！墅 ！ ＝ ！ 轴承２０ｌ１年５期 ＣＮ４１一ｌ１４８／ＴＨ Ｂｅａｒｉｎｇ ２Ｏ１１．Ｎｏ．５ 滚动轴承故障监测诊断中的自适应滤波算法 席玉洁，马波，冯坤 （北京化工大学 诊断与自愈工程研究中心，北京 １０００２９） 摘要：针对滚动轴承故障分析诊断中的载波带选择过程进行研究，提出了基于峭度指标的自适应最优滤波算 法，仿真和试验台的研究结果表明，此算法不仅能够准确地诊断出轴承故障，以全自动的方式实现滤波过程，而 且自适应最优滤波算法的故障诊断效果远远优于固定滤波算法和基于小波包变换的滤波算法。 关键词：滚动轴承；故障诊断；峭度；自适应滤波 中图分类号：ＴＨ１３３．３３；ＴＰ３８７ 文献标志码：Ｂ 文章编号：１０００—３７６２（２０１１）０５—００４７—０４ Ａｄａｐｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ Ａｌｇｏｒｉｔｈｍ ｉｎ Ｆａｕｌｔ Ｄｉａｇｎｏｓｉｓ ｏｆ Ｒｏｌｌｉｎｇ Ｂｅａｒｉｎｇｓ ＸＩ Ｙｕ—ｊｉｅ，ＭＡ Ｂｏ，ＦＥＮＧ Ｋｕｎ （Ｄｉａｇｎｏｓｉｓ ａｎｄ Ｓｅｌｆ—ｒｅｃｏｖｅｒｙ Ｅｎｇｉｎｅｅｒｉｎｇ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ，Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｅｍｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ １０００２９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｆｉｌｔｅｒ ｐｒｏｃｅｓｓ ｏｆ ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｓ ｓｔｕｄｉｅｄ ａｎｄ ａｎ ａｄａｐｔｉｖｅ ｏｐｔｉｍａｌ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ，ｗｈｉｃｈ ｉｓ ｂａｓｅｄ ｏｎ ｋｕｒｔｏｓｉｓ ｉｎｄｅｘ．Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ａｎｄ ｅｎｇｉｎｅｅｒｉｎｇ ｓｈｏｗ ｔｈａｔ ａｕｔｏｍａｔｉｃ ｆｉｌｔｅｒｉｎｇ ｐｒｏｃｅｓｓ ｅａＲ ｂｅ ａｃｈｉｅｖｅｄ ｂｙ ｔｈｅ ａｄａｐｔｉｖｅ ｏｐｔｉｍａｌ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ，ｇｉｖｉｎｇ ｔｈｅ ａｃｃｕｒａｔｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｒｏｌｌｉｎｇ ｂｅａｒ－ ｉｎｇｓ．Ｃｏｍｐａｒｉｎｇ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ，ｉｔ ｉｓ ｉｌｌｕｓｔｒａｔｅｄ ｔｈａｔ ａｄａｐｔｉｖｅ ｏｐｔｉｍａｌ ｆｉｌｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｍｕｃｈ ｂｅｔｔｅｒ ｔｈａｎ ｔｈｅ ｆｉｘｅｄ ｆｉｌｔｅｒｉｎｇ ａｎｄ ｗａｖｅｌｅｔ ｐａｃｋｅｔ ｔｒａｎｓｆｏｒｍ ｆｉｌｔｅｒ ａｌｇｏｒｉｔｈｍ． Ｋｅｙ ｗｏｒｄｓ：ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ；ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ；ｋｕｒｔｏｓｉｓ；ａｄａｐｔｉｖｅ ｆｉｌｔｅｒｉｎｇ 常规的轴承故障诊断中，伴随着设备工况的 形参数是确定的，使得小波与冲击成分的匹配程度 变化，载波的频带会发生变化，需要人为提前确定 大大降低，影响了包络效果。文献［４］提出了一种 载波频率的特征带，而这些参数的选择取决于操 基于连续小波变换和谱峭度分析的改进包络方法， 作者的经验或历史数据，经过反复的试验才能确 并将其应用于轴承的故障检测中，取得了一定效 定，给实际应用带来了很多不便。因此设计简便、 果，但没有介绍如何确定带通滤波器的带宽。文献 有效的滤波过程十分重要。近年来有些学者尝试 ［５］指出小波分析进行特征提取容易丢失原始信号 使用先进的时频分析方法来自动进行轴承的故障 局部信息，不能有效地去除原始信号的噪声，且提 诊断。文献［１—２］将谱峭度方法规范化，并且提 升小波的方法只能根据信号的特点设计预测滤波 出了谱峭度的快速算法——峭度图，并将该方法 器系数，而做不到更新滤波器系数。因此，在此提 应用于故障诊断中取得了较好的效果。但该方法 出基于峭度指标的自适应最优滤波算法。 采用的滤波器较为单一，变化有限，难以准确地匹 配故障特征。文献［３］利用连续复Ｍｏｒｌｅｔ小波变 １ 基本理论 换的优势，在全频带范围内对信号进行包络 １．１共振解调法 分析，自动设定滤波中心频率，由于Ｍｏｒｌｅｔｌｊ￣波波 共振解调法又称包络分析法，是目前轴承故 障诊断中最常用的方法之一。其利用轴承或检测 收稿日期：２０１０—１２一Ｏ１ 系统作为谐振体，把故障冲击产生的高频共振响 作者简介：席玉洁（１９８６一），女，硕士研究生，主要从事设 应放大，通过包络检测方法将其变为具有故障特 备振动监测与故障诊断研究。 征信息的低频波形，对包络信号进行频谱分析便 Ｅ—ｍａｉｌ：ｘｉｙｕｊｉｅ１９８６０９２３＠１６３．ｃｏｎ。 可容易地诊断出轴承的故障 ｊ。轴承故障分析信 ・４８・ 号处理诊断技术路线如图１所示Ｅ 。 图１ 轴承故障分析诊断技术路线 １．２峭度系数 峭度系数Ｋ是反映振动信号分布特性的数值 统计量，是归一化的４阶中心矩， ｒ ［ （ ）一 ］ ｐ（ ）ｄｘ ＝ ——— ———一’ ， （１） 式中： （ｔ）为瞬时振幅； 为振幅均值；ｐ（ ）为概 率密度； 为标准差。 对于一组给定的离散振动信号数据，其峭度 系数Ｋ为 １ Ⅳ ＝ Ｋ （ ）。 （２） 峭度系数表示故障形成的大幅值脉冲出现的 概率，对时域信号变换的陡峭程度非常敏感，在轴 承故障诊断中具有实际意义。 峭度指标是无量纲参数，由于与轴承转速、尺 寸、载荷等无关，对冲击信号特别敏感，特别适用 于表面损伤类故障（尤其是早期故障）的诊断。在 轴承无故障运转时，由于各种不确定因素的影响， 振动信号的幅值分布接近正态分布，峭度指标值 ３；随着故障的出现和发展，振动信号中大幅值 的概率密度增加，信号幅值的分布偏离正态分布， 正态曲线出现偏斜或分散，峭度值也随之增大。 峭度指标的绝对值越大，说明轴承越偏离其正常 状态，故障越严重。如当Ｋ＞８时，则很可能出现 了较大的故障 ］。文献［９］指出时域参数中峭度 作为诊断轴承的指标效果较好。 ２最优滤波算法 根据峭度系数的实际意义对滤波过程进行了 改进设计。设计流程如图２所示。 自适应最优滤波算法的实现主要包括以下几 个步骤： （１）为了防止频谱混叠引起的信号失真，设定 抗混滤波线（即流程图中的低通截止频率，根据 《轴承》２Ｏｌ１．Ｎｏ．５ ｄ洗嘲弹喻旁粹 图２ 自适应最优滤波算法设计流程图 经验一般定为采样频率的１／３），对原始信号进行 抗混滤波； （２）设定初始高通滤波频率，在高通滤波频率 和抗混滤波频率范围内，以一个频域分辨率（图２ 中ｄ ）为步长依次选取一系列频率，作为试探截止 频率； （３）以选取的每个试探截止频率对信号进行 带通滤波，然后对每一组数据进行包络，求出多组 包络波形； （４）计算每一组包络波形对应的峭度系数，得 到多个峭度值； （５）通过比较找出最大的峭度值，取峭度最大 时的截止频率作为最优滤波算法的高通截止频 率，对应的那组波形作为最优的包络波形； （６）对最优包络结果进行频谱分析，分析故障 频率，进行轴承故障的诊断。 ３试验数据分析 ３．１试验条件 对型号为Ｎ２０５有外圈故障的圆柱滚子轴承 进行测试分析。轴承安装在试验台上，外圈固定， 内圈由转轴带动，转速无级可调，以１ ７００ ｒ／ｍｉｎ的 转速回转。振动信号由压电加速度传感器从轴承 座上采集，通过电荷放大器放大后经采样记录到 计算机。试验台设置如图３所示。 图３试验台装置图 席玉洁，等：滚动轴承故障监测诊断中的自适应滤波算法 ｓ． 坦 ・４９・ 试验中所使用的Ｎ２０５轴承的参数为：Ｄ ＝ ６．４７７ ｍｍ～Ｄ ３８．４８１ ｍｍ，Ｚ＝１３，ＯＬ＝０。。可计 峭度值最大（Ｋ＝１５．１６１ ０），表明在６ ７２５ Ｈｚ处进 行滤波效果最好。因此由该处滤波所对应的包络 衢∞ ｎ ｎ ｍ算出轴承外圈故障的特征频率为１５３．１６８ Ｈｚ。 ３．２试验方案及数据分析 便可以选作最佳包络。 取采样频率２０ ｋＨｚ，采样点数８０ ０００；由试验 装置加速度传感器采得的原始信号如图４所示。 图４原始信号波形 对于图４所示的轴承外圈故障的时域信号， 峭度值为３．６１３ ４，该峭度指标值已经说明轴承有 早期的故障，但从图４中观察不到任何由故障所 产生的周期性脉冲振动成分，因此，不能判断故障 类型。 ３．３与固定频率滤波的比较 图５为信号经固定频率滤波（固定滤波频率 ６ ０００ Ｈｚ）后做出的功率谱，显然在此功率谱中并 不能清楚地观察到故障特征频率，因此也不能对 故障的类型进行判断。 ５００ １ ０００ １ ５００ ２ ０００ ２ ５［）ｏ ３ ０００ 频靴 图５ 固定频率滤波功率谱 如图６所示，在用自适应最优滤波的方式求 得的功率谱上，在信号的高频区域可清楚地看到 由轴承故障所引起的周期性脉冲成分。通过计 算，可以得知滤波截止频率为６ ７２５ Ｈｚ时求出的 ｌ∽ ● 吕 馨 图６ 自适应最优滤波功率谱 图６中可以清楚地观察到轴承外圈的故障特 征频率１５３ Ｈｚ，且其２次、３次等谐波非常明显，由 此可得出该轴承有外圈故障的诊断结论。比较图 ５与图６可以得出以下结论：（１）由自适应最优滤 波方法做出的功率谱可以清楚看到由轴承缺陷所 产生的冲击振动成分，而固定滤波后做出的功率 谱无法判断；（２）图６中得到轴承的故障频率为 １５３ Ｈｚ，与计算结果吻合。 ３．４与小波包变换的比较 使用文献［１０］中小波包变换的方法对试验中 的轴承进行故障诊断。利用小波包算法对图４中 的信号进行分析，结果如图７所示。 ● ｇ ｉ四 罂 图７ 小波包滤波算法的功率谱 从图７的功率谱分析中可以看出，由小波包 变换选择滤波频段并进行滤波后，得到的功率谱 有许多杂波，不容易诊断出轴承发生的为何种故 障。而自适应最优滤波算法得到了很好的效果。 这是由于小波包变换本质上是对信号进行等带宽 堡 二三Ｚ 轴承２０１１年５期 ＣＮ４１—１１４８／ＴＨ Ｂｅａｒｉｎｇ ２０１１，Ｎｏ．５ ５０—５１ 圆锥滚子轴承外圈综合检查机 王峰辉 ，王雅丽 ，王磊 ，王宏伟 （１・洛阳ＬＹＣ轴承有限公司 东升公司，河南 洛阳４７１０３９；２．洛阳理工学院，河南 洛阳４７１０２３） 摘要：为提高生产检验的自动化程度，研制了圆锥滚子轴承外圈综合检查机。介绍了其机械及电气部分的结构 及工作原理。 关键词：圆锥滚子轴承；外圈；综合检查机；成品检验 中图分类号：ＴＨｌ３３．３３ ２；ＴＧ８０６ 文献标志码：Ｂ 文章编号：１０００—３７６２（２０１１）０５—００５０—０２ 目前，对圆锥滚子轴承外圈的成品检验，多沿 用人工检测的方式，检测效率低且精度差，并伴有 误判、漏检等人为失误。为克服上述缺点，提高生 产检验的自动化程度，设计研制了圆锥滚子轴承 外圈综合检查机，对超精加工后成品外圈的外径 尺寸、滚道尺寸和装配高等项目进行全自动检测。 １ 机械结构 １—气缸；２，５，６，１Ｏ—基座；３—直线导轨；４—调节块； 机械部分包括外径尺寸检测工位、滚道尺寸 ７—挡块；８—标准件仓；９—推仓气缸；１ ｌ—弹簧片座； 检测工位和装配高检测工位。 ｌ２一弹簧片；１３—顶杆；ｌ４一调整基座；ｌｓ—调整螺杆； ｌ６—左卡爪；１７—左基座；ｌ８—右基座；ｌ９—推杆气缸； １．１外径尺寸检测 ２Ｏ一拉簧；２１—测量表；２２—右卡爪 外径尺寸检测工位结构如图１所示。工作原 图１外径检测工位结构简图 理为：测量时，气缸推动基座５向下运动，带动测 收稿日期：２０１０一ｌ２—０２ 量部分与待测外圈进行外径检测。左卡爪为动卡 多带滤波，可能导致许多有用的信息被滤除，不能 ［Ｊ］．振动工程学报，２００２，１５（１）：１１９—１２２． 反映真实的故障信息；此外，带宽大小及最优小波 ［４］ 石林锁．滚动轴承故障检测的改进包络分析法［Ｊ］． 包基的选择准则的不同，也可能给诊断带来误差。 轴承，２００６（２）：３６—３９． ［５］段晨东，姜洪开，何正嘉．一种基于信号相关性检测 ４ 结束语 的自适应小波变换及应用［Ｊ］．西安交通大学学报， 分析结果表明，此算法用于滚动轴承故障诊断， ２００４，３８（７）：６７４—６７７． 保证了故障诊断结果的准确性，实现了自动更新滤波 ［６］ 林京，刘红星．信号包络特征识别在故障诊断中的应 用［Ｊ］．振动、测试与诊断，１９９８，１８（１）：３５—３９． 器系数，使诊断过程对人的经验和历史数据的依赖降 ［７］徐鸣，罗利清．峰值能量谱及其应用实例［Ｊ］．中国设 到了最低，在实际工程应用中有很大优势。 备管理，２００１（３）：３９—４０． ［８］ 袁云龙．基于峭度一小波包分析的滚动轴承故障诊 参考文献： 断［Ｊ］．新技术新工艺，２００８（５）：４３—４６． ［１］ Ａｎｔｏｎｉ Ｊ．Ｔｈｅ Ｓｐｅｃｔｒａｌ Ｋｕｒｔｏｓｉｓ：Ａ Ｕｓｅｆｕｌ Ｔｏｏｌ ｆｏｒ Ｃｈａｒ— ［９］ 万书亭，吴美玲．基于时域参数趋势分析的滚动轴承 ａｅｔｅｒｉｚｉｎｇ Ｎｏｎ—ｓｔｍｉｏｎａｒｙ Ｓｉｇｎａｌｓ［Ｊ］．Ｍｅｃｈａｎｉｃａｌ Ｓｙｓ・ 故障诊断［Ｊ］．机械工程与自动化，２０１０（３）：１０８一 ｔｅｍｓ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２００６（２０）：２８２—３０７． ｌ１０． ［２］ Ａｎｔｏｎｉ Ｊ．Ｆａｓｔ Ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｔｈｅ Ｋｕｒｔｏｇｒａｍ ｆｏｒ ｔｈｅ ［１０］雷文平，韩捷，孙俊杰，等．小波一能量算子解调法 Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｔｒａｎｓｉｅｎｔ Ｆａｕｌｔｓ［Ｊ］．Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ 的滚动轴承故障诊断［Ｊ］．武汉理工大学学报， ａｎｄ Ｓｉｎｇａｌ Ｐｒｏｃｅｓｓｉｎｇ，２００７（２１）：１０８—１２４． ２００８，３０（５）：１２８—１３１． ［３］何岭松，李巍华．用Ｍｏｒｌｅｔ小波进行包络检波分析 （编辑：张旭）
