基于DT-LMD机床轴承故障信号提取研究.pdf

2 0 1 5年 4月 第 4 3卷 第 7 期 机床与液压 MACHI NE T0OL ＆ HYDRAUL I CS Ap r ． 2 01 5 Vo 1 ． 4 3 No ． 7 D OI 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 1 3 8 8 1 ． 2 0 1 5 ． 0 7 ． 0 4 7 基于 D T ． L MD机床轴承故障信号提取研究 侯蒙蒙，许 同乐 山东理工大学机械工程学院，山东淄博 2 5 5 0 4 9 摘要为了准确得到机床故障轴承的运行状态 ，结合双树复小波变换 D a u l T r e e C o mp l e x Wa v e l e t T r a n s f o r m，D T ． C WT 和局域均值方法 L MD分解的方法提出了一种新的方法 D T L M D ，对轴承故障振动信号提取，首先利用双树复小波变 换对信号进行降噪和重构，其次通过局域均值方法分解 ，再次利用该方法对机床轴承实际振动信号进行分解，提取其能量 特征值并将特征值进行归一化处理，得到各个分量的能量值 ；最后判断轴承的故障类型。 关键词故障轴承；局域均值分解；特征提取 ；归一化处理 中图分类号 T H1 3 3 ． 3 文献标志码 A 文章编号1 0 0 1 3 8 8 1 2 0 1 5 7 1 8 5 4 St u dy o f Be a r i ng Fa u l t Si g n a l Ex t r a c t i o n o f M a c h i n e To o l Ba s e d o n DT- LM D HOU Me n g me n g，XU To ng l e Me c h a n i c a l E n g i n e e r i n g S c h o o l ，S h a n d o n g U n i v e r s i t y o f T e c h n o l o g y ， Z i b o S h a n d o n g 2 5 5 0 4 9 ， C h i n a Abs t r a c t I n o r de r t o a c c ur a t e l y g e t f a u l t b e a r i n g o f t he ma c h i n e t o o l r un ni n g s t a t e，a n e w me t h o d o f Da ul Tr e e Co mpl e x W a v e l e t T r a n s f o r m L o c a l Me a n D e c o m p o s i t i o n D T L MDw a s p r o p o s e d b a s e d o n i n t e g r a t i o n o f D T C WT a n d L MD， a p p l y i n g f o r b e a ti n g f a u l t v i b r a t i o n s i g n a l e x t r a c t i o n．Fi r s t l y，DT CW T wa s us e d t o r e d ue e t he s i g n a l n o i s e a n d r e f a c t o r i n g ．S e c o n dl y，u s i n g t he LMD t o d e c o m p o s e ，i t wa s u s e d t o d e c o mp o s e t h e a c t u a l v i b r a t i o n s i g n a l o f b e a r i n g o f ma c h i n e t o o 1 ．T h e f e a t u r e s e n e r g y o f t h e ma c h i n e t o o l b e a ti n g wa s e x t r a c t e d，a nd n o rm a l i z e d t h e e i g e nv a l u e．Th i r d l y，t he e n e r gy v a l ue o f e a c h c o mp o n e n t i s g o t t e n，fin a l l y t h e t y pe o f be a r i n g f a ul t i s j u d g e d ． Ke ywo r ds Fa u l t be a tin g；LMD；Fe a t ur e e x t r a c t i o n；No rm a l i z a t i on p r o c e s s i ng 0前 言 机床是先进制造技术和制造信息集成 的重要元 素 ， 是发展机器制造业 以至整个工业 必不 可少 的复杂 生产 工具 ，而 轴 承是 整个 机 械设 备 中的关 键 组成 部分 ，是 机 构与 机构 之 间 的纽 带 。如 果 不 能实 时 检 测 、提取设 备的有效特征参数，就无法准确得到设 备状 态 的信 息 ，故 障诊 断就 无 法有 效 进行 ，因此选 择合适的提取故障轴 承的特征信号方法尤为关键。 小波分解 在对信号进行解调时不能提取出信号的 原 始 特 征 ，双 树 复 小 波 变 换 D a u l - T r e e C o m p l e x Wa v e l e t T r a n s f o r m，D T C WT 是近几年来发展起 来 的一种 具 有 诸 多 优 良特 性 的新 型 小 波 变 换 方 法 ， 双树 复小 波变 换 具有 近 似平 移不 变 性 、良好 的方 向 选 择性 、完 全重 构性 、有 限 的数 据冗 余 性 和 高效 的 计算效率等优 良性质。J o n a t h a n S S MI T H于 2 0 0 5年提 出了一种新 的自适应性时频分析方法一局域均值分 解方法 L o c a l M e a n D e c o m p o s i t i o n ， L MD ，并将这 种处理方法应用于电脑图像的处理。L M D分解过程与 经验模态分解 E M D类似，L M D分解比 E M D分解 能提取更多的频率和包络信息，避免了由于 H i l b e r t 变 换 自身问题在计算瞬时频率时产生的无法解释的负频 率现象 ，但是 L M D分解过程 中平滑次数过多 ，造成提 前或滞后现象，会影响最终的分解结果。当轴承发生 故障时，在不同频带内的信号频率分布会发生改变。 一 般机床轴承状态监测的参数指标有幅值、平均值、 峭度、裕度等，结合两种方法，文中选择能量提取法 检测轴承的状态，首先信号通过双树复小波变换降噪 和重构，其次通过 L MD分解，再次计算振动信号某个 分量的能量值 ，最后判断机床轴承故障类型。 1 L MD轴承特征信号处理方法 1 ． 1 双树复小波变换降噪和重构 双树复小波变换首先 由 K i n g s b u r y等人提出，后 经学者 S e l e s n i c k进一 步 提 出 了双 树 复小 波变 换 的分 解与重构算法。在利用双树复小波变换进行信号的 收稿 日期 2 0 1 4 0 6 1 8 基金项目山东省 自然基金项目 Z R 2 0 1 3 F M0 0 5 ；山东省高等学校科技计划项 目 J 1 0 L G 2 2 作者简介侯蒙蒙 1 9 8 8 一 ，女，硕士研究生，研究方向为信号处理、故障诊断。E - m a i l 1 5 1 6 5 3 3 5 3 6 1 1 6 3 ． c o m。 1 8 6 机床与液压 第 4 3 卷 分解与重构的过程 中，始终保持虚部树 的采样位置 位于实部树的中间，从而实现实部树和虚部树的信 息互补 。 传统的离散小波包变换 D i s c r e t e Wa v e l e t P a c k e t T r a n s f o r m，D WP T 在分解时，由于每次分解时都采 用基 2下抽样操作 ，这样使 每次分解后信号 的采样频 率降低一半 ，时间分辨率也降低一半。所以一旦分 解层数确定 ，频带的频率分辨率也就确定，分解的 层数越多 ， 频率分辨率越高 ， 但是时间分辨率越低。 同时 ，基 2下抽样的操作不具有平 移不变性 ，还会 引 起较大的频率混叠问题，难以有效地提取信号 的特 征频率 o 。 针对传统小波包变换 的缺陷和双树复小波变换 的优 良特性和不足之处 ，提 出双树 复小波包变换 D u a l - T r e e C o mp l e x Wa v e l e t P a c k e t T r a n s f o rm ，D T C W P T 。对信 号进行 D T ． C WP T分 解与 重构 的详 细过 程见文献 [ 6 ] 。 1 ． 2 L MD的分解过程 L M D分解方法对特征信号的提取过程 将一个 复杂的信号经过多次迭代分解得到若干个瞬时频率 有物理意义 的包络 函数乘积和一个纯调频函数之和 。 L M D具体的分解过程如图 1 所示。 图 1 L MD分解流程 1 ． 3 D T L MD 处 理 过 程 本 方法 的过 程流 程 图如 图 2所 示 ，首先 将 原始 信号通过双树复小波降噪分解 ，然后重构信号，有 效消除信号中的噪声成分，其次将重构后的信号通 过 L MD分解 ，提取特征信号 的能量值 ，最后判断 机床 轴 承 的 故 障 类 型。该 方 法 称 为 D T L MD分 解方法 。 图 2 D T ． L MD流程 图 2 仿真与实例 2 ． 1 仿 真信 号 处理 利用两种分解方法即单独的 L IV I D方法与双树复 小波变换和 L M D方法相结合 简称 I T L IV I D ，对下面 同一个简单的非线性信号进行分解并比较，表达式为 ‘ 5 s i n 3 0 r t 5 s i n 1 0 0 r t 1 该信号是由频率为 1 0 H z 和 3 5 H z 合成的。对该 信号分别进行 L M D分解 、D T - L M D分解 ，所得分量 经过相关性选择之后结果如图 3 所示。两种方式分解 得到的分量频谱如图4所示。 ‘ 提取信号能量值大小如 表 1所示 第 7期 侯蒙蒙 等 基于 D T L MD机床轴承故障信号提取研究 1 8 7 s 5 s 碰 。 。。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。。 。 。 。 全 全 0 2 0 0 4 0 0 6 0 0 8 0 0 1 0 0 0 1 2 0 0 1 4 0 0 1 6 0 0 1 8 0 0 2 0 0 0 t ， S 氐 三三三 a LMD t ／ 分 s 解 图 迎 罂 馨 1 0 0 1 O 1 0 0 一 一l0 ⋯ 糊 图 3 分解结果 频 率／ H z f a L Mt “ 量频 谱 图 表 1 两种 方式能量提取值 图 4 分解分量频谱图 图 4中 a 、 b 分别为两种方式分解所得 分量 的频谱 ，选择输 出 [ 0 1 0 0 ]之间的频率。结合 图 3 a 和 图 4 a 得到信号 经过 L M D分解 之后完全 得 到了两个基频分量，分解效果理想 ，对轴承故障特征 信号的提取很成功。D T L M D可以将复杂的非平稳调 幅一 调频信号分解成若干个单分量的调制信号 ，而这些 分量的物理意义是它们反映了信号中不同的频率成分 信息，结合图 3 b 和图4 b 可看到 D T ． L M D成功 的将合成信号中个分量分解出来。通过分析分解后的误 差剩量，L M D的分解效果不如 D T L MD分解效果好。 5 趔。 瓣 ．5 将各分量能量值进行归一化处理后得到表 1 。通 过表 1 可以看出对频率比较单一仿真信号进行分解 ， D T - L MD的分解效果比较理想。A 。 、A 分别对应着两 个分量 的能量值 ，A 对 应着 误差 的能量 值 ，通 过 能 量值 的大 小 很 直 观地 比较 出 L MD的 分解 效 果 不 如 D T - L MD分解 效果 好 ，与直 接观 察 图形 所得 的结 论一致 。 2 ． 2 机 床 轴承信 号 处理 对某机床轴承 S K F 2 2 2 3 2 垂直方向进行了数据采 集测试 ，采样频率 6 0 0 0 H z ，所用加速度传感器型号 为 6 2 7 A 6 1 ，主轴转动频率 1 4 ． 2 5 H z ，外圈损伤特征 频率 1 1 6 ． 5 9 2 H z ，内圈损伤特征频率 1 5 4 ． 1 5 8 H z ，滚 动体损伤特征频率 4 9 ． 5 9 8 H z ，保持架损伤特征频率 6 ． 1 3 6 H z 。图5为采集信号的时域图和频谱图。 0 l 时 间， 矗 图 5 采集信号的时域图和频谱图 0 0 O 1 O 1 1 8 8 机床与液压 第 4 3卷 图5频谱图的频率输出范围为 [ 0 5 0 0 ] ，在机 床轴承自由端垂直方 向的频谱 中，出现了机床轴系 的转频 1 4 ． 3 4 H z 及其二倍频 2 8 ． 6 9 H z ，且二倍频成 分幅值高于转频幅值 ，意味着该轴系可能存在不对 中现象。同时，该频谱中存在 2 3 5 ． 3 H z 、3 5 2 ． 9 H z 、 4 7 0 ． 6 H z 等频率成分，其间隔约为 1 1 7 ． 6 H z ，与轴 承外圈故障特征频率接近 ，意味着 自由端轴承外圈 存在损伤。在频率为 1 4 6 ． 5 H z 处出现较大的幅值说 明轴承在 此 处 的冲击 力很 大 ，在 以后 的运 行 过程 中 发生故障的频率 较高。 将 5 个特征频 率作为输入 ，将 D T ． L M D分解得到 的特征频率与输入的 5 个特征频率分别做相关分析， 分别得到相应的相关系数，设置一定的相关选择系数 ， 保留符合条件的分量，最后将得到的各个分量求其能 量值并对各分量的特征能量值进行归一化处理得到表 2 。 表 2 能量的提取 通过表 2 可 以看 出，通过 D T L M D分解 出的能量 值 A 。 明显 高于其他分量 能量 ，分量 A 与主轴 的转动 频率对应 ，说明机床可能存在主轴转动的故障，分 量 A 是与外圈的故障频率相对应 ，通过表 2可以看 出外圈可能存在故障。其他分量的能量值相对较小， 暂时不会影响机床轴承的正常运转。在以后的生产 中定期对轴承进行检测 ，确保其正常运行。通过图 5 与表 2 相结合可以看出，两种方法得出的结果一致， 因此通过 D T - L MD分解方法提取故障信号能量值判断 故障的类型是可行的。 3总结 针对某机床轴承故障诊断特征信号提取的方法， 介绍了 D T - L M D分解方法的基本理论和算法以及它们 在轴承故 障特 征提 取 中的实 际运用 ，并通 过对 仿 真 信号和实际信号进行处理、分析。通过分析得出 D T L M D分解方法可以成功地提取故障特征信息，此方 法比频谱 图分析更加直观、简便 ，是一种提取轴承 故障特征信号可行 的办法 ，此方法有利于全面准确 地得 到轴 承故 障诊断 的特征信号 。 参考文献 [ 1 ]胡亚波 ， 吴玉文． 我国数控机床的状况与发展[ J ] ． 机床 与液压 ， 2 0 0 4 7 4 6 ． [ 2 ] 裴新才 ， 许同乐． 基于小波包的轴承信号降噪和特征提 取的研究[ J ] ． 煤矿机械， 2 0 1 1 3 2 4 4 - 2 4 6 ． [ 3 ]K I N G S B U R Y N G ． T h e D u al T r e e C o m p l e x Wa v e l e t T r a n s f o r m a N e w T e c h n i q u e for S h i f t I n v a r i a n c e a n d Di r e c t i o n a l fi l t e r s[ J ] ． I E E E D i g i t a l S i g n a l P r o c e s s i n g Wo r k s h o p ， 1 9 9 8 ， 9 8 1 2 - 5 ． [ 4 ]S E L E S N I C K I W， B A R A N I U K R G， K I N G S B U R Y N G ． T h e D u a l - T r e e C o m p l e x Wa v e l e t T r a n s f o rm [ J ] ． I E E E D i g i t a l S i g n a l P r o c e s s i n g Ma g a z i n e ， 2 0 0 5 ， 2 2 6 1 2 3 1 5 1 ． [ 5 ]S M I T H J S ． T h e L o c a l Me a n D e c o m p o s i t i o n a n d I t s a p p l i c a t i o n t o E E G P e r c e p t i o n D a t a[ J ] ． J o u ma l o f t h e R o y a l S o c i e t y I n t e r f a c e ， 2 0 0 5 ， 2 5 4 4 3 4 5 4 ． [ 6 ]B A Y R A M I ． S E L E S N I C K I v a n W．O n t h e D u a l T r e e C o m p l e x Wa v e l e t P a c k e t a n d M B a n d T r a n s f o rms [ J ] ． I E E E T r a n s a c t i o n s o n S i g n al P r o c e s s i n g ， 2 0 0 8 ， 5 6 6 2 2 9 8 2 3 1 0 ． [ 7 ]胥永刚， 孟志鹏，陆明． 基于双树复小波包变换的滚动 轴承故障诊断[ J ] ． 农业工程学报 ， 2 0 1 3 ， 2 9 1 0 4 9 - 5 6 ．