基于声信号小波变换的滚动轴承故障诊断.docx

基于声信号小波变换的滚动轴承故障诊断
摘要
钢铁工业的生产线中，分别安装有各种轴承用于支持旋转机械。然而，在轴承的运转过程中，会因为各种原因引起不稳定的振动，如此轴承就会受到损害，导致其预期寿命缩短，甚至发生过早失效。为了尽早发现轴承失效的征兆，可进行相应的故障诊断与监测。本文基于声信号小波变换的方法，探讨滚动轴承故障诊断，将传统的故障诊断方法与小波变换法相结合，通过实验结果分析，证明其在轴承故障诊断中的良好表现。
关键词：滚动轴承，故障诊断，小波变换，声信号，振动分析
引言
滚动轴承是重要的旋转机械支撑，其主要功能是支撑旋转机械的旋转部分，通过分布在内外环和滚动体上的一定数量的滚珠或滚子，使其能够在旋转过程中维持一定的位置和方向。轴承的损坏会影响机械的正常运转，导致机械效率下降，甚至造成严重的事故。
在轴承的运转过程中，会因为各种原因引起不稳定的振动，形成不同于正常运转状态的噪声信号。因此，通过对轴承发出的噪声信号的监测与诊断，可快速发现轴承的异常状态，并进行相应的维护与保养。在众多的故障诊断方法中，小波变换法被广泛用于轴承故障诊断领域。
本文首先介绍了滚动轴承的分类与故障类型，其次分析了小波变换法在信号处理中的应用，然后基于小波变换法设计了实验，并在Matlab平台下进行了实验与数据分析，得出了较好的故障诊断效果。
滚动轴承的分类与故障类型
根据滚动方式的不同，滚动轴承可以分为球形滚动轴承和滚子轴承两种类型。在球形滚动轴承中，滚珠以点接触式滚动，其摩擦系数小，能够承受较大的载荷。滚子轴承通过滚动体的线接触实现运动，由于其滚动体接触去相对于球形轴承更多，其承受载荷的能力更高。在不同类型轴承的应用中，润滑油的质量和滚动体的材料都是影响轴承寿命的重要因素。
在使用过程中，滚动轴承会因为各种原因而产生不同的故障状态，主要包括以下三种类型：
（1）疲劳故障：是轴承最常见的一种故障类型，其产生的主要原因是材料的疲劳或表面损伤。疲劳故障难以直接诊断，但会在早期表现出周期性的振动。
（2）过载故障：由过载导致的轴承损坏，原因可能是负载超标或意外冲击。
（3）磨损故障：轴承的表面和摩擦部位存在的磨损会导致其损坏。磨损故障易于观察和检测，但是日常维护非常重要。
小波变换法在信号处理中的应用
小波变换法是一种用于信号处理的数学工具，其本质是对信号进行时频分析。小波分析就是通过一定的窗口函数将原始信号分解成由不同频率的小波成分所组成的系数。通过对系数进行不同的处理，可以实现精确和高效的信号分析。
在轴承故障诊断中，小波变换法的主要应用是提取信号的局部特性（频率、时间、幅度等）。小波变换法可以将原始信号分解成不同尺度和不同频率的小波系数，进而对其进行更深入的分析。所采用的窗口函数不同，得到的小波基函数和小波系数也会不同。小波变换法的主要步骤包括：
（1）选取合适的母小波并滤波处理信号。
（2）将信号分解成不同频率和尺度的小波系数，可进行多层分解。
（3）通过对小波系数进行重构，还原原始信号。
（4）对各层小波系数进行处理与筛选，例如新增或略去系数。
基于小波变换法的滚动轴承故障诊断
实验原理
本研究使用NSK6205型球形滚动轴承并以牵引式负载辊式轴承试验机为实验平台，建立轴承故障检测实验系统。具体步骤如下：
（1）实验系统构造：按照图1的组成，配置实验系统的硬件及软件。
（2）选取靠近轴承的位置，粘贴加速度传感器。
（3）启动实验系统，在开始采样前，让系统完成预热并确认采样参数的设置无误。
（4）在确认各参数设置均正确后，按下开始采样键，开始对实验中的信号进行数据采集。
（5）完成采集后，利用Matlab对所采集的信号进行处理，主要过程包括信号预处理、信号滤波、小波变换的分解等。
（6）将信号分为3个频段（高频、中频、低频）进行小波变换、分解和重构。
（7）通过比较实验前后不同频段下的小波系数，识别轴承的运转状态，便于异常处理。
实验结果及分析
本实验中，将高频信号视为有用信号，对其进行了一系列处理与分析。具体方法包括：
（1）利用小波分析法将信号分解成几个子带，进行频段分析。
（2）通过极大值点的判断方法，计算出相应频带下的极大值，并比较其幅度变化，判断是否存在故障发生。
本研究选取不同损伤情况下滚动轴承的实验数据，得到了不同工作状态下的信号波形。例如图2所示，为正常运行状态下高频振动信号的小波迹线。通过与实验前的数据对比，轴承故障的痕迹已十分明显。
通过对小波系数的分析，我们可以在不同工作条件下，很好地区分出轴承的异常振动状况，准确地检测到轴承损坏或故障情况。实验结果证明了小波变换法在轴承故障诊断领域的可行性和准确性。
结论
本文基于小波变换法，探讨利用声信号进行滚动轴承的故障诊断。通过实验分析和数据研究，得出了以下结论：
（1）小波变换法是