鼓風(fēng)機(jī)軸承故障實(shí)驗(yàn)信號(hào)分析案例目錄TOC\o"1-3"\h\u31335鼓風(fēng)機(jī)軸承故障實(shí)驗(yàn)信號(hào)分析案例 1108271.1實(shí)驗(yàn)裝置以及信號(hào)采集過(guò)程 1193021.2MCKD算法軸承故障診斷流程 2248101.3鼓風(fēng)機(jī)軸承實(shí)測(cè)信號(hào)分析 2215851.3.1鼓風(fēng)機(jī)軸承內(nèi)圈實(shí)測(cè)信號(hào)分析 2171441.3.2MCKD鼓風(fēng)機(jī)軸承外圈實(shí)測(cè)信號(hào)分析 8實(shí)驗(yàn)裝置以及信號(hào)采集過(guò)程為了體現(xiàn)數(shù)據(jù)的可靠度，本次設(shè)計(jì)使用國(guó)外知名大學(xué)公布的軸承實(shí)驗(yàn)數(shù)據(jù)作為風(fēng)機(jī)軸承數(shù)據(jù)。試驗(yàn)需要使用到的具體的設(shè)備如下圖4-1所示。該實(shí)驗(yàn)裝置包括四個(gè)部分，分別是2馬力電機(jī)、扭矩傳感器/解碼器、功率表、電子控制裝置。整體的安裝布局安照從左至右的順序，其中電機(jī)的功率為1.5kW。本次設(shè)計(jì)選用了型號(hào)為SKF6205的電機(jī)軸支撐軸承作為測(cè)試對(duì)象。對(duì)其進(jìn)行電火花加工并造成軸承單點(diǎn)損壞，形成點(diǎn)蝕故障。本文采用內(nèi)外環(huán)故障數(shù)據(jù)如下，斷層直徑0.014英寸、斷層深度0.011英寸、由于使用國(guó)外的數(shù)據(jù)，與要對(duì)其進(jìn)行換算，按1英寸約2.54cm進(jìn)行換算得出二者的尺寸分別為1.016和0.02794，單位毫米，每秒采集12000次數(shù)據(jù)，采樣點(diǎn)設(shè)置為8,192個(gè)。軸的速度是每分鐘1470轉(zhuǎn)。風(fēng)機(jī)軸承的具體參數(shù)為：風(fēng)機(jī)軸承內(nèi)圈直徑、外圈直徑、厚度、滾動(dòng)體直徑、中徑分別為25、52、15、7.94、39.04，單位統(tǒng)一使用毫米。滾動(dòng)體個(gè)數(shù)和軸轉(zhuǎn)動(dòng)頻率分別為9個(gè)和24.5Hz。圖STYLEREF1\s4SEQ圖\*ARABIC\s11實(shí)驗(yàn)采集裝置在本實(shí)驗(yàn)中，將人工加工點(diǎn)蝕故障固定在軸承外圈固定位置，從而建立不同位置的的點(diǎn)蝕斷層，并對(duì)點(diǎn)蝕斷層的影響進(jìn)行定量研究，位置參考3、6和12點(diǎn)鐘三個(gè)位置。用于振動(dòng)分析的加速度信號(hào)是加速度傳感器通過(guò)磁座吸附在驅(qū)動(dòng)電機(jī)的軸承殼體和風(fēng)扇端上。通過(guò)對(duì)數(shù)據(jù)記錄器加速度信號(hào)進(jìn)行采集，采集過(guò)程中注意對(duì)頻率為48kHz的數(shù)據(jù)進(jìn)行采集。電機(jī)功率和轉(zhuǎn)軸轉(zhuǎn)速由扭矩傳感器/解碼器測(cè)量，后續(xù)的數(shù)據(jù)文件在Matlab中進(jìn)行處理。MCKD算法軸承故障診斷流程粒子群算法的尋求濾波器長(zhǎng)度和解卷積周期的最優(yōu)解時(shí)，通過(guò)初始化處理之后形成一定數(shù)量的隨機(jī)粒子，全局最優(yōu)解可以通過(guò)將粒子進(jìn)行多次迭代獲得，在進(jìn)行每次的迭代時(shí)，粒子會(huì)對(duì)自己進(jìn)行更新，通過(guò)選取兩個(gè)極值來(lái)實(shí)現(xiàn)更新，兩個(gè)值分別是個(gè)體極值和全局極值，個(gè)體極值是指粒子自身尋找獲得的最優(yōu)值，而全局極值是尋找種群獲得的最優(yōu)值，粒子群利用該極值搜索解空間上的最優(yōu)位置，在下文進(jìn)行詳細(xì)的流程介紹：1）：將數(shù)值完成初始化，并設(shè)置相應(yīng)的參數(shù)，完成設(shè)置后通過(guò)對(duì)參數(shù)的尋優(yōu)找到最大故障特征值所對(duì)應(yīng)的點(diǎn)。2）：根據(jù)要求明確粒子全局極值與個(gè)體極值，可以通過(guò)求出粒子最佳適應(yīng)度完成。3）：對(duì)所有粒子所在位置與速度進(jìn)行改變，判斷完成位置、速度改變的粒子是否處于規(guī)定的區(qū)間內(nèi)。4）：若結(jié)果符合要求即刻終止迭代，并對(duì)其進(jìn)行分析處理，反之需要一步跳轉(zhuǎn)。鼓風(fēng)機(jī)軸承實(shí)測(cè)信號(hào)分析本部分通過(guò)點(diǎn)蝕試驗(yàn)對(duì)鼓風(fēng)機(jī)軸承點(diǎn)蝕故障的信號(hào)進(jìn)行了分析，采集了驅(qū)動(dòng)端內(nèi)外環(huán)在不同載荷下的數(shù)據(jù)，并對(duì)兩組實(shí)驗(yàn)信號(hào)進(jìn)行了分析。綜合考慮，本文的重點(diǎn)研究對(duì)象是0.014英寸的斷層直徑。鼓風(fēng)機(jī)軸承內(nèi)圈實(shí)測(cè)信號(hào)分析對(duì)加速度傳感器從驅(qū)動(dòng)端內(nèi)圈采集的信號(hào)進(jìn)行故障分析，具體參數(shù)如下，載荷1馬力，大約電機(jī)轉(zhuǎn)速為1470轉(zhuǎn)/秒，采集樣品頻率為12000Hz，點(diǎn)數(shù)為8192，轉(zhuǎn)頻24.5Hz，內(nèi)圈故障特征頻率132.92Hz。粒子群種群設(shè)置為10，進(jìn)化次數(shù)為50。利用粒子群算法得到的尋優(yōu)結(jié)果如圖4-2所示，從圖4-2中，可以看到初始種群產(chǎn)生后代的代數(shù)與故障特征比的規(guī)律性之間的關(guān)系。由于粒子群追求的是結(jié)果的最小值，而故障特征比越大，信號(hào)分解效果越好，所以結(jié)果處的最小負(fù)值就是最大的故障特征比。最佳參數(shù)濾波器長(zhǎng)度F為137，解卷積周期為10，然后用最佳參數(shù)對(duì)信號(hào)進(jìn)行分析。圖STYLEREF1\s4SEQ圖\*ARABIC\s12粒子群算法的尋優(yōu)結(jié)果圖STYLEREF1\s4SEQ圖\*ARABIC\s13原始信號(hào)波形圖-內(nèi)圈圖STYLEREF1\s4SEQ圖\*ARABIC\s14原始信號(hào)頻譜-內(nèi)圈圖STYLEREF1\s4SEQ圖\*ARABIC\s15原始信號(hào)包絡(luò)譜-內(nèi)圈從圖4-3、圖4-4以及圖4-5中可以看出：圖4-3中原始信號(hào)中混雜各種雜亂的沖擊信號(hào)，無(wú)法提取有效信息。而在圖4-5中雖然可以看到內(nèi)圈故障頻率突出，然而，其余的倍頻峰值顯然是雜亂無(wú)章的，受到噪聲的干擾，沒(méi)有相當(dāng)?shù)臅r(shí)間間隔，沒(méi)有規(guī)律。因此，不能依靠它來(lái)進(jìn)行準(zhǔn)確的故障診斷。由此得傳統(tǒng)的頻譜、包絡(luò)譜直接分析手段有時(shí)是無(wú)效的。由于最大相關(guān)峭度解卷積算法受到濾波器長(zhǎng)度和解卷積周期兩個(gè)參數(shù)的影響，處理結(jié)果受到主觀影響，下面以隨機(jī)參數(shù)F=100、T=150和粒子群算法找到的最優(yōu)參數(shù)F=137、T=10進(jìn)行對(duì)比。圖STYLEREF1\s4SEQ圖\*ARABIC\s16[100,150]參數(shù)組合信號(hào)波形圖圖STYLEREF1\s4SEQ圖\*ARABIC\s17[137,10]參數(shù)組合信號(hào)波形圖圖STYLEREF1\s4SEQ圖\*ARABIC\s18[100,150]參數(shù)組合信號(hào)頻譜圖圖STYLEREF1\s4SEQ圖\*ARABIC\s19[137,10]參數(shù)組合信號(hào)頻譜圖圖STYLEREF1\s4SEQ圖\*ARABIC\s110[100,150]參數(shù)組合信號(hào)包絡(luò)譜圖圖STYLEREF1\s4SEQ圖\*ARABIC\s111[137.10]參數(shù)組合信號(hào)包絡(luò)譜圖由上文得到了隨機(jī)參數(shù)和最優(yōu)參數(shù)，將二者進(jìn)行對(duì)比可以發(fā)現(xiàn)：(1)兩者的時(shí)域波形中都存在大量的雜波沖擊信號(hào)，但在最優(yōu)參數(shù)下，雜波影響明顯較小，且信號(hào)的周期性明顯增強(qiáng)。(2)如圖4-10所示：隨機(jī)參數(shù)的信號(hào)包絡(luò)譜特征不明顯，僅存在265.5Hz和528.1Hz兩個(gè)明顯的峰值且是故障的倍頻，基頻分量存在大量的噪聲干擾無(wú)法得出有價(jià)值的信息，因此隨機(jī)參數(shù)不能作為突出故障特征頻率的有限參數(shù)。由于無(wú)法獲取故障信息，不能對(duì)軸承進(jìn)行有效診斷。(3)從圖4-11最佳參數(shù)下的包絡(luò)譜可以清楚地看出：故障特征頻率的單頻峰值為131.3Hz、二次諧波峰值為265.6Hz、三次諧波峰值為396.9Hz。另外，從包絡(luò)譜中可以清晰地看到故障頻率的其他倍頻現(xiàn)象，進(jìn)一步驗(yàn)證了參數(shù)優(yōu)化MCKD對(duì)信號(hào)中微弱故障特征的較強(qiáng)提取能力。根據(jù)這些特征，就足以判斷軸承故障發(fā)生的位置。為了進(jìn)一步對(duì)其進(jìn)行驗(yàn)證，使用EMD算法對(duì)同一內(nèi)環(huán)故障信號(hào)進(jìn)行了處理，得到了時(shí)域、頻域和包絡(luò)譜。雖然可以看到故障倍頻的前三個(gè)峰值，但不如MCKD算法的包絡(luò)譜準(zhǔn)確。相對(duì)而言，在這種情況下，要想提升振動(dòng)信號(hào)分析和故障診斷的有效度，就需要使用MCKD算法進(jìn)行分析。圖STYLEREF1\s4SEQ圖\*ARABIC\s112EMD分解IMF分量時(shí)域圖圖STYLEREF1\s4SEQ圖\*ARABIC\s113EMD分解IMF分量頻域圖圖STYLEREF1\s414EMD算法包絡(luò)譜MCKD鼓風(fēng)機(jī)軸承外圈實(shí)測(cè)信號(hào)分析對(duì)鼓風(fēng)機(jī)軸承外圈實(shí)測(cè)信號(hào)進(jìn)行故障分析，這里需要通過(guò)加速度計(jì)采集相應(yīng)的信號(hào)，風(fēng)機(jī)軸承故障特征頻率為87.59Hz。將粒子群種群和進(jìn)化次數(shù)為分別設(shè)置為10和30。粒子群優(yōu)化算法的優(yōu)化結(jié)果如圖4-14所示：從圖中可知，第23代故障特征比最大為0.3935。最優(yōu)參數(shù)濾波器長(zhǎng)度F取值為50，反褶積周期為57，然后用最優(yōu)參數(shù)對(duì)信號(hào)進(jìn)行分析。圖STYLEREF1\s4SEQ圖\*ARABIC\s115粒子群算法的尋優(yōu)結(jié)果圖STYLEREF1\s416原始信號(hào)波形圖-外圈圖STYLEREF1\s4SEQ圖\*ARABIC\s117原始信號(hào)頻譜-外圈圖STYLEREF1\s418原始信號(hào)包絡(luò)譜-外圈同理內(nèi)圈，觀察以上三圖可得：從圖4-16中可見(jiàn)，原始信號(hào)中混雜著各種雜亂的沖擊信號(hào)，進(jìn)行有效信息的提取存在極大的難度。從圖4-18可以看到：包絡(luò)譜圖像中周期無(wú)法確定，峰值同樣難以準(zhǔn)確地得出，因此無(wú)法進(jìn)行有效，精準(zhǔn)的故障診斷。由于最大峰度解卷積算法受參數(shù)F，T的影響，處理結(jié)果具有不確定性。因此將隨機(jī)參數(shù)100和150與粒子群優(yōu)化算法得到的最優(yōu)參數(shù)進(jìn)行了比較。圖STYLEREF1\s419[100,150]參數(shù)組合信號(hào)波形圖圖STYLEREF1\s420[50,57]參數(shù)組合信號(hào)波形圖圖STYLEREF1\s4SEQ圖\*ARABIC\s121[100,150]參數(shù)組合信號(hào)頻譜圖圖STYLEREF1\s4SEQ圖\*ARABIC\s122[50,57]參數(shù)組合信號(hào)頻譜圖圖STYLEREF1\s4SEQ圖\*ARABIC\s123[100,150]參數(shù)組合信號(hào)包絡(luò)譜圖圖STYLEREF1\s4SEQ圖\*ARABIC\s124[50,57]參數(shù)組合信號(hào)包絡(luò)譜圖通過(guò)將隨機(jī)和最優(yōu)兩種參數(shù)進(jìn)行比較可知：(1)在這兩個(gè)時(shí)域波形中，都存在大量的假性沖擊信號(hào)，但最優(yōu)參數(shù)的抗干擾能力更強(qiáng)。（2）從圖4-23可以看出：隨機(jī)參數(shù)下的信號(hào)包絡(luò)譜只有幾個(gè)明顯的波峰，不能得到特征頻率，不能得出正確的故障診斷結(jié)論。（3）由最佳參數(shù)下包絡(luò)譜圖（圖4-24），可以清晰得到：前三個(gè)峰值分別為87.5Hz、178.1Hz、265.6Hz，大致對(duì)應(yīng)故障特征頻率的單倍頻、二倍頻、三倍頻。除此之外，故障頻率的其他倍頻也較為突出，可以在包絡(luò)譜上清晰的看出，也進(jìn)一步驗(yàn)證了參數(shù)優(yōu)化MCKD對(duì)信號(hào)中微弱的故障特征有很強(qiáng)的提取能力。根據(jù)這些特征，足以判斷軸承發(fā)生了內(nèi)圈故障。為進(jìn)一步說(shuō)