基于声信号的滚动轴承故障诊断*

李宏亮，黄　民，高　宏，马　超

(北京信息科技大学 机电工程学院，北京　100192)



基于声信号的滚动轴承故障诊断*

李宏亮，黄民，高宏，马超

(北京信息科技大学 机电工程学院，北京100192)

对现有振动传感器存在安装困难等问题，提出了基于声信号的滚动轴承故障诊断方法；利用声学传感器，采用非接触方式采集故障轴承声信号；通过Matlab设计线性相位FIR滤波器，得到所需频带的冲击响应序列；通过Hilbert变换，得到被故障源调制信号的包络信号；通过对包络信号进行频谱分析，确定滚动轴承的故障类型。利用该方法对实验台故障轴承进行诊断，得到了准确的诊断结果，验证了方法的可行性与有效性。

滚动轴承；故障诊断；FIR滤波器；Hilbert变换

0　引言

对于滚动轴承的故障诊断，最关键、最困难的问题之一是如何对滚动轴承的故障特征频率进行正确的提取，它直接关系到滚动轴承故障诊断的准确性和预报的可靠性。为了解决这一问题，国内外学者主要通过采集滚动轴承运行过程中的振动信号、声发射信号，运用信号分析与处理的理论和技术手段来获取更多信息。目前，应用在滚针轴承故障诊断中信号分析与处理的数学方法有基于傅里叶变换频谱分析方法、小波变换和EMD等分析方法[1-3]。其中，Hilbert解调技术作为重要的包络分析方法也被广泛应用[4-8]。然而，振动信号、声发射信号的采集都为接触式。在实际应用中，有些设备并不能为传感器安装提供合适的安装场合，如处于高温、高腐蚀、高湿度等较恶劣环境下设备；滚动轴承运转过程中位置需要移动的设备等。所以，使得基于振动信号、声发射信号的采集与分析方法受到限制，需通过非接触式方式进行数据采集。而声信号同振动信号一样，同样包含着滚动轴承运行状态的重要信息。

因此，本文提出了一种基于声信号、采用Hilbert包络解调技术的滚动轴承故障诊断方法。通过非接触式进行数据采集，不影响设备正常操作，是一种简易、快捷的诊断方法。通过对故障轴承声信号进行Hilbert包络解调分析，找出滚动轴承故障特征频率，从而确定滚动轴承故障类型。

1　滚动轴承故障声信号诊断原理

当滚动轴承发生故障时，由故障引起的激振力会激发轴承振动，在轴承振动的同时，往往还会激发出声音信号，如果滚动轴承停止运转，振动也会随之停止，声音也会消失，这就说明滚动轴承的振动产生了声音。其实，声音就是一种机械波，是物体机械振动通过弹性媒介向外传播的结果，通过弹性媒介向外辐射，形成声场。通过传声器，采用非接触式方式采集滚动轴承运转过程中的声信号，其同振动信号一样，同样能够反映出滚动轴承运行的状态信息。其声学检测系统如图1所示。

图1　滚动轴承故障声学检测系统

图1所示为滚动轴承故障声学检测系统，其主要通过非接触式测量，将传声器正对滚动轴承，放置在承辐射出声场范围内的某点，采集该点处的声压信号。该方法的主要特点是信号易取，采集方法和设备简单；无需粘连传感器，可对运动设备(如火车滚动轴承)进行监测。弥补了传统基于振动信号和声发射信号检测轴承运行状态中传感器无法安装等问题。

2　滚动轴承故障声信号诊断方法

基于声信号滚动轴承故障诊断方法同其他诊断方法基本一致，只是获取信号的方式不同。当滚动轴承某一部件出现故障，采集到的声信号往往都是被调制了的信号，在诊断过程中，只需要对被故障源调制了的信号进行分析，其它的信号可作为噪声信号进行滤除。因此，可通过线性相位FIR滤波器对原始声信号进行处理，然后对滤波处理后的信号进行Hilbert变换，获得Hilbert包络信号，通过对Hilbert包络信号进行谱分析，判断滚动轴承是否出现故障。其中，基于Hilbert包络解调分析方法提取滚动轴承故障特征频率原理图如图2所示。

图2　Hilbert包络解调分析方法原理图

2.1线性相位FIR滤波器设计

线性相位FIR滤波器是指相位响应为频率的线性函数的FIR滤波器[9]。如果用振幅响应和相位响应表示滤波器的频率响应，可表示为：

H(ejw)=A(w)eφ(w)

(1)

线性相位响应表示为：

φ(w)=α-wτ

(2)

其中：A(w)为振幅响应，α为常数，表示初始相位；

在设计线性相位FIR滤波器时，需要充分利用其振幅响应，因为不同的振幅响应对滤波器的类型是有要求的。不同的类型，对应着不同的冲击响应。根据不同的冲击响应序列可分为4类，如表1所示。

表1　4类线性相位FIR滤波器的特点

通过Matlab软件、采用窗函数设计方法进行Ⅰ型线性相位FIR滤波器设计。其中: 带通滤波器上、下截止频率为13kHz和14kHz，过渡带宽为50Hz，阻带衰减AS为60dB。设计出的滤波器冲击响应和幅度响应如图3所示。

图3　滤波器的冲击响应和幅度响应

图3a为滤波器的冲击响应，图3b为滤波器的幅度响应。冲击响应为偶对称，类型为带通滤波器，通带范围内无衰减，阻带范围内衰减较大，通过原始信号与冲击响应进行卷积运算，便可得滤波后的信号。

2.2Hilbert变换原理

Hilbert变换[10]是通过将实信号表示为复信号，可以由此研究信号的包络、瞬时相位和瞬时频率。设信号为x(t)，则其包络信号a(t)为：

3　实验信号分析

3.1模拟实验平台的搭建

实验所用设备为模拟试验台，其中包括：驱动部分、加载部分和故障轴承部分。加载部分通过螺栓进行加载。如图4所示。

图4　模拟实验平台

所采用的轴承为圆柱滚子轴承(N1004)，基本参数和理论故障特征频率见表2、表3。其中，表3中fr为回转轴(或内环)的旋转频率。

表2　滚动轴承基本参数

表3　滚动轴承理论故障特征频率

滚动轴承故障声学检测系统为非接触式、单通道采集，对2个轴承分别做一处内圈故障和外圈故障。当回转轴转速为493r/min、加载工况下、采样频率为51.2kHz的情况下，采样时间2s。采集到滚动轴承内、外圈故障的原始声信号如图5所示。

图5　内、外圈故障的原始声信号

图5a为滚动轴承内圈故障的原始声信号，图5b为滚动轴承外圈故障的原始声信号。根据表3可计算出内、外圈理论故障特征频率分别为58.05Hz和40.55Hz。

3.2内、外圈故障分析

对滚动轴承内、外圈故障原始声信号做带通滤波处理，并对滤波处理后的时域信号进行Hilbert变换，根据变换结果求包络信号。滤波处理后的时域信号和Hilbert包络信号分别如图6、图7所示。

图6　内圈滤波处理后的时域信号及其Hilbert包络信号

图7　外圈滤波处理后的时域信号及其Hilbert包络信号

图6a、图7a为带通滤波处理后的滚动轴承内、外圈故障声信号；图6b、图7b为滚动轴承内、外圈故障声信号经滤波处理后的Hilbert包络信号。对滚动轴承内、外圈Hilbert包络信号进行频谱分析，分析得到的结果分别如图8所示。

图8a为内圈故障Hilbert包络谱分析图，图8b为外圈故障Hilbert包络谱分析图。由于采样频率较高，使得Hilbert包络谱分析频带较宽。而滚动轴承故障特征频率主要集中在低频部分，故图8所示频带范围为30Hz到400Hz，并分别在此频带范围内找出内、外圈故障轴承Hilbert包络谱分析结果的前五阶极大值，在图8中用*号标出，其频率和幅值分别见表4。

表4　Hilbert包络谱前五阶极大值

由表4可知：内、外圈的Hilbert包络谱在频率58.5Hz和41Hz处能量最大，内、外圈理论故障特征频率为58.05Hz和40.55Hz，二者相差0.45Hz，而Hilbert包络谱的分辨率为0.5Hz。从分析结果来看，可判定轴承内、外圈出现了故障。由此可见，利用滚动轴承运行过程中的声信号，采用包络解调方法也能实现对滚动轴承早期故障的准确诊断。

4　结束语

本文应用FIR滤波、Hilbert变换以及频谱分析对轴承声音信号进行分析，通过实验数据分析能够判断轴承的状态，该方法弥补了传统的基于振动和声发射信号检测轴承状态中传感器安装的问题。采用非接触方式采集滚动轴承运行的声信号，操作简单、快捷，不影响设备正常运行；利用Hilbert包络解调同样能够有效的将故障特征从复杂的、被调制的声信号中提取出来；通过以实验室故障轴承为例，验证了该方法的可行性与有效性；但同振动信号相比，滚动轴承声信号受环境噪声干扰较大、信噪比相对较低，在某些测试场合，单一声学传感器不能满足测试需求，因此，可通过声阵列等其他方式进行声信号采集与故障诊断，提高信噪比。

[1] 付元华,罗仁泽. 小波包样本熵灰色关联度轴承故障诊断[J]. 组合机床与自动化加工技术,2015(7):128-130,134.

[2] 王磊,张清华,马春燕,等. 基于GA和EMD包络谱分析的滚动轴承故障诊断[J]. 组合机床与自动化加工技术,2014(4):53-56,59.

[3] 姜涛,袁胜发.基于改进小波神经网络的滚动轴承故障诊断[J].华中农业大学学报,2014,33(1):131-136.

[4] 郭福平,段志宏,孙志伟. 基于包络谱分析的滚动轴承滚动体故障声发射诊断研究[J]. 组合机床与自动化加工技术,2015(2):104-106,109.

[5] 代拓,花云浩,王林.基于Hilbert 变换的滚动轴承故障诊断[J].煤矿机械,2012,33(2):255-256.

[6] 黄中华,谢雅.基于Hilbert 变换的滚动轴承内环和外环故障诊断[J].中南大学学报(自然科学版),2011,42(7):1992-1996.

[7] 陈永会,姜旭,郭山国,等.基于小波分析和Hilbert 变换的滚动轴承故障诊断[J].机械设计,2010,27(8): 91-94.

[8] 杨超,李亦滔.基于信号预处理和Hilbert变换的滚动轴承故障诊断[J].华东交通大学学报,2012,29(4): 1-4.

[9] 姚天任.数字信号处理[M].北京：清华大学出版社,2011.

[10] 何正嘉,陈进,王太勇,等.机械故障诊断理论及应用[M].北京:高等教育出版社,2012.

(编辑李秀敏)

A Fault Diagnosis of Rolling Bearings Based on Acoustic Signals

LI Hong-liang,HUANG Min,GAO Hong,MA Chao

(School of Eleclromechanical Engineering,Beijing Information Science & Technology University,Beijing 1000192,China)

To solve difficult of installing the vibration sensor, a fault diagnosis method for rolling bearings was proposed in this paper, which is based on acoustic signals. Acoustic sensor was used to acquisition acoustic signals of the fault bearing by the non-contact way. The impulse response sequence of Linear-phase FIR filter was calculated using Matlab. The envelope signal was obtained by Hilbert transform for the fault source modulated signal. The fault type of rolling bearing was determined by analyzing the frequency spectrum of the signal envelope. The method was applied to fault diagnosis for rolling bearing，and the feasibility and effectiveness of method were verified through examples of laboratory.

rolling bearing;fault diagnosis;linear-phase FIR filter;Hilbert transform

1001-2265(2016)07-086-03DOI:10.13462/j.cnki.mmtamt.2016.07.024

2015-08-31；

2015-09-19

国家科技重大专项资助项目(2013ZX04011012)

李宏亮(1989—)，男，北京人，北京信息科技大学硕士研究生，研究方向为机电系统故障诊断，(E-mail)shjshlhl@126.com。

TH17；TG506

A