-
滚动轴承作为旋转机械设备的基本元件,其损伤极大危害旋转机械设备整体运行的安全性,现有统计数据显示,旋转机械设备出现安全事故有30%是由滚动轴承故障引起的。因此,对滚动轴承故障诊断方法进行研究具有重要的现实意义[1-2]。
国内外学者从不同角度针对单故障振动信号进行了研究。文献[3]在综合考虑结构和运动参数的基础上,构建了三自由度滚动轴承故障振动信号模型,利用Runge-Kutta法求解其轴承非线性振动的频率及幅值,从而完成内圈故障的诊断。在此基础上,通过对滚珠与缺陷之间的接触过程进行分析,提出了包含转速参量的撞击力求解公式,利用Runge-Kutta法求解其非线性振动的频率及幅值,从而完成轴承内圈故障的诊断,取得较好的效果。文献[4]则以专家经验为主,在建立故障规则专家知识库的基础上,通过故障推理实现故障的判别诊断,由于充分考虑了行业专家的丰富经验,模拟效果较为显著。文献[5]则结合频谱自相关及经验模态分解构建了故障特征频率提取方法,在对经验模态分解各个分量进行贡献度比较的基础上,实现主要分量的频谱相关性分析判别,并用轴承的内外圈故障数据验证了算法的有效性。
上述算法主要是针对单故障进行判别分析,随着运行时间增加以及运行环境的改变,在旋转机械装备实际使用过程中,当滚动轴承出现故障,单故障模式很难凸显,往往是多种故障模式的混杂,以往的单故障诊断方法很难适应新模式下的故障诊断问题。因此,需要在单故障诊断算法的基础上,提出新的方法来进行复合故障的诊断及辨析。
为解决这个问题,文献[6]结合短时傅里叶变换和小波分析完成了耦合故障振动信号的特征提取,对热连轧机耦合振动信号机理进行了深入分析和研究,取得了较好的效果。文献[7]基于灰色理论构建了新的识别故障分量的故障诊断模型,并根据保护继电器(protection relays, PR)和断路器(circuit breaker, CB)的工作原理,实现了电源中断区域的识别和故障状态矢量的分配。文献[8]提出了一种改进的正交经验模态分解算法(orthogonal empirical mode decomposition, OEMD),相比传统EMD算法,该方法能较好地消除噪声干扰,有助于提取故障特征,完成故障的分离和识别。文献[9]采用最小Shannon熵作为时间尺度分辨率的度量指标,对Morlet分析小波的参数优化进行选择,并利用奇异值分解技术对最优小波变化尺度进行迭代搜索,从而有效提高信噪比,完成复合故障的特征提取及识别。文献[10]针对铁路货车滚动轴承复合故障诊断问题,设计了基于陷波器的自适应复合故障诊断方法,陷波器可以实现故障的二次处理,对复合故障诊断有较好的准确率。文献[11]对液压泵振动信号进行经验模式分解,将分解出的模式分量函数进行包络谱分析,通过包络谱的能量分布特征进行故障类型判定。文献[12]利用最大相关峭度解卷积和重分配小波尺度熵方法完成旋转机械复合故障的诊断,该方法较好解决了由于旋转机械设备噪声引起的故障信号难以分离的问题。
上述复合故障诊断方法虽然在不同领域取得较好的效果,但本文在实际工作环境中发现滚动轴承故障诊断数据因受传输通道的影响,导致故障模式难以完全分离,故障诊断准确度也很难达到目标要求,故而需要根据实际工程数据,提出新的算法来克服这一问题[13-16]。
为此,本文在对二阶盲源分离理论及短时傅里叶变换进行基本介绍的基础上,基于二阶盲辨识和短时傅里叶变换构建新的滚动轴承复合故障诊断方法,并以广东省石化装备故障诊断重点实验室的轴承实测数据验证算法的有效性和合理性。
Hybrid Collaborative Diagnosis Method for Rolling Bearing Composite Faults
doi: 10.3969/j.issn.1001-0548.2018.06.009
- Received Date: 2017-07-16
- Rev Recd Date: 2017-12-29
- Publish Date: 2018-11-01
-
Key words:
- composite fault /
- rolling bearings /
- second order blind identification /
- short-time Fourier transform
Abstract: Traditional composite faults diagnosis approaches applied in isolating rolling bearing mixed faults are not effectively.To overcome this defect, this paper proposes a hybrid collaborative diagnosis method for rolling bearing composite faults.Firstly, by using second order blind identification method, we calculate the whiten matrix of fault signals.Then, by minimizing the degree of diagonalization function, we can realize joint diagonalization on whiten fault matrix.Finally, we use singular value decomposition for the orthogonal matrix, further we can estimate the signal matrix of fault sources from the compound fault signals.But through the above procedure, we can only get the out-of-order signals.If there are some similar signals, it is hard to recognize them by our intuitions.So we next apply the short-term Fourier transform to solve this problem, by comparing the time-frequency spectrograms trends between isolated and original signals, we can clearly identify the fault types.At last, to validate its effectiveness, we put the fault data from the Key Laboratory of Fault Diagnosis of Petrochemical Equipment in Guangdong Province into this proposed method, the results show its practical value in mechanical engineering.
Citation: | HUANG Da-rong, CHEN Chang-sha, ZHAO Ling, SUN Guo-xi, KE Lan-yan. Hybrid Collaborative Diagnosis Method for Rolling Bearing Composite Faults[J]. Journal of University of Electronic Science and Technology of China, 2018, 47(6): 853-863. doi: 10.3969/j.issn.1001-0548.2018.06.009 |