[发明专利]一种变转速下基于短时随机共振的轴承故障诊断方法

说明书

本发明公开了一种变转速下基于短时随机共振的轴承故障诊断方法，通过加速度传感器和转速传感器采集待诊断机械设备的滚动轴承振动时域信号和转速数据，将振动时域信号分解为多个短时区间，并使每个短时区间转速变化很小，根据采集数据计算每个短时区间的四种理论故障频率，并进行随机共振得到输出结果。对输出进行傅里叶变换得到其频谱图并提取幅值最大处的频率为实际故障频率。通过对比理论故障频率和搜索故障频率两者关于转速的变化曲线以及计算它们的平均绝对误差可以诊断出设备的滚动轴承是否发生故障及其故障类型。该方法具有较好的防误诊效果。能够区分故障轴承和健康轴承，减少了不必要的误诊带来的经济损失，具有很高的工程运用价值。

技术领域

本发明涉及滚动轴承故障检测技术领域，尤其涉及一种变转速下基于短时随机共振的轴承故障诊断方法。

背景技术

滚动轴承主要由外圈、内圈、滚动体和保持架组成，是旋转机械设备中极其关键的零件，其健康状态影响整个旋转机械的性能、稳定性和寿命周期。据不完全统计，在使用滚动轴承的旋转机械中，大约有30％的机械故障都是由轴承引起的。因此，诊断出轴承的早期故障特征对避免严重故障的发生，保证机械设备的正常运行有着重大的现实意义。然而，早期故障的特征本身是很微弱的，实现早期故障微弱特征的提取极具挑战性。

在轴承故障诊断领域，利用现代信号处理方法对轴承故障进行处理，从含有噪声的信号中准确提取故障特征信号，是当前故障诊断的热点之一。传统的噪声背景下微弱特征信息检测方法立足于噪声抑制和信号分解，如小波变换、经验模态分解、局部均值分解等，这些方法在抑制噪声的同时也在一定程度上削弱了有用的特征信息。

随机共振不采取直接降噪方式，而是通过信号、非线性系统、噪声三者之间的最佳匹配使系统输出达到最优，实现噪声能量向信号能量的转化，从而增强或识别噪声背景下的微弱特征信息。与传统方法相比，它在削弱噪声的同时强化微弱特征，提高信噪比，实现微弱信号的检测。目前绝大多数采样随机共振方法的滚动轴承故障检测方法都是针对平稳工况下的，即机械设备的转速不变。然而实际工程环境种机械设备经常处于变转速工况下，之前的随机共振检测方法将无法应对。

发明内容

针对上述存在的问题，本发明旨在提供一种变转速下基于短时随机共振的轴承故障诊断方法，将变转速下的轴承故障振动时域信号分解为多个短时区间，从而使每个短时区间内的转速变化不大(可视为定值)，即根据轴承理论故障频率计算公式可以近似计算每个短时区间的理论故障频率。把理论故障频率代入信噪比计算公式并以此公式作为每个短时区间的随机共振的优化目标，得到每个短时区间的最优随机共振输出。对其进行短时傅里叶变化得到它们相应的频谱图，从中提取实际故障频率并与理论故障频率作对比来判断是否发生故障以及故障类型。

为了实现上述目的，本发明所采用的技术方案如下：一种变转速下基于短时随机共振的轴承故障诊断方法，其特征在于，包括以下步骤：

S1、数据采集：同步采集滚动轴承的振动时域信号及转速数据；

S2、数据分区：将整个采集时间内的振动时域信号按时域分解为M个短时区间，并使得每个所述短时区间内的转速变化保持一致；

S3、数据计算：根据每个短时区间内采集的数据计算滚动轴承的理论故障频率f_t，其包括如下方面：

外圈故障频率：

内圈故障频率：

滚动体故障频率：

保持架故障频率：

其中：f为输入轴的转速，取值基于采样的转速数据和短时区间的第一个时间点；Z表示轴承滚动体数量；d为滚动体直径；D_m为轴承节径；α为接触角；并得到完整时域下理论故障频率随转速变化的曲线图；

将理论故障频率数值f_t与代入信噪比(SNR)计算公式：