李海颖

（邢台学院，河北邢台　054000）



基于小波变换诊断轴承外圈故障

李海颖

（邢台学院，河北邢台054000）

摘要：针对设备的关键部件轴承易发生故障的特点，利用轴承试验台采集外圈点蚀的故障信号，使用小波分析法对故障信号进行早期诊断，通过实验及诊断过程证明小波与Hilbert包络谱结合进行故障信号分析的方法对于轴承故障具有明显的效果，有助于更好的进行故障诊断工作。

关键词：故障诊断；轴承外圈；小波变换；希尔伯特

1　前言

轴承是一套设备中最为关键的部件之一，轴承运行状况直接影响整体设备的性能，同时轴承也是整套设备中最易损坏的部件［1］。由于轴承运行不当发生故障将导致整体设备的瘫痪，因此开展轴承故障的诊断有重大的意义。

故障诊断过程包括故障信息的获取、故障特征信息的提取和状态识别三个部分，其中故障特征提取和状态识别是两个关键环节［2］。部件本身或与制造质量有关，甚至轴承装配以及工作状态都会引起滚动轴承的振动。对引发轴承振动原因和现有的不同的检测方法进行分析研究，从振动信号中找出激励特点，获取振源的可靠信息，用这种检测方法对滚动轴承的故障进行诊断。

2　小波变换及希尔伯特谱分析

小波变换进行分析方法的实质即：用一种窗口大小固定但时频窗可以改变的时频局部化分析方法。也就是说在低频部分采用较高的频率分辨率和较低的时间分辨率，而在高频部分采用的是较高的时间分辨率和较低的频率分辨率。由此可以看出利用小波分析诊断旋转机械的故障具有重大的理论价值和现实意义。

希尔伯特变换是一个可用于获得函数的分析表示的线性算子［3］。它在信号处理领域有显著的作用，可直观查看振动的瞬时属性，如频率、相位和振幅，使复杂的系统可以进行时域分析；通过传递函数，希尔伯特变换可以从系统的虚数部分找到系统的实数部分，反之亦然，它允许在频域中对系统进行分析，也可以用作分析更复杂系统的中间步骤，除了频率响应函数的分析，它对滞后阻尼表征和非线性系统的鉴别有重要作用［4］。

信号为x（t）的希尔伯特变换y（t）如式（2.1）所示。

希尔伯特变换相当于一个的滤波器，其频谱成分的振幅保持不变，但它们的相位是有一个的移位，其单位脉冲响应为其反变换如式（2.2）所示。

3　轴承故障分析

本实验系统主要由轴承实验台、数据采集仪以及笔记本电脑三部分组成。先将有故障（外圈点蚀故障）轴承安装在轴承实验台上，由数据采集仪完成信号数据采集，并上传到电脑中，进行数据处理分析。

轴承试验台（如图1所示）的具体参数见表1。

图1　轴承试验台

表1　轴承试验台参数表

在轴承试验台上采集外圈点蚀的故障信号，对其进行时域、频域以及小波变换的相关分析，通过对振动信号的分析实现轴承外圈点蚀的故障诊断，并研究轴承外圈故障对振动信号的影响。

本实验采样频率为6000×2.56=15360Hz，采样点数为4096。

通过对采集到的外圈故障信号时域波形图（见图2）的观察，很难发现是否存在外圈故障。而对于故障信号的频域波形图（见图3），虽存在一些较为明显的冲击，看到一些倍频成分，但仍然不能做出准确的判断，需进一步分析，因此需要用小波做进行一步的分析。

图2　信号的时域图

图3　信号的频域图

通过多次试验比较，以上结果图形选用db20正交小波进行了6层小波分解（如图4所示），为了进一步清晰识别故障信息，根据各个图形的特征，选取第二层信号d2进行Hilbert（希尔伯特）解调并作包络谱分析，如图5所示。

图4　db20正交小波6层分解图

图5　Hilbert解调图

经过小波分析后的包络功率谱如图5所示，从中可以看到比较明显的倍频关系存在，基频是76.9Hz左右，以及二倍频，三倍频，四倍频等倍频成分。我们发现了频率为76.9Hz左右的特征谱线，这和外圈特征频率76.7282Hz很相近，它的倍频成分也较清楚，故可以基本认定故障是发生在外圈上的。

由以上分析综合得出：诊断轴承为外圈故障可能性较大，建议在定修时对轴承机开箱检查，其中对轴承外圈做重点检查。

4　结论

实验结果表明，小波与Hilbert包络谱结合进行故障信号分析的方法，对于轴承故障诊断具有明显的效果，有助于我们更好的进行故障诊断工作。在信号的时域图和频域图均不能清楚显示故障信息时，采用小波变化进行处理，可以突出故障的特征，充分体现了其用于信号处理的优越性及其在故障诊断中重要作用，有助于我们及时发现故障，避免造成重大经济损失。

参考文献：

［1］褚福磊，彭志科，冯志鹏，等.机械故障诊断中的现代信号处理方法［M］.北京:科学出版社，2009.

［2］程军圣，于德介，杨宇.基于EMD和SVM的滚动轴承故障诊断方法［J］.航空动力学报，2006，21，（3）:575-580.

［3］GONZALEZI，KAROUMIR. Analysis of the annual variations in the dynamic behavior of a ballasted railway bridge using Hilbert transform［J］. Engineering Structures，2014，60 （126-32）.

［4］熊星.基于小波包分解和希尔伯特黃变换的滚动轴承故障诊断［D］.中国科学技术大学硕士论文.

［5］汪璇，曹万强.Hilbert变换及其基本性质分析［J］.湖北大学学报，2008，30（1）: 53-5.

［作者简介］李海颖（1976-），女，河北邢台人，硕士，副教授，从事计算机教学与研究工作.

［基金项目］河北省高等学校科学技术研究项目.课题编号：Z2014103

［收稿日期］2016-01-20

中图分类号：TP391.77

文献标识码：A

文章编号：1672-4658（2016）02-0185-02