基于EMD与SSA-SVM的轴承故障诊断.pdf

第 期 年 月组 合 机 床 与 自 动 化 加 工 技 术 .文章编号:():./.收稿日期:修回日期:作者简介:张延军()男副教授博士研究方向为机电液复合传动、智能控制技术及装备、机器人系统工程与控制技术等().通信作者:杨博()男硕士研究生研究方向为轴承故障诊断等().基于 与 的轴承故障诊断张延军杨 博(太原科技大学机械工程学院太原)摘要:为提高轴承早期故障诊断的准确率使用经验模态分解()与麻雀算法()改进的支持向量机()结合的方式对故障进行诊断 首先使用 软件采集 轴承外圈、滚子及内圈故障的振动仿真信号其次将仿真信号及实际信号作为输入信号进行 分解同时对分解的 分量选择自相关性最大的进行 包络处理最后对包络处理得到的故障频率选取前 个峰值采用 对故障进行诊断 不同的输入样本及不同的算法模型的诊断结果表明选取故障频率作为输入特征向量在 中能够准确的诊断出故障类别证明 能很好的解决轴承故障数据的采集问题所用的诊断方法为轴承故障诊断提供了一种高准确率的方法关键词:故障诊断经验模态分解希尔伯特变换麻雀算法中图分类号:文献标识码:():()()().:引言深沟球轴承由于能够承受较大的径向载荷及较高的转速在各类旋转机械中应用广泛 等考虑了 种不同的球轴承模型使用 建立的基于轴承运动学的运动框图模型使用 软件开发出轴承动力学平面运动模型以及使用 软件开发的具有复杂接触和牵引力的空间多体动力学轴承实验平台 通过对比得出 构建的模型能更好的表示其动力学运动过程不需要进行复杂的数学建模同时适合多种复杂的场景并且能够模拟轴承的游隙效应 涂文兵等利用显示动力学研究了不同故障程度下的轴承内部接触特性及接触变形规律 等基于动态仿真研究在润滑条件下保持架的稳定涡动现象从而得到轴承保持稳定的旋转与保持架及滚子的导向力密切相关同时球间距的不均匀对增加稳定涡动的涡动半径有很大影响 田帅等使用 仿真了轴承外圈故障形式并分析了其故障特征 目前对轴承故障诊断的研究是在复杂的信号中找出故障频率分量从而判断出故障部位 李晓昆等针对轴承故障诊断提出对仿真信号进行 分解处理后对其结果进行特征提取然后采用多种主流分类算法对特征进行训练测试实现对轴承的故障诊断 刘备等提出 的轴承故障诊断方法首先选择模态分量然后采用 的非线性分析方法最后以 网络对故障类型进行识别 朱熹等以均值熵作为神经网络的输入对故障进行识别结果证明以均值熵作为输入将提高故障诊断的准确度 顾云青等对故障信号进行 分解选择排列熵作为输入特征向量在 中对故障进行识别综上所述虚拟样机进行轴承故障仿真的可行性研究很少因此本文将通过对轴承外圈、滚子及内圈故障进行仿真模拟及实际数据构成故障数据集来验证虚拟样机采集轴承故障数据及故障诊断算法的可行性 滚动轴承的 模型.滚动轴承的建模根据轴承具体参数见表 在 中创建轴承的各个零件并进行无干涉检查 在滚动轴承的动力学建模过程中所作的假设如下:内外圈和滚子都是刚性的根据赫兹接触理论计算内外圈和滚子之间的接触刚度初始状态下滚子等间距分布与内外圈之间无相互作用表 深沟球轴承结构参数参数数值轴承节圆直径/.滚子直径/.内圈直径/外圈直径/基本额定动载荷/基本额定静载荷/极限转速油润滑/()极限转速脂润滑/()接触角 /().将滚动轴承的三维模型导入 环境设置图 深沟球轴承仿真模型 的计算单位采用国际单位制 在 中选择笛卡尔坐标系轴承旋转轴选择 轴 模型导入后由轴承运行的实际情况添加相应约束并且旋转运动仅局限于轴承平面内图 为仿真模型表 为添加的相应约束表 约束情况表约束对象约束类型滚子与保持架体体接触滚子与内圈体体接触滚子与外圈体体接触外圈与大地固定副内圈与大地旋转副在模型中接触设置为实体对实体接触刚度和阻尼由赫兹接触理论确定 使用库仑法计算摩擦力如在某一时刻两接触体之间的相对滑移速度不等时静摩擦将会转变为动摩擦 在本例中静、动摩擦系数分别设置为.及.静摩擦转换的速度与摩擦平移速度采用系统默认值.模型验证验证仿真结果主要有两种方法:一种是利用实验结果对仿真结果进行分析验证其是否正确另一种是将轴承零件仿真得到的转速与理论值进行比较验证其是否正确选择第二种方法进行根据文献通过公式计算滚子与保持架的运动学参数由内外圈的速度计算保持架的速度为:()()()当内外圈速度给定时由式()计算出滚子的速度为:()()()()式中:为保持架速度为内圈转速为外圈转速为滚子速度 为接触角为轴承节圆直径为滚子直径 具体数值如表 所示模型所设置的内圈转速为 /外圈固定代入式()可得保持架的转速约为./滚子转速约为./仿真图如图 所示图 轴承仿真速度从图 中可以看出滚动轴承滚子的平均转速与保持架的平均转速分别为./和./与理论值相符证明模型运行正常满足真实轴承的运动学性能在内圈以 /的角速度旋转外圈固定的前提下通过式()、式()计算出滚子及保持架角速度理论值将仿真值与理论值进行对比其结果如表 所示表 仿真值与理论值对比轴承部件理论值/()仿真值/()误差/滚子.保持架.由表 得出滚子与保持架的仿真转速值与理论计算值相近导致误差的主要原因是建模过程中的几何误差及仿真软件中的求解器误差误差在合理范围之内从轴承各构件转速的角度证明了刚体动力学模型的正确性.故障频率计算及其模型建立由深沟球轴承的几何参数获得轴承内圈、外圈及滚子对应的故障特征频率计算公式对轴承的故障频率理论值进行求解 设内圈角速度 单位是/()()()()()式中:为内圈给定的转动频率为外圈故障频率理论值为内圈故障频率理论值为滚子故障频率理论值 为滚子的数目在内圈转速为 /时将表 中的结构参数带入式()得外圈失效的频率值为.内圈失效的频率值为.滚子失效的频率值为.在验证有效的模型基础上分别建立外圈故障、内圈故障及滚子故障的动力学模型设置的数据采集点方向位置为 点 在 中缺陷点的深度为.直径.其余两种与凯斯西储大学设置相同驱动设置为/得到的故障仿真信号如图 所示()外圈故障()内圈故障组合机床与自动化加工技术 第 期()滚子故障图 轴承故障仿真信号由于外圈固定因此该部分故障处产生的冲击信号的大小及方向应基本不变 而内圈旋转故障处产生的冲击信号的大小及方向不断改变 但仅从图、图 中并不能判别出故障的类型 滚子故障的时域图如图 所示相邻两次冲击的时间间隔无明显规律滚子故障点与内外圈接触将产生冲击否则冲击信号不明显 因此需要对时域信号进行处理 信号处理.分解经验模态分解是由 等提出的由于任何信号无论是线性或非线性都存在同样的极值与过零次数而每个模式又独立于其他模式因此每个信号可以分解成若干固有模态对于信号()的 分解步骤如下:步骤:计算出信号()的极大值与极小值步骤:采用 次样条插值曲线构建()的上、下包络线、步骤:求上下包络的均值 ()步骤:求原始信号的中间条件函数()()()()步骤:若()满足 条件则输出第一个 分量 反之重复上述步骤直到满足 条件步骤:原始信号()与 之间的差值为()若()满足分解成 的条件则进行下一步否则()返回第一步代替原始信号()重复以上步骤 的分解原理如图 所示图 分解原理图根据上图 分解原理步骤对轴承信号进行 预处理为了更真实的反应原始信号特征对每个 分量进行相关系数计算 自相关函数计算公式为:()()()()相关系数的计算公式为:()()()()()式中:为采集点的个数 为对应的 分量.包络谱处理 变换本质就是一种相移转换方法在故障诊断领域有很大优势是从原始信号产生一个包络信号 对相关性系数最大的 分量进行 变换设连续时域信号()其 变换如式()所示:()()()()()变换得到的信号()与原始信号()构成一个新的解析信号():()()()()解调信号的幅值大小为:()()()()根据上述分析对 分解得到的最大相关 进行希尔伯特变换首先对轴承振动信号进行包络处理得到包含故障分量的包络然后通过希尔伯特变换得到故障信号的包络谱如图 所示()外圈故障频率()内圈故障频率()滚子故障频率图 故障特征频率从图 可以看出外圈故障频率为.、内圈故障频率为.及滚子故障频率为.但需要人为找出与.节理论计算最相符的峰值再与其对比判断出对应部件故障.优化 麻雀搜索算法是通过模拟麻雀的觅食和抗捕食行为提出的算法算法模型包含发现者、觅食者及报警者 发现者为种群提供觅食区域及方向觅食者除了跟随发现者觅食也可通过找到更好的食物来源而成为发现者但发现者和觅食者在整个种群中的比例不变一旦发现天敌报警者将会发出报警信号 对 的优化是通过调节其惩罚参数 及核函数参数由于 在不同的搜索空间有较高的性能可以有效避免 出现过学习和欠学习步骤:发现者位置更新 年 月 张延军等:基于 与 的轴承故障诊断()/其他()式中:为发现者引导的最优狩猎位置为当前空间中最差的位置 为一个 的矩阵步骤:更新报警者的位置 ()()式中:为服从正态分布的步长控制参数 的随机数为第 只麻雀的适应度值和 分别为当前空间全局最优和最差适应度值在本模型中麻雀种群数量设置为 最大迭代次数取优化后 中 取.取.此时模型的准确率和识别速度达到最佳 故障诊断整体图如图 所示图 故障诊断整体流程 实际信号故障诊断.数据的选取为了证明故障诊断方法的准确性选择的轴承故障诊断数据集来自 仿真及美国凯斯西储大学轴承数据中心待测轴承型号为 安装在电机风扇端轴承的基本尺寸与仿真一致故障信号的采样频率为 采用电火花加工技术人为制造损伤直径为.、.及.的单点故障 数据使用加速度传感器来采集失效轴承的振动加速度信号 从西储大学的 种工况下选 种不同故障直径及不同构件的故障数据集中随机选 组及 组仿真故障数据共 组经 及 处理后得到故障频率后分别取故障频率的前 个峰值作为故障样本.算法对比为表明所使用的 算法的优越性在相同条件下将输入 中的数据集重新输入到 及 中进行训练训练样本与测试样本与 中的相同故障诊断数据是 维的矩阵取前 个样本作为算法的训练样本后 个样本作为识别验证样本 标签 对应外圈故障、标签 对应滚子故障、标签 对应内圈故障由于篇幅的限制每种标签下只列出 个故障频率 如表 所示表 标签及故障频率()标签故障频率 故障频率 故障频率.及另外两个模型预测结果如图 所示在模型训练后将剩余测试数据作为输入代入 个模型中 模型的准确率为.模型的准确率为.的故障诊断准确率最高证明了方法的正确性()预测结果()预测结果()预测结果图 输入为故障频率不同模型的预测结果同时为了说明故障频率作为输入对提高准确率的优越性将每个信号 分解后相关系数最大的 分量取前 个构成维数相同的样本 在、及 中预测结果如图 所示()预测结果()预测结果()预测结果图 输入为相关系数不同模型的预测结果从图 和图 可以看出以故障频率作为输入比相关系数作为输入的预测准确率高因此选择故障频组合机床与自动化加工技术 第 期率作为输入样本以故障频率作为输入时模型分别比 模型及 准确率高 、.综上所述选择故障频率作为输入在 模型中对故障进行诊断更适合对轴承早期的故障进行识别 结论本文针对轴承早期故障提取及诊断问题提出将虚拟样机仿真得到的数据及实验数据作为故障诊断的数据集样本采用 与 优化 的方法进行故障诊断结论如下:()本文采用 方法对故障信号进行分解对相关性最大的进行包络处理得到其故障频率取其前 个峰值作为故障样本进行预测结果表明不同模型的预测准确率均高于以相关系数作为输入样本的方法()通过对惩罚参数 及核函数参数 的优化避免 出现过学习及欠学习 以故障频率作为输入样本时 模型的准确率优于 模型及 模型 同时本文对于 在轴承故障仿真方面的研究提供一定的参考参考文献 .():.:.():.涂文兵杨锦雯罗丫等.不同故障程度下的滚动轴承内部接触动态特性分析.机械强度():.():.田帅张超张辉.风电机组主轴轴承典型故障的建模与仿真分析.现代电子技术():.李晓昆王然风王爱玉等.基于 的采煤机牵引部轴承故障诊断方法.矿业研究与开发():.刘备蔡剑华彭梓齐.基于 的滚动轴承故障诊断方法.噪声与振动控制():.朱熹吕勇袁锐等.基于均值 熵和神经网络的轴承故障诊断.组合机床与自动化加工技术():.顾云青苏玉香沈晓群等.基于改进的 排列熵和 的滚动轴承故障诊断.组合机床与自动化加工技术():.():.张乔云杨胜强李文辉等.基于 和 的立式振动光饰加工振动信号特征频率提取.机械设计与制造():.梁波.基于小波包和希尔伯特包络分析的盾构机主轴承故障诊断方法研究.兰州:兰州理工大学.别锋锋朱鸿飞彭剑等.基于 与 的往复式压缩机气阀故障诊断.振动与冲击():.:.():.(编辑 祝智铭)(上接第 页).():.():.():.():.():.():.:():.():.():.():.:.():.():.():.:/.:/:.(编辑 赵 蓉)年 月 张延军等:基于 与 的轴承故障诊断