1轴和时延频率f2轴，在传统的三维空间中无法完全表述其面貌。因此，我们研究了基于循环双谱的双频率二维表示的特征提取与智能诊断技术，将低阶循环平稳分析中的切片分析方法引入到高阶循环平稳分析之中。通过仿真和实验验证了，若选取合适的循环频率所得到的循环双谱的二维表示图谱更有特点。如当α=fn时，所得循环双谱切片图是一个关于中心频率f n成六边形的规则图谱。六边形的顶点与中心频率及故障特征频率之间有特定的关系。可以尝试由此处循环双谱切片进行故障信号特征提取，使高阶循环平稳分析结果更加直观。 由于循环双谱一次切片具有对称性，图谱上重复冗余信息比较多；另外，循环双谱特定频率下的一次切片谱是双频率轴的三维图谱，即便做成等高线图，对于故障特征的展示也不清晰和直接。在证明了循环双谱一次切片的有效性的基础上，本文尝试按照传统的双谱的分析方法，对特定循环频率α对应的循环双谱一次切片做进一步的切片，使其成为一个清晰的二维图谱。我们称最后得到的二维图谱为一个循环双谱的二次切片。