[发明专利]一种基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法

说明书

本发明公布了一种基于MSPAO‑VMD的大型转盘轴承微弱振动信号采集与处理方法，包括如下步骤：(1)对实验转盘轴承间隔90度布置加速度传感器，并进行滚道损伤实验，采集不同载荷区域的振动信号；(2)对试件进行动力学仿真，对比相同区域的振动信号幅值大小。不断调整4组加速度传感器的布局位置，直到所得数值解与实验值误差最小以及振动幅值变化率最大为止；(3)在前2步的基础上对新试件进行疲劳寿命实验，得到4通道振动原始信号，采用多信号源下参数自适应优化后的变分模态分解分别对不同区域信号进行处理。本方法得到的高维模态信号组有效增强了转盘轴承由于体积大以及低速重载等特性带来的振动信号微弱的现象，提高健康评估精度。

技术领域

本发明涉及转盘轴承振动信号的合理获取以及微弱信号处理领域，是一种基于MSPAO-VMD的大型转盘轴承微弱振动信号采集与处理方法，具体说是运用数值仿真结合损伤实验对比确定传感布局方案以及改进变分模态分解算法增强微弱故障信号的方法。

背景技术

转盘轴承作为大型转动机械中的关键零部件，主要功能在于实现上下不同结构的相对回转以及传递载荷等，相当于机械整机中的“腰”。近年来，塔机中回转机构尤其是转盘轴承故障导致的整机倾覆；风力发电机偏航以及变桨转盘轴承失效带来的停机甚至重要人员伤亡等现象屡见不鲜。因此，对这种关键传动部件的在线监测以及健康程度评估，并制定行之有效的替换措施具有重大意义，国内外研究人员通常从研究降噪算法，特征提取方法以及在线监测模型等方面入手增加转盘轴承运行的可靠性，鲜有报道从硬件(传感器)布局以及增强固有退化信号的角度出发。

转盘轴承中低速重载以及复杂且恶劣的工况等特性使得振动信号十分微弱，常常淹没在强烈的噪声干扰中。国内外学者通常只选择一组具有显著变化趋势振动源进行监测，但大规格转盘轴承运行退化过程中往往伴随着多处滚道损伤从而带来多处具备故障信号的振动源，仅仅选择一组加速度信号显然会造成退化信号丢失，转盘轴承通常转速在0-3r/min,其低速运转特性导致滚道剥落损伤引起的振动冲击信号周期较长，加之在盾构以及风力发电等场合，转盘轴承规格巨大，微弱的振动信号在传播过程中极易衰减。因此，合理的传感器布局以及选择对于能否有效采集关键退化信息至关重要。

对于转盘轴承的振动信号的处理也仅仅局限在单一信号源的特征提取以及降维融合等操作上并未有研究致力于从信号源头出发，重构合理的损伤特征信号。因此，传统适用于普通轴承的振动采集方法以及信号处理算法并不适用于大规格转盘轴承。变分模态分解(VMD)作为一种自适应信号分解处理方法，克服经验模态分解(EMD)以及集合经验模态分解(EEMD)中端点混淆以及缺乏严格数学推导等缺点非常适用于处理非线性、非平稳信号，其核心处理思想：每种模态具备相对独立的中心频率，并且将模态带宽求解问题转化到约束变分框架内，最终求出每一个模态分量。但对于实测信号而言，模态数K需要预先给定，过大、过小的K值将到来过定以及欠定问题；带宽限制系数(α)决定了各分量的中心带宽，由多组仿真信号可知：过大的α值可能排除有效故障成分，过小的α值却有可能使得噪声信号也被保留。如何改造VMD算法使其能够很好的适应转盘轴承振动信号特征尚未有研究报道，同时也是需要解决的问题。

因此，具备高可靠性的转盘轴承需要对其进行合理的传感器布局设计从而能够覆盖多损伤源的振动信号以及基于优化参数后的VMD：进一步强化振动信号，增强退化信息，从而提高在线健康评估的准确率。

发明内容

本发明的目的在于提出一种大型转盘轴承微弱振动信号采集与处理方法。运用滚道损伤实验以及有限元动力学仿真对比分析得到振动信号最为敏感的传感器布局方法；在此基础上进行全寿命加速实验采集转盘轴承多通道下的振动信号，结合多信号源下参数自适应优化后的变分模态分解算法(Multi Source Parameter Adaptive Optimization-Variational Mode Decomposition,MSPAO-VMD)重构四组振动源，得到优胜分量组成的高维模态信号组。最后通过一系列信号处理算法提取退化趋势并输入评估模型进行健康评估，有效的从信号源头提高了转盘轴承的运行可靠性，具有重要经济与社会价值。