AE信号的事件谱分析技术应用于滚动轴承故障诊断.pdf

AE信号的事件谱分析技术应用于 滚动轴承故障诊断 杨占才 张来斌 王朝晖 樊建春 摘要：以声发射事件采样法为基础构造一个基于事件的时间序列。通过对事件谱的分析表 明：即能够在故障的早期阶段有效地提取故障特征，又能够精确地检测和定位故障，而且信号 处理速度快，能够满足现场设备故障诊断的实时要求。通过对滚动轴承故障诊断的实验研究表 明。事件谱分析方法对于提高滚动轴承故障诊断的可靠性是行之有效的。 关键词：声发射、故障诊断、滚动轴承、事件辫 一、问题的提出 在各种回转机械设备中，滚动轴承是普遍使用的重要标准部件，它的工作状态如何将直接 影响机器的工作性能。若未及时对轴承故障进行诊断和预报，不但会影响设备的正常运行，而 且可能造成具大的经济损失。 月前，基于AE技术的滚动轴承故障诊断常用时间序列和谱分析方法提取隐含于AE包 络信号中的故障特征。然而在故障的早期阶段，将会产生具有微弱周期的AE事件，在诊断中 不能确定某一个声发射信号是否与轴的旋转过程有关，这样埋没了轴承故障特征，从而使诊断 的可靠性降低，应用传统的功率谱分析方法难以检测。另外．实时处坪超高额率AE信号方面， 计算速度成为制约设计一个低成本、实时的诊断系统的一个重要囡素。 研究表明：声发射信号的事件谱分析方法适合于对轴承故障的声发射信号进行处理，而且 能够得到理想的诊断结果，其检测水平优于传统的功率谱分析方法。本文提供了一种可靠的滚 动轴承AE诊断方法。 二、AE信号的事件谱分析 事件谱分析方法与传统功率谱分析方法类似，其不同之处在J‘前者采用的时间序列用事 件发生的时问及其对应的幅度表示，而后者采用的是按照等时间间隔果样的时间序列。下面介 绍事件谱函数的推导过程： (1)时间序列p(T．) ·93· m)一(1／△)∑A (1) (2) A．=maxIa．kI k=O，1．2，……，N～1 (3) 式中 N一在△时间间隔内的振铃计数值 a．-——在△时问间隔内第k个振铃幅值 A，——r，满足关系式(i△一△／2)r，(i△+△／2)所对应的振铃最大幅值 传统的傅立叶分析方法，要求对时域波形以较高的采样频率进行采样，才能达到预期效 果，然而对于事件谱技术，仅对那些具有某一强度的AE事件进行采样，因此其采样点数明显 低于传统傅立叶分析方法处理的数据点数，为开发滚动轴承的实时诊断系统提供了有效保障。 对时间序列P(t)，仅含有与故障有关的AE事件，与故障无关的AE信号被有效剔除，突 出了故障特征。即使在故障的早期阶段所产生的具有微弱周期的AE信号，采用这种方法构造。 的时间序列也能够有效地提取故障特征，从而提高诊断的可靠性。 (2)事件谱函数Q(Ⅲ) m—l t。-、 Q(山)一厶[P(L)]2e～”· (4) … 当滚动轴承部件外圈、内圈及滚动体出现故障时，会产生周期性的冲击现象；通过(1)式构 造的时间序列携带有相同周期性的特征信息。对此时间序列按照(3)式进行事件谱分析，在轴 承某一频率处会出现清晰的谱峰，将此频率与事先计算的轴承特征故障频率进行比较，即可判 断轴承有无故障及故障发生的部位，且峰值的大小反映了故障的严重程度。 三、诊断实例 声发射信号提取与分析系统原理如图1所 ^E抉能器 前置放大器- 示。在AE换能器与轴承座之间加入耦合剂，目 的是减少声发射信号在传递过程中不必要的衰 减。由AE换能器接收的声发射信号进入前置放 大器，滤波器之后，变成适合于后续处理的声发 射信号，经事件采样器之后构造一个基于事件的 时间序列