基于GA-VMD的滚动轴承故障特征信号提取方法.pdf

:./.基于 的滚动轴承故障特征信号提取方法尹怀彦张 涛(兰州交通大学 机电工程学院甘肃 兰州)摘 要:针对轴承故障提取困难的问题该文建立了以包络熵和峭度为综合目标函数的变分模态分解()参数优化方法 用遗传算法对综合目标函数的最小值进行计算寻优获得最佳的模态分解个数和惩罚因子的值 利用遗传算法()优化的 分解方法获得仿真信号和实测信号的本征模态函数()依据相关峭度值最大的方法选取 敏感分量并对其进行 包络谱分析 分析结果表明基于遗传算法优化的 分解方法能够有效提取故障特征信号关键词:故障诊断遗传算法相关峭度中图分类号:文献标识码:文章编号:()():.:引 言滚动轴承作为旋转机械的核心部件在机械设备正常运行中起着关键作用 轴承一旦出现故障就会影响到整个设备的运行 因此能否及时发现轴承出现的故障对企业的生产效益有着重大影响对于轴承故障的诊断方法有很多种 等提出的经验模态分解()是一种自适应的信号处理方法该方法应用广泛但却存在端点效应、模态混叠等缺点 等提 出 的 变 分 模 态 分 解()是一种非递归的模态分解方法可以有效避免 方法出现的缺点受到国内外众多学者的关注 但是 方法的分解效果受到模态分解个数和惩罚因子两个参数的影响 刘泽锐等对振动信号进行 分解后对相关峭度值较大的()分量进行快速峭度谱分析并进行故障的识别 李永琪等建立了一种以平均包络谱为适应度函数的天牛须搜索方法优化 的参数用加权合成峭度选取了 的最佳分量通过仿真信号和实验数据验证了所提方法的有效性 刘建昌等用遗传变异粒子群算法对 进行参数优化获取最优的参数组合 何勇等提出了以峭度和包络熵为综合目标函数的遗传算法优化 得到参数的最佳组合并提取了故障特征信息 郑小霞等在对 的两个参数进行选取时通过试验的方法确定了参数的取值但没有考虑分解个数与惩罚因子的相互影响 张俊等用标准粒子群算法对 和 的参数的值进行寻优通过包络谱提取了轴承故障特征信息 孙灿飞等提出一种自适应确定分解个数与惩罚因子的 方法引入了滑动平均功率谱密度将 与功率谱线先验知识结合起来实现了信号自适应分解 韩朋朋等建立了以包络熵与平方包络谱峭度的综合目标函数的遗传算法优化机械研究与应用 年第 期(第 卷总第 期)研究与试验收稿日期:基金项目:甘肃省高等学校创新基金项目:轨道车辆齿轮传动系统故障诊断及维护策略研究(编号:)甘肃省青年基金项目:长期服役下重载机车齿轮传动系统振动特征演变规律研究(编号:)兰州交通大学“天佑创新团队”资助项目:高速动车组车辆构造与设计系列课程(编号:)作者简介:尹怀彦()男甘肃临洮人硕士研究生研究方向:轴承故障诊断得到最优的 分量并对其进行增强包络谱分析 胡爱军等通过相关峭度图确定 的分解个数再通过.维谱消除无关成分的影响实现轴承复合故障的分离 张青松等以能量熵的变化率作为选取 分解个数的依据将 分解得到的故障特性输入到自适应粒子群优化的 并识别出了不同的故障类型虽然以上方法能实现对 算法的参数优化但选择不同的目标函数及参数优化范围都会对 算法的诊断结果产生影响 为了进一步增强 算法的诊断效果笔者提出了一种基于遗传算法的参数自适应 方法 首先以峭度和包络熵作为综合目标函数用遗传算法优化 得到最佳分解个数和惩罚因子 其次利用遗传算法优化 方法分解轴承故障仿真信号和实测信号得到各 分量 最后根据相关峭度的最大值选取最佳 分量并对其进行包络谱分析识别故障类型 该方法能有效提取故障信号对同类故障识别提供参考 基于 优化的 算法.算法 算法是一种完全非递归的模态分解方法它可以将待分析信号分解成固定尺度的分量信号并可以通过迭代搜索变分模型的最优解来获得每个分量的中心频率和带宽 该方法具有较好的频带分离特性若其模态个数选取合适则能够很好地克服模态混叠问题在文献中 将变分问题构造成为约束变分模型:()().()通过引入二次惩罚因子和 乘子将式()转化成无约束优化模型:()()()()()()()()()采用交替方向乘子算法()对式()求解最优解得到如下的结果:()()()()()()()()分解的具体步骤如下()初始化、和()进入循环()根据式()更新、直到分解个数达到 时停止循环()根据以下公式更新:()()()()()()根据以下公式判断收敛若满足条件则停止循环否则返回步骤()继续循环:().遗传算法优化 的参数使用 算法对轴承振动信号进行分解时需要提前对分解个数 和惩罚因子 两个参数进行设置 若 的取值太小则不能有效地分解原始信号若 的取值过大会使原始信号过分解产生虚假分量 的取值越小分解得到的模态分量的带宽就越大过大的带宽会导致各模态频率谱重叠若选取 值越大分解模态分量的带宽就越小原始信号中的特征信息会丢失 如果给定一个参数来优化另一个参数则不能表现两个参数的相互影响会使求解的问题陷入僵局遗传算法()是模拟生物进化论的自然选择和生物进化的计算模型的一种算法该算法能实现对待求解问题的随机全局搜索和优化遗传算法的实现过程包括种群初始化、计算适应度值、选择、交叉和变异等 整个过程使种群像自然进化一样产生的后代种群比前代种群更能适应环境最终产生的种群中的最优个体通过解码可以作为求解问题的近似最优解本文采用遗传算法对 算法的参数进行寻优从而避免人为因素的干扰 以文献提出的复合目标函数作为适应度函数流程图如图 所示峭度指标是识别轴承故障诊断常用方法之一其定义如下:()()式中:是信号()的均值 为信号()的方差()是变量 的期望值 当轴承在无故障时振动信研究与试验 年第 期(第 卷总第 期)机械研究与应用号接近正态分布峭度指标接近 当轴承出现故障时峭度值会大于 图 诊断流程图 包络熵的概念由唐贵基等提出它反映了信号的稀疏特性 其表达式如下:()/()()()式中:()是振动信号经过 解调后的包络信号为()的归一化形式将以上两个指标进行融合能够更好地对故障特征信息进行提取 所以建立的复合目标函数为:()具体优化步骤如下()产生初始种群且每个个体中包含 和 两个参数给定其范围()对初始种群进行交叉和变异操作求解种群中每个个体的综合目标函数值()更新迭代转至步骤()直至迭代次数达到最大设定值后输出最优参数 和.相关峭度峭度指标能有效地反映轴承受到的冲击信号其对单个冲击信号更加敏感 但是峭度指标有时会显得缺少时效性 相关峭度则能保留峭度指标和相关系数的特性能提取特定周期的冲击信号表达式如下:()()()()式中:为信号序列 为冲击敏感周期 为输入信号的采样点数 为偏移的周期数 特别地当 且 时式()简化为峭度指标的表达式相关峭度可以检测敏感的周期冲击信号因此特别适合作为提取滚动轴承故障特征的评价指标 相关峭度值越大说明信号中故障冲击信号越多相关峭度值越小说明信号中故障的冲击成分越少 轴承仿真分析轴承在运行过程中当滚动体运行到局部缺陷位置时会产生周期性的冲击作用从而引起轴承系统的固有频率的振动 为了验证本文方法对轴承故障诊断的有效性利用如下数学模型模拟轴承故障仿真信号:()()()()()()()()()式中:()是模拟的轴承故障信号()是轴承故障的周期性冲击成分()是添加的高斯白噪声取值为 采样频率 共振频率 轴承故障频率 轴承转频 采样点数 是幅值取值为 是衰减系数取值为 添加白噪声的轴承仿真信号结果如图 所示信号中的周期性冲击成分被噪声完全淹没包络谱中轴承故障频率并不明显图 轴承故障仿真信号 首先给出遗传算法的参数取值为:初始种群大小为 迭代次数 交叉概率.变异概率.接着根据给定的遗传算法的初始值经机械研究与应用 年第 期(第 卷总第 期)研究与试验过迭代寻优得到 算法中 和 的取值 图 为综合目标函数值的变化情况当迭代次数为 时综合目标函数值为.此时对应得到的最佳模态分解个数和惩罚因子分别为 和 最后将得到的 和 值带入 算法中对振动信号进行分解得到 个 分量的时域信号如图 所示图 综合目标函数值变化过程图 优化的 分解结果 通过对以上各 分量的相关峭度值计算得到 对应的相关峭度值最大计算结果如表 所列 对 进行希尔伯特包络解调处理得到包络谱如图 所示表 分量的相关峭度值相关峭度相关峭度.从包络谱图中可以看出处存在最大峰值与轴承故障特征频率 一致 此外轴承故障频率的倍频也能明显看到转轴的基频 清晰可见能判断出轴承的具体故障类型图 分量包络谱 实测信号分析以美国西储大学的轴承外圈故障数据为例进行分析轴承型号选用 采用电火花加工技术在轴承外圈上加工尺寸为.的故障 测试采样频率为 采样点数为 电子负载.轴承试验转速为 /(转轴的基频为.)根据轴承故障频率计算公式得到轴承外圈的故障频率为.首先对该实验数据添加 的高斯白噪声使信号成分更加复杂以验证所提优化算法的鲁棒性 图 为加入高斯白噪声的振动信号时域图和包络谱图 时域图中轴承故障信号被淹没无法判断是否包含周期冲击信号包络谱分析结果中转频不明显而轴承故障频率基频和 倍频清晰可见 倍频以后频率成分又比较复杂图 外圈故障信号 采用遗传算法优化的 对实验数据进行分解得到的综合目标函数值变化过程如图 所示研究与试验 年第 期(第 卷总第 期)机械研究与应用图 综合目标函数值变化过程 由图 可知当迭代次数为 时综合目标函数的值最小为.首先获得 最优参数组合 然后设置 算法的初始参数再对信号进行分解最终得到 个模态分量 分解的时域和频域结果如图 所示图 优化的 分解结果 计算 分解得到的 分量的相关峭度值为:为.为.为.得到 的相关峭度值最大对 进行希尔伯特包络谱分析结果如图 所示图 分量包络谱 从图 可知处出现的峰值对应于轴承外圈故障的理论值除转轴的基频()、外圈故障的二倍频()、三倍频()出现较明显的峰值外其它频率处的峰值相对较小 由此判断轴承外圈存在故障 结 语文章选取峭度和包络熵作为综合目标函数采用遗传算法优化 的模态分解个数和惩罚因子利用遗传算法优化的 方法分解仿真信号和实测信号得到的结果表明该优化算法的准确性 但是本文采用方法的计算效率相对低在以后的研究中需要继续对该算法进行改进参考文献:.():.():.刘泽锐邢济收王红军等.基于 与快速谱峭度的滚动轴承故障诊断.电子测量与仪器学报():.李永琪彭珍瑞.参数优化 和 的滚动轴承故障诊断.机械科学与技术():.刘建昌权 贺于 霞等.基于参数优化 和样本熵的滚动轴承故障诊断.自动化学报():.何 勇王 红谷 穗.一种基于遗传算法的 参数优化轴承故障诊断新方法.振动与冲击():.郑小霞周国旺任浩翰等.基于变分模态分解和排列熵的滚动轴承故障诊断.振动与冲击():.张 俊张建群钟 敏等.基于 方法的风机轴承微弱故障诊断.振动.测试与诊断():.孙灿飞王友仁沈 勇等.基于参数自适应变分模态分解的行星齿轮箱故障诊断.航空动力学报():.韩朋朋贺长波陆思良.基于 与增强包络谱的轴承早期故障诊断方法.机电工程():.胡爱军白泽瑞赵军.参数优化 结合.维谱的滚动轴承复合故障特征分离方法.振动与冲击():.张青松张 兵秦 怡.基于改进 和 的高速列车轴承故障诊断.机车电传动():.边 霞米 良.遗传算法理论及其应用研究进展.计算机应用研究():.王 杰郭世伟.自适应 算法在滚动轴承故障诊断方面的应用.机电工程技术():.唐贵基王晓龙.参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用.西安交通大学学报():.张永祥王孝霖张 帅等.基于奇异值分解和相关峭度的滚动轴承故障诊断方法研究.振动与冲击():.():.王晓龙.基于振动信号处理的滚动轴承故障诊断方法研究.北京:华北电力大学.机械研究与应用 年第 期(第 卷总第 期)研究与试验