針對大型機(jī)械設(shè)備中滾動軸承容易發(fā)生故障的問題,提出一種將自適應(yīng)噪聲的完備經(jīng)驗?zāi)B(tài)分解（CEEMDAN）和灰度關(guān)聯(lián)分析相結(jié)合的滾動軸承性能退化評估方法。首先利用CEEMDAN對軸承全壽命周期的振動信號進(jìn)行分解,得到能量熵特征,其次以正常狀態(tài)下的特征矢量作為灰度關(guān)聯(lián)分析的參考序列,然后計算軸承全壽命周期內(nèi)的特征矢量與正常特征矢量的關(guān)聯(lián)度,作為性能退化過程的定量評估指標(biāo),結(jié)果表明該方法能及時發(fā)現(xiàn)早期故障,并能很好的描述軸承退化的各個階段。最后利用基于CEEMDAN和Hilbert包絡(luò)解調(diào)的方法對評估結(jié)果的正確性進(jìn)行了驗證。 

【文章來源】：華東交通大學(xué)學(xué)報. 2019,36(05)

【文章頁數(shù)】：6 頁

【部分圖文】：

軸承IMFig.3BearingIMFene（a）

采集1次，快照持續(xù)時間為1s，數(shù)據(jù)采集的長度為20480個點。試驗后期軸承1出現(xiàn)嚴(yán)重外圈故障，故本文采用軸承1的數(shù)據(jù)進(jìn)行性能退化評估。3.2性能退化評估結(jié)果利用CEEMDAN算法對滾動軸承振動信號進(jìn)行分解并計算每個對應(yīng)的能量熵，由于每組數(shù)據(jù)的前10個IMF能量熵幅值較高，后3個幅值很小，如下圖3所示（其余樣本后3個能量熵幅值均很�。�。因此本文選取每組數(shù)據(jù)的前10個IMF能量熵，構(gòu)成984×10的矩陣作為性能退化評估的特征。圖2試驗臺示意圖Fig.2Schematicdiagramoftestbed選取前100組正常數(shù)據(jù)的IMF能量熵為參考序列，全壽命周期數(shù)據(jù)的能量熵為比較序列，得到全壽命周期數(shù)據(jù)能量熵與正常數(shù)據(jù)能量熵的關(guān)聯(lián)度，滾動軸承全壽命性能退化評估結(jié)果如圖4（a）所示，其中510~570組數(shù)據(jù)的評估結(jié)果如圖4（b）所示。由圖4可知，第1~532組數(shù)據(jù)關(guān)聯(lián)度基本保持不變，第532組后連續(xù)多組數(shù)據(jù)的關(guān)聯(lián)度呈減小趨勢，且其后的關(guān)聯(lián)度均低于第532組處的關(guān)聯(lián)度，因此可認(rèn)為第1~532組軸承處于正常狀態(tài)，即第533組數(shù)據(jù)處軸承出現(xiàn)了早期故障。在第688組數(shù)據(jù)處出現(xiàn)明顯下降，表明軸承故障開始惡化，并在急劇下降后出現(xiàn)上升階段，說明在此階段故障加深后又被漸漸磨平，最后在第886組數(shù)據(jù)又開始急劇下降，說明此時軸承接近失效。由上述分析，可將滾動軸承從正常到失效分為4個階段，第1~532組正常階段；第533~688組出現(xiàn)早期故障并逐漸加深；第689~886組故障急劇加深并逐漸磨平；第887組以后軸承出現(xiàn)嚴(yán)重故障接近失效?

。由此可知，軸承1在第533個樣本處發(fā)生了外圈初始故障，與評估結(jié)果相符。4結(jié)論本文利用CEEMDAN方法將軸承振動信號分解并計算出能量熵特征，然后以前100組數(shù)據(jù)IMF能量熵作為參考序列，全壽命周期數(shù)據(jù)的IMF能量熵作為比較序列，計算兩組序列之間的關(guān)聯(lián)度，從而對滾動軸承的性能狀態(tài)進(jìn)行了有效的評估，與常規(guī)監(jiān)測指標(biāo)（如RMS等）相比，能更早的發(fā)現(xiàn)早期故障，最后通過CEEMDAN和Hilbert包絡(luò)解調(diào)的方法對評估結(jié)果的正確性進(jìn)行了驗證。圖5第533組數(shù)據(jù)的包絡(luò)譜Fig.5EnvelopespectrumofdataforGroup5330200400600800100012000.250.200.150.100.050幅值/g頻率/HzX:230.5Y:0.2473X:460.9Y:0.1239X:691.4Y:0.08158均方根值0.80.70.60.50.40.30.20.1002004006008001000樣本序號702圖4軸承IMF能量熵分布Fig.4BearingIMFenergyentropydistribution關(guān)聯(lián)度0.980.960.940.920.900.880.860.840.820.8002004006008001000532樣本序號6888860.9660.9640.9620.9600.9580.9560.9540.9520.950關(guān)聯(lián)度532510520530540550560570樣本序號（a）軸承全壽命周期內(nèi)的評估結(jié)果（b）510~570組數(shù)據(jù)評估結(jié)果（c）軸承全壽命周期的RMS退化曲線周建民，等：結(jié)合CEEMDAN和灰度關(guān)聯(lián)分析方法的滾動軸承性能退化評估95

【參考文獻(xiàn)】：
期刊論文
[1]基于S變換和NMF的軸承故障診斷方法[J]. 陳小冬,熊國良,張磊.  華東交通大學(xué)學(xué)報. 2016(05)
[2]基于改進(jìn)諧波小波包分解的滾動軸承復(fù)合故障特征分離方法[J]. 唐貴基,鄧飛躍.  儀器儀表學(xué)報. 2015(01)
[3]基于MED-EEMD的滾動軸承微弱故障特征提取[J]. 王志堅,韓振南,劉邱祖,寧少慧.  農(nóng)業(yè)工程學(xué)報. 2014(23)
[4]基于TESPAR與GMM的滾動軸承性能退化評估[J]. 張龍,黃文藝,熊國良,周建民,周繼慧.  儀器儀表學(xué)報. 2014(08)
[5]基于灰度關(guān)聯(lián)分析的蘋果病害識別方法研究[J]. 霍迎秋,唐晶磊,尹秀珍.  實驗技術(shù)與管理. 2013(01)
[6]機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J]. 王國彪,何正嘉,陳雪峰,賴一楠.  機(jī)械工程學(xué)報. 2013(01)
[7]基于EMD與譜峭度的滾動軸承故障檢測改進(jìn)包絡(luò)譜分析[J]. 蔡艷平,李艾華,石林鎖,白向峰,沈金偉.  振動與沖擊. 2011(02)
[8]基于EMD能量熵和支持向量機(jī)的齒輪故障診斷方法[J]. 張超,陳建軍,郭迅.  振動與沖擊. 2010(10)
[9]基于EMD和Lempel-Ziv指標(biāo)的滾動軸承損傷程度識別研究[J]. 竇東陽,趙英凱.  振動與沖擊. 2010(03)
[10]極大熵譜法及其在滾動軸承故障診斷中的應(yīng)用[J]. 徐玉秀,原培新,邢鋼.  機(jī)械科學(xué)與技術(shù). 2001(04)



本文編號：3334491