[发明专利]一种基于声发射信号的轴承定量诊断方法

说明书

基于声发射信号的轴承定量诊断方法，利用声发射波形流信号对轴承的缺陷宽度进行量化评估，首先通过故障特征频率自适应地将原始信号按照故障特征周期的长度进行分段，进而对故障切片信号进行经验小波变换处理，求得切片信号在不同频带的信号子分量，然后根据信号子分量的双冲击特征指标自适应地选择合适的信号子分量，进而通过滚子进入和离开缺陷产生的时滞对缺陷宽度进行评估，实现对轴承缺陷宽度的定量诊断，本发明准确提取了滚子进入缺陷和离开缺陷的时刻点，有效地估计了轴承缺陷宽度，对轴承的视情维护具有重要意义。

技术领域

本发明涉及机械故障诊断技术和信号处理分析技术领域，特别涉及一种基于声发射信号的轴承定量诊断方法。

背景技术

轴承振动信号由于受到多振动源和复杂环境噪声影响，信噪比较低，往往无法在时域上清晰地呈现滚子通过缺陷所产生的“双冲击现象”，进而影响对缺陷宽度的估计。

声发射方法被认为相比振动信号在微弱信号检测方面有着不错优势，有望通过声发射传感获取高质量的监测数据。轴承故障的声发射信号是一种典型非平稳信号，在非平稳信号处理方法中，经验模态分解在处理非线性和非平稳信号方面表现出色，但是，应用于复杂信号处理时常会出现过包络、欠包络以及不同程度的端点效应和模态混叠问题，这给声发射信号分解带来了许多问题。经验小波变换融合了经验模态分解方法的自适应分解理念和小波变换理论的紧支撑框架，相比于经验模态分解方法，经验小波变换方法能够自适应选择频带，克服了由于信号时频尺度不连续引发的模态混叠问题，同时，它具备完整可靠的数学理论基础，计算复杂度低，还能够克服经验模态分解方法中过包络和欠包络的问题。

声发射信号由于其高灵敏度易受到多振动源和噪声影响，信号构成复杂，经过经验小波变换往往会呈现大量子分量。一般地，滚子在通过缺陷所产生的声发射信号有着特定的频率范围，若无法提取合适频率范围的子分量进行分析，会导致后续缺陷尺寸判断出现错误，在大量的子分量中筛选含有定量诊断信息的子分量仍是一个亟待解决的问题。

发明内容

为了克服上述缺点，本发明的目的在于提供一种基于声发射信号的轴承定量诊断方法，该方法可以自适应提取单个滚子通过缺陷产生的声发射信号，经过经验小波变换后选取合适频带范围的子分量，基于该子分量对故障缺陷的宽度进行准确估计，实现轴承故障缺陷的定量诊断。

为了达到上述目的，本发明采取的技术方案为：

一种基于声发射信号的轴承定量诊断方法，包括以下步骤：

步骤一：将声发射传感器通过耦合剂附着于被测试轴承安装座上，通过数据采集设备对轴承的声发射波形流信号进行采集，声发射信号记为x(i),i＝1,…,N,N为数据长度，采样频率记为fs；

步骤二：对声发射信号x(i)求平方包络和进行离散傅里叶变换得到包络谱，在理论故障特征频率邻近位置搜索确定故障特征频率f_BCF，故障特征周期为T＝1/f_BCF，对应的采样点数M＝T×fs；

步骤三：将信号x(i)按故障特征周期的长度顺序截成K段，每段故障切片信号记为X_k，k＝1,2,…,K；

步骤四：对每一项故障切片信号X_k，进行两轮预筛，第一，判断切片信号是否存在故障冲击，设置一门槛值b₁,若切片信号的最大幅值大于门槛值b₁，则认定该切片信号存在故障冲击，否则去除该切片信号；第二，判断切片信号是否存在滚子进入和离开缺陷时产生的冲击，由于滚子在经过缺陷的离开点时，产生的冲击能量较大，易于识别，故对切片信号进行搜索，找出滚子经过缺陷的离开点，并计算离开点之前的能量总和s，这里引入第二个门槛值b₂，若该切片信号满足s≥b₂，则认定为符合进一步分析条件的切片信号，否则去除该切片信号；