基于多傳感器融合的軋機(jī)軸承故障信號(hào)降噪及診斷

軋機(jī)是冶金板材成形中廣泛應(yīng)用的設(shè)備之一，其運(yùn)行過程中，軸承振動(dòng)情況是判定軋機(jī)效率的一個(gè)關(guān)鍵因素。如何提升軋機(jī)軸承故障診斷準(zhǔn)確率，成為當(dāng)前工程應(yīng)用領(lǐng)域的一項(xiàng)重要研究課題?，F(xiàn)階段，包絡(luò)譜方法對(duì)于診斷軸承故障發(fā)揮了重要作用[1-2]。首先采用帶通濾波器對(duì)高頻振動(dòng)信號(hào)進(jìn)行初步分析，得到故障共振頻率，再通過算法處理，最終得到共振頻帶的包絡(luò)譜?？梢岳酶道锶~分解的方式（FDM）對(duì)時(shí)間信號(hào)的非線性變化過程及其波動(dòng)性進(jìn)行處理，經(jīng)過分解，形成各個(gè)頻段下傅里葉頻帶函數(shù)（FIBF）與殘余分量。以FDM方法進(jìn)行信號(hào)分解時(shí)，可以自適應(yīng)生成完整的結(jié)。當(dāng)受到強(qiáng)烈的背景噪聲影響時(shí)，噪聲信號(hào)將會(huì)淹沒軸承故障的微弱成分，大幅降低了FDM提取效果。為實(shí)現(xiàn)最優(yōu)頻帶的自適應(yīng)選擇功能，應(yīng)通過合理的方法去除無效背景噪聲，對(duì)MED方法缺陷起到明顯的彌補(bǔ)作用。本文選擇FDM方法將經(jīng)過降噪處理的信號(hào)分解成不同頻帶FIBF分量，根據(jù)相關(guān)系數(shù)確定與降噪信號(hào)關(guān)聯(lián)性最大的的FIBF分量，再對(duì)其實(shí)施自適應(yīng)重構(gòu)，并利用重構(gòu)信號(hào)包絡(luò)譜圖實(shí)現(xiàn)信息故障的診斷。綜合分析仿真與實(shí)驗(yàn)測試結(jié)果可以發(fā)現(xiàn)，本文設(shè)計(jì)的的故障診斷方法，可以獲得比傳統(tǒng)方法更優(yōu)的診斷效果。

1理論基礎(chǔ)1.1最大相關(guān)峭度反褶積方法通過MCKD方法來獲得逆FIR濾波器，調(diào)節(jié)最終輸出的故障信號(hào)恢復(fù)到初始信號(hào)，同時(shí)獲得最大峭度的初始信號(hào)成分，再從中提取得到具有周期性特征的沖擊成分，有效避免噪聲因素造成的干擾。將故障軸承運(yùn)行階段形成的振動(dòng)信號(hào)表示成以下形式：式中：y（n）為故障振動(dòng)信號(hào)的仿真表達(dá)式；h（n）為系統(tǒng)在傳輸階段形成的沖擊；x（n）為連續(xù)分布脈沖信號(hào)；e（n）為背景噪聲。當(dāng)形成變化幅值很大的脈沖時(shí)，將會(huì)對(duì)峭度造成明顯影響。因此，無法對(duì)沖擊成分周期性特征實(shí)現(xiàn)整體分析的效果。MCKD算法根據(jù)峭度條件來采集得到脈沖序列，可以更好地反饋沖擊信號(hào)的周期與連續(xù)性特征。峭度計(jì)算函數(shù)為：式中：T為故障沖擊周期；M為位移數(shù)。按照矩陣方式來表達(dá)濾波器結(jié)果：根據(jù)以上條件確定MCKD的算法流程：采用MCKD方法進(jìn)行處理時(shí)，可以充分體現(xiàn)沖擊成分周期與連續(xù)性特征。此時(shí)，可以利用解卷積周期T確定信號(hào)內(nèi)受軸承故障作用而產(chǎn)生的周期性沖擊信號(hào)，同時(shí)，消除其余周期成分與噪聲因素的干擾。

1.2軸承故障診斷方法診斷軸承故障的具體過程如下：

1）利用采樣頻率和轉(zhuǎn)速計(jì)算得到解卷積周期T，確定最優(yōu)位移M，經(jīng)MCKD處理消除振動(dòng)過程背景噪聲影響，準(zhǔn)確提取故障信號(hào)周期脈沖。2）以FDM自適應(yīng)分解經(jīng)過降噪，獲得特定頻段的FIBF與1個(gè)殘余分量。3）統(tǒng)計(jì)FIBF分量和降噪信號(hào)間相關(guān)性，選取跟降噪信號(hào)相關(guān)性最大的FIBF分量進(jìn)行重構(gòu)。4）完成重構(gòu)信號(hào)包絡(luò)譜測試后，再進(jìn)行軸承故障數(shù)據(jù)采集。

2實(shí)驗(yàn)分析為了對(duì)本文方法進(jìn)行有效性驗(yàn)證，以軋機(jī)軸承系統(tǒng)運(yùn)行過程形成的實(shí)測信號(hào)作為測試對(duì)象進(jìn)行分析。本實(shí)驗(yàn)選擇某軸承故障平臺(tái)作為測試對(duì)象，測試平臺(tái)包括驅(qū)動(dòng)結(jié)構(gòu)、支撐架、載荷裝置與緩沖結(jié)構(gòu)，如圖1所示。1號(hào)傳感器可以提取徑向振動(dòng)信號(hào)，2號(hào)傳感器可以提取水平振動(dòng)信號(hào)，3號(hào)傳感器可以提取軸向振動(dòng)信號(hào)。以SKF6206-2RS1/C3軸承作為測試對(duì)象，經(jīng)線切割處理的模式在深溝球軸承內(nèi)、外圈和滾動(dòng)結(jié)構(gòu)表面造成單點(diǎn)區(qū)域的故障，再以0.4mm深的內(nèi)圈故障實(shí)施測試。設(shè)定頻率為10245Hz的條件下進(jìn)行采樣，控制軋機(jī)的轉(zhuǎn)速為900r/min，經(jīng)計(jì)算確認(rèn)內(nèi)圈故障特征頻率為81.23Hz。圖2為出現(xiàn)內(nèi)圈故障后形成的振動(dòng)波形，在時(shí)域波形內(nèi)形成了顯著波動(dòng)的沖擊信號(hào)，但未發(fā)生周期性變化。圖3為對(duì)初始包絡(luò)譜進(jìn)行處理所得的結(jié)果，此時(shí)大部分故障特征頻率與倍頻都被噪聲淹沒，診斷精度發(fā)生明顯降低。利用本文故障診斷方法測試了圖2軸承振動(dòng)信號(hào)。以MCKD方法將噪聲去除后，獲得故障信號(hào)周期特征參數(shù)。完成降噪信號(hào)FDM分解處理后，總共獲得34個(gè)FIBF與1個(gè)殘余分量，本研究中只對(duì)最初20個(gè)分量進(jìn)行時(shí)域波形分解。根據(jù)圖4可知，測試過程中形成了明顯的故障特征頻率和各階倍頻，并且各階倍頻都出現(xiàn)了幅值減小的趨勢，根據(jù)以上條件可診斷軸承內(nèi)圈故障。為驗(yàn)證MCKD方法降噪的效果，對(duì)原始信號(hào)實(shí)施FDM分解。以最大相關(guān)系數(shù)的3個(gè)FIBF分量進(jìn)行重構(gòu)，得到圖4-3的波形。圖4-4測試結(jié)果顯示，F(xiàn)DM能夠準(zhǔn)確分析故障信息頻帶，獲得準(zhǔn)確的軸承故障數(shù)據(jù)，不過在低頻區(qū)域形成了明顯的干擾譜線。通過對(duì)比可知，EMD包絡(luò)譜圖內(nèi)形成了較多的干擾噪聲。以上研究結(jié)果顯示，本文選擇MCKD和FDM相結(jié)合的故障診斷方法，可以顯著判斷故障沖擊成分，還可以提取出大量的軸承故障信息，能夠滿足高精度軋機(jī)故障檢測的要求。

3結(jié)論本文開展基于多傳感器融合的軋機(jī)軸承故障信號(hào)降噪及診斷方法，在測試過程中，形成了明顯的故障特征頻率與各