基于时时能量阶比谱的变转速工况滚动轴承微弱故障诊断研究

唐贵基　庞彬

摘要：变转速工况下的滚动轴承微弱故障诊断同时面临两个难点：一是滚动轴承的故障特征信号容易被环境噪声和干扰信号淹没；二是滚动轴承故障振动信号的时变特征难以被常规频谱方法提取。针对上述问题提出了基于时时能量阶比谱的滚动轴承故障诊断方法。首先对变转速工况下的滚动轴承微弱故障振动信号进行时时（time-time，TT）变换，在双时域上刻画轴承故障振动信号的时变特征；然后利用提出的时时能量定义计算轴承故障振动信号的时时能量，获得轴承故障振动信号的时时能量信号；最后对时时能量信号进行阶比分析得到轴承故障振动信号的时时能量阶比谱，并根据时时能量阶比谱的阶次特征识别出轴承故障类型。分析了变转速工况下的滚动轴承故障仿真信号和实验测试信号，结果表明：时时能量信号能够有效追踪轴承故障振动信号的时变能量分布，增强故障特征信号的冲击特征，时时能量阶比谱较包络阶比谱抗噪能力更强，为变转速工况滚动轴承微弱故障诊断提供一种有效方法。

关键词：故障诊断；滚动轴承；TT变换；时时能量阶比谱；变转速工况

引言

滚动轴承作为旋转机械系统的关键部件，发挥着支撑和减少摩擦耗能的重要作用。当其出现故障时，不仅影响整个系统的生产工作，甚至引发重大安全事故。如能及时对其故障形式做出诊断，就可以减少轴承失效造成的经济损失和安全隐患。

滚动轴承的主要失效形式为其组成元件的局部损伤故障，局部损伤点在轴承运动部件旋转过程中与其他部位重复接触，产生冲击信号。恒定转速条件下的冲击信号为等间隔周期信号，可利用以傅里叶变换为基础的幅值谱和以Hilbert变换为核心的包络分析方法识别滚动轴承的冲击特征频率。当振动信号中有大量噪声和干扰信号存在时，需借助形态滤波、最大相关峭度解卷积、倒谱预白化、高阶谱等方法对滚动轴承微弱故障特征进行增强。旋转机械设备在实际生产中的转速时常是波动的，对于变转速工况的滚动轴承故障诊断更具现实意义。转轴转速变化使得故障冲击信号不再是等间隔的周期性信号，冲击周期随转速变化而变化，振动信号表现出显著的时变特征。常规的谱分析方法分析此类信号时会出现频率模糊现象。适用于恒定转速的滚动轴承故障特征增强方法在分析变转速滚动轴承故障振动信号时也遇到诸多难点。如形态滤波通过构建最优结构元素长度的形态滤波器实现滚动轴承故障振动信号周期性冲击特征提取，而最优结构元素长度与故障冲击周期相关，处理时变冲击故障信号时，无法实现最优结构元素长度的设定。最大相关峭度解卷积以相关峭度为评价指标，通过设计一个解卷积滤波器使得输出信号相关峭度最大化，实现故障特征增强。但相关峭度表达式包含冲击周期参数T，在变转速工况下，滚动轴承故障振动信号的冲击周期不再是定值，因而相关峭度解卷积也不能直接用于滚动轴承时变故障特征增强。倒谱预白化通过倒谱编辑去除振动信号中的平稳趋势成分，保留信号中的非平稳冲击特征，而倒谱建立于傅里叶变换基础之上，不适用于非平稳时变信号分析。高阶谱定义为高阶统计量的多重傅里叶变换，也不适于分析非平稳时变信号。

针对变转速工况滚动轴承故障诊断这一难点问题，国内外学者进行了深入研究。如文献[12]提出基于瞬时转速测量的转速阶比谱识别方法，用于变转速工况轴承状态监测。文献[13]应用同步平均技术降低因负载而导致的转速波动对故障冲击信号的影响，从而有效提取滚动轴承的故障特征。文献[14]成功将基于变量预测模型的模式识别方法用于变转速滚动轴承故障智能识别。文献[15]提出计算阶比分析方法，实现了振动信号的等角度重采样，使得适于分析恒定转速的故障特征增强方法与谱分析方法具备分析变转速滚动轴承故障振动信号的能力。利用计算阶比分析的角域重采样原理将滚动轴承时变非平稳信号变成角域平稳信号，再运用形态滤波、相关峭度解卷积、倒谱预白化、高阶谱、谱峭度等分析方法提取滚动轴承故障信号的微弱故障特征。但受限于已有故障特征增强方法的局限性，对于变转速的滚动轴承故障特征增強多置于阶比重采样之后，如何直接对原始振动信号进行特征增强，以保证更高的分析精度，具有重要的研究价值。

鉴于上述情况，在研究TT变换和阶比分析基础之上，提出了基于时时能量阶比谱的变转速工况滚动轴承微弱故障诊断方法。TT变换是在非平稳时频分析方法S变换基础上推导而来的时时分析方法，能够在时时域反映信号的幅值分布。利用此特性首先提出了时时能量的概念，通过计算振动信号的时时能量来反映滚动轴承的时变冲击特性，直接实现了对原始振动信号的特征增强，然后对时时能量信号进行阶比分析得到时时能量阶比谱，提取滚动轴承的故障特征阶次。通过仿真分析和实验分析对该方法的有效性进行了验证。