小波分析滚动型转子故障诊断技术

第 1 章 绪论

滚动轴承的故障诊断在当今社会很多领域占据着十分重要的地位，不论是国外还是国内都发现了其内在的经济价值。如今国外在这项技术的研究已经发展的比较成熟，并正朝着智能化，集成化的方向努力发展；尽管我国目前还处于初级阶段，但是各高校纷纷结合国外的先进技术提出了自己独特的思想，并应用在实际生产之中，产生了巨大的经济效益。由于大量的旋转机械中都存在着滚动轴承，因此对设备进行实时监测与诊断，就能够避免很多不必要的经济损失甚至重大事故。

1.1 课题研究背景和意义
随着生产系统和设备的自动化、高速化和精密化的不断提升及其设备自身不断的大型化，在这个科技生产力持续发展的 21 世纪，各个部门不但对生产效率和成本提出了更高的要求，而且对设计、使用、维修也制定了更严格的标准，一个微小的故障，有时会对整个系统造成稳定性和安全性等方面的影响，甚至会导致整个系统的瘫痪。在电力、机械、航天等领域中，滚动轴承是使用最为广泛的一种机械零件，同时也是很易受到损伤的零件。因此，对滚动轴承这个至关重要的旋转零件进行故障诊断以及定期维修极大的引起了人们的重视。
滚动轴承在机械设备中是一种通用零件，也是机械设备中故障频出的部分之一，据统计在旋转机械发生的故障中，大约30%的机械故障是由滚动轴承引起的；尤其是在感应电机故障中，甚至占有 40%的比例；在齿轮箱故障中，它也仅次于齿轮故障占比达到了19%之多。查阅相关的资料，在我国，机车用的滚动轴承，每年有40%必须下车检验，而且大约33%的滚动轴承必须被更换，所以，机车轴承的故障诊断也具有很重要的意义和实用价值。除此以外，应用了故障诊断技术以后，机械设备出现故障的概率可以降低75%，用在维修方面的费用减少可达25%~50%。
实际的例子还有很多，比如，1985年，大同电厂断轴毁机事故，在短短不到40秒的时间内，发电机组全部损坏，直接损失达1000多万元；1988年，由于轴系断裂(汽轮机发电机组)，位于陕西省的秦岭发电厂发生造成经济损失约3000万元的事故。.............
.........................

第 2 章 滚动轴承振动信号的提取及小波分析基本理论

针对振动信号含有较多信息的特点，本文欲提取滚动轴承振动信号的特征来完成故障诊断。实验设备QPZZ-Ⅱ系统可以模拟滚动轴承的几种故障状态，并利用加速度传感器测量所需要的实时状态下的振动信号。对于振动信号的处理和分析，由于傅立叶变换的局限性，本文采用了处理频域信息有着得天独厚优势的小波分析法，通过本质的对比不难发现小波分析法的优势。本章主要包括三大部分，首先系统介绍本滚动轴承的结构、故障表现形式及特征参数；其次介绍对用于开展本课题研究的实验设备QPZZ-Ⅱ系统进行系统的介绍；最后，系统的阐述本文应用的基础理论小波分析。

2.1 滚动轴承的基本介绍

2.1.1 滚动轴承的结构
滚动轴承作为旋转机械的重要支撑零件主要有以下部分组成：保持架、滚动体（有球，圆柱滚子，圆锥滚子等，本文采用的是圆柱滚子）、内圈和外圈。滚动轴承具体结构。

2.1.2 滚动轴承的故障表现形式及滚动轴承的参数
一般情况下，根据振动信号的特点，把滚动轴承的失效表现形式分为两大类，一类是磨损类别（润滑不良引起轴承表面直接接触早晨的磨损或者异物落入造成的磨损），另一类是损伤类别（表面裂纹、剥落、擦伤等）。
轴承出现磨损类别的故障时候，振动信号随机性非常的强，可以根据振动水平直接诊断。而损伤类的故障才是滚动轴承最传统的故障，而且据统计，滚动体出现故障的概率很小，保持架出现故障的概率就更小了，但是内圈和外圈裂纹故障却占有 90%的概率，当然混合故障也是有可能的。本文主要研究的就是滚动体、内圈和外圈损伤类单一故障的诊断。

1．滚动轴承的故障表现形式
(1) 磨损。引起的基本原因是磨粒的存在和润滑剂的不良以及机械原因。磨损会引起振动和噪声，表面粗糙，轴承游隙的增大等后果。
(2) 塑性变形。从名称可以看出是因为轴承受到的冲击过大，或者由于压痕使载荷积累过多引起了轴承的塑性变形。
(3) 断裂。运行的时候热应力过大、载荷过大或者疲劳引起的轴承零件的破裂和裂纹。
(4) 腐蚀。不但包括化学腐蚀和电腐蚀，还有轴承套圈在座孔上微小的相对运动造成的微震腐蚀。
(5) 胶合。一般是在润滑不良、高温、重载的情况下，滚道和滚动体表面受热导致的局部融合现象。
(6) 疲劳剥落。从名称上看，是因为开始在表面有一定的裂纹，之后不断的扩展形成剥落坑，最后发展到大片剥落。

2．滚动轴承的参数
不同的滚动轴承，其特征故障频率也是不一样的，本身的固有频率也是不同的。故障特征频率是我们小波包络谱分析的关键。
对旋转机械多种状态及振动可以实现快速模拟，各种状态的对比分析及诊断可以轻松完成；特别是在世界范围内首创了各种齿轮轴不对中的模拟试验方法。..................
.......................

第 3 章 基于小波阈值去噪的振动信号预处理 ....................................18
3.1 小波去噪法中小波基函数的选择...................................................18
3.1.1 基础知识阐述................................................................................18
3.1.2 基于信噪比的小波基函数选取......................................................21
3.2 对振动信号应用 SQTWOLOG
规则阈值门限的小波阈值去噪预处理 ................................................22
3.2.1 硬阈值、软阈值函数和半软阈值函数.........................................22
3.2.2 阈值门限的选取............................................................................23
3.2.3 小波阈值去噪法的步骤.................................................................25
3.3 小波阈值去噪的仿真结果分析.......................................................25
3.4 本章小结 ..........................................................................................26
第 4 章 基于小波变换和 HILBERT
变换的包络分析方法研究......................................................................27
4.1 选取最优小波变换的小波基函数.......................................................27
4.2 基于滤波器组的快速小波分解 .......................................................28
4.2.1 基于滤波器组快速小波分解的基本原理...................................29
4.3 基于 HILBERT 变换的包络谱分析法故障诊断 ..........................30
4.3.1 包络谱分析的流程........................................................................30
4.3.2 Hilbert 变换原理概述 ..................................................................30
4.4 滚动轴承故障诊断仿真结果分析..................................................31
.................................

结 论
本文应用 QPZZ-Ⅱ系统对滚动轴承进行故障模拟并获得振动信号数据，主要针对型号为 N205EM 的滚动轴承的故障进行故障诊断。诊断过程主要分为两个阶段，一个阶段是应用小波去噪过滤对故障特征信号有影响的噪声，另一个阶段是对去噪后的振动信号进行分析诊断。第一阶段的小波去噪，分别采用了硬阈值、软阈值和半软阈值的方法，每次根据三种之中效果最好的方法进行去噪处理。第二阶段的故障诊断分别构建了两种模型，一个是小波包络法分析诊断，另一个是递归小波分解结合神经网络进行诊断。在小波包络法中，采用的是快速小波分解很好的提升了分解的效率，可以清晰的从包络谱中看到故障频率的存在；本文创新应用递归小波分解提取振动信号的特征相量，并联合SOM 神经网络很好的解决滚动轴承的故障诊断问题。最后，研究结果表明：两种方法诊断效果都很优异，各有优缺点，小波包络分析法图形直观但当振动信号不明显时不易观察，而递归小波结合神经网络结果直观无需观察，但是特征提取时速度较慢。
全文的主要工作及得到的主要结论总结如下：
1. 基于小波分解的三种去噪方法的选择
故障诊断需要提取的特征相量往往容易受到噪声的影响而变得不易提取出来，因此过滤噪声就成为了故障诊断效率高低的一个很关键的因素。本文根据以上特点，采用三种典型的去噪方法，并根据衡量标准信噪比和均方误差来决定那种方法去噪效果最佳，根据上述标准判断，去噪效果良好。
2. 基于小波分解的包络谱分析
针对去噪后的振动信号，并根据小波基函数相似性系数选择合适的小波基函数进行小波分解，本文在包络分析中创新应用小波快速分解，不但得到相应的小波系数而且提高了效率，对小波系数进行重构的第一层和第四层的小波系数进行 Hilbert 变换，求出包络谱并进行分析。研究结果表明第一层包络频率以故障频率极其倍频呈现幅值状态，第四层包络以主频和边频的形式呈现幅值状态，分析结果较好，能完成滚动轴承的故障诊断。.......

参考文献
[1] 陈进. 机械设备振动监测与故障诊断[M].上海：上海交通大学出版社，1999：10-35
[2] 周福昌. 基于循环平稳信号处理的滚动轴承故障诊断方法研究[D]. 上海交通大学，2006：1-10
[3] 屈梁生，何正嘉. 机械故障诊断学[M]. 上海: 上海科学技术出版社，1986：1-40
[4] 黄文虎，夏松波，刘瑞岩. 设备故障诊断原理技术及应用[M]. 北京：科学出版社，1996：10-45
[5] 徐敏， 黄邵毅. 设备故障诊断手册--机械设备状态检测和故障诊断[M]. 西安：西安交通大学出版社, 1998:5-30
[6] 程道来，吴茜，吕庭彦，等. 国内电站故障诊断系统的现状及发展方向[J]. 动力工程，1999，19(1):53-57
[7] 高毅龙.数据挖掘技术及其在工程诊断中的应用[D]. 西安：西安交通大学，2000：1-10
[8] 赵明元，朱衡君. 机车轴承故障诊断与预测方法[J]. 机车电传动，2005(5)：58-60
[9] 谢宝义. 工程机械状态检测与故障诊断技术[J]. 计量与测试技术，2002(4)：40-43
[10] 梅宏斌. 滚动轴承振动监测与诊断[M]. 北京: 机械工业出版社，1995：1:45