一种航天机电设备滚动轴承复合故障诊断方法

1.本发明涉及故障诊断领域，具体涉及一种航天机电设备滚动轴承复合故障诊断方法。


背景技术：

2.滚动轴承一般由内圈、外圈、滚动体和保持架四部分组成，是用于支承转动的轴及轴上零件，并保持轴的正常工作位置和旋转精度的一种精密机械元件，广泛应用于各类航天机电设备旋转机构中。
3.滚动轴承作为航天机电设备旋转机构传动系统中的“关节”，对航天机电设备运行的可靠性与安全性起着关键、重要的作用。而由于航天机电设备工作环境的复杂性，其内大部分的滚动轴承都长期工作在交变负载、疲劳磨损和高温冲击等恶劣条件下，是航天设备中故障发生频率较高的部件之一。
4.目前关于滚动轴承的故障诊断的技术已有众多学者提出，其中结合小波分析、谱峭度、经验模态分解、盲源分离，变分模态分解等解调分析方法得到研究者们的广泛应用。与上述方法相关的专利及文献有：(1)中国专利cn202010735503.9公开了一种基于优化变分模态分解的滚动轴承故障诊断方法，该发明通过改进的蝙蝠算法优化变分模态分解的参数,并根据优化后的参数获取特征向量,提高故障状态的识别率；(2)中国专利cn202010936754.3公开了一种基于经验模态分解和核相关的滚动轴承故障诊断方法，该发明综合运用经验模态分解方法、核相关以及包络分析法对信号进行提取，以此获得更为精确的故障诊断。(3)余志锋等提出一种变分模态分解与连续小波变换联合提取敏感故障特征的方法，以获得识别精度更高的故障特征。
5.然而，由于航天机电设备旋转机构运行环境的特殊性、内部结构复杂性和运行工况多变性等因素，导致其内滚动轴承多呈现为多发或并发的复合故障，且其动态信号多表现为明显大波动下的变转速性、多振动模式混淆性、微弱特征调制性等特点，给航天机电设备中滚动轴承故障的精确诊断带来了更大的困难。
6.但上述方法仅能较好地识别复合故障中征兆较明显的单一轴承故障，难以兼顾航天机电设备中多个轴承故障特征的同步解调、综合提取与科学正确诊断。为此，本发明结合多重同步压缩变换及时频能量聚集谱方法开展航天机电设备滚动轴承故障特征的识别。与本发明基础理论相类似的专利及文献有：(1)中国专利cn201910687690.5公开了一种同步压缩变换阶比分析法,该发明综合运用同步压缩变换、高阶多项式拟合以及hilbert包络解调的方法对信号进行分析以判断滚动轴承是否存在故障及其故障类型；(2)中国专利cn201611079765.4公开了一种基于阶次包络时频能量谱的变转速滚动轴承故障识别方法，该发明综合运用短时傅里叶变换、快速峭度谱、hilbert变换等技术获得阶次包络时频能量谱，以此提高滚动轴承故障监测效率；(3)于刚等提出了时间重分配多同步变换在轴承故障诊断中的应用；(4)韩涛等提出了提出一种基于多小波变换和卷积神经网络的滚动轴承智能复合故障诊断方法。
7.上述专利及文献虽都对传统滚动轴承故障诊断方法进行了优化，但仍存在不足，如中国专利cn201910687690.5、中国专利cn201611079765.4及于刚等所提方法虽与本发明中的基础理论相类似，但其故障诊断分析多集中于单一故障，对航天机电设备滚动轴承的复合故障特征识别的有效性较弱。而目前针对滚动轴承复合故障诊断文献大都基于智能分类算法，如韩涛等所提方法，但此类方法由于计算效率的限制，难以实现航天机电设备滚动轴承复合故障诊断的实时性。


技术实现要素：

8.本发明是为了解决上述问题而进行的，目的在于提供一种航天机电设备滚动轴承复合故障诊断方法。
9.本发明提供了一种航天机电设备滚动轴承复合故障诊断方法，具有这样的特征，包括以下步骤：步骤1，采集航天机电设备中滚动轴承处于故障状态下的振动数据，获得振动信号fv(t)；步骤2，采用多重同步压缩变换处理振动信号fv(t)，获得能够反映航天机电设备中滚动轴承故障状态特征的时频图步骤3，对时频图中各瞬时频率处的能量进行包络解调，得到能量聚集谱s
η
；步骤4，计算能量聚集谱s
η
的4种相对因子指标；步骤5，通过指标最大化原则对4种相对因子指标筛选出4条最优解调频带；步骤6，根据重构公式将4条最优解调频带进行重构得到时域信号fv'(t)；步骤7，根据时域信号fv'(t)计算相应的峭度值，筛选出峭度值大于3.5对应的最优解调频带，即为航天机电设备滚动轴承振动信号中存在故障的最优解调频带；步骤8，对各最优解调频带处的能量进行包络解调分析，得到时频能量聚集谱，再根据谱线的分布情况进行航天机电设备中滚动轴承的复合故障诊断。
10.在本发明提供的适用于航天机电设备滚动轴承复合故障诊断方法中，还可以具有这样的特征：多重同步压缩变换的具体步骤为：
11.步骤2-1，对所采集的航天机电设备中滚动轴承的振动信号fv(t)进行短时傅里叶变换处理，其中短时傅里叶变换的表达式为：
[0012][0013]
式中，t为航天机电设备滚动轴承振动信号的时间变量，η为航天机电设备滚动轴承振动信号的频率变量，g(t)∈l2(r)为实对称的窗函数，
[0014]
令g
η
(τ)＝g(τ-t)
·ei2πτ
，得到新的短时傅里叶变换表达式：
[0015][0016]
式中是fv(τ)的傅里叶变换，是g(τ)的傅里叶变换，()
*
为复共轭符号；
[0017]
步骤2-2，在新得出的短时傅里叶变换中引入相位移动算子e
iηt
，并令得到改进后得傅里叶变换，其表达式
如下：
[0018][0019]
步骤2-3，采用短时傅里叶变换对时间求偏导来计算时频重排的瞬时频率估计算子，偏导后得式子如下：
[0020][0021]
式中，表示对时移变量求偏导，其中若信号fv(t)的瞬时频率可以表示为：
[0022][0023]
步骤2-4，采用同步压缩将发散的能量聚集到估计的瞬时频率处，同步压缩表达式为：
[0024][0025]
式中，η∈r,
[0026]
步骤2-5，继续对同步压缩变换所获得的时频图进行压缩操作，多重同步压缩可表示为：
[0027][0028][0029][0030]
式中，k为迭代次数，k＞2。
[0031]
在本发明提供的航天机电设备滚动轴承复合故障诊断方法中，还可以具有这样的特征：其中，步骤2中，多重同步压缩变换的公式为：
[0032][0033]
在本发明提供的航天机电设备滚动轴承复合故障诊断方法中，还可以具有这样的特征：其中，步骤4中，根据航天机电设备故障特征频率在能量聚集谱中的四个相对因子表达式计算聚集谱的4种相对因子指标，航天机电设备滚动轴承的4种故障特征频率公式如下：
[0034]
[0035][0036][0037][0038]
式中，fr为航天机电设备滚动轴承所在转轴的转频，d
p
为航天机电设备滚动轴承的节径，d为航天机电设备滚动轴承中滚动体的直径，θ为接触角，n为滚动体个数，fc、fo、fi、f
el
分别代表航天机电设备滚动轴承的保持架、外圈、内圈、滚动体故障特征频率。航天机电设备滚动轴承故障特征频率在能量聚集谱中的四个相对因子表达式如下：
[0039][0040][0041][0042][0043]
式中，δ表示航天机电设备滚动轴承故障特征频率附近的邻域，s
η
表示时频图中瞬时频率为η的能量聚集谱，s
η
(fk)表示能量聚集谱中的谱线，分别代表在能量聚集谱中航天机电设备滚动轴承中保持架、外圈、内圈、滚动体故障特征频率与最大周期谱峰的比值。
[0044]
在本发明提供的航天机电设备滚动轴承复合故障诊断方法中，还可以具有这样的特征：其中，步骤6中，重构公式如下：
[0045][0046]
发明的作用与效果
[0047]
根据本发明所涉及的一种航天机电设备滚动轴承复合故障诊断方法，因为具体诊断过程为：步骤1，采集航天机电设备中滚动轴承处于故障状态下的振动数据，获得振动信号fv(t)；步骤2，采用多重同步压缩变换处理振动信号fv(t)，获得能够反映航天机电设备中滚动轴承故障状态特征的时频图步骤3，对时频图中各瞬时频率处的能量进行包络解调，得到能量聚集谱s
η
；步骤4，计算能量聚集谱s
η
的4种相对因子指标；步骤5，通过指标最大化原则对4种相对因子指标筛选出4条最优解调频带；步骤6，根据重构公式将4条最优解调频带进行重构得到时域信号fv'(t)；步骤7，根据时域信号fv'(t)计算相应的峭
度值，筛选出峭度值大于3.5对应的最优解调频带，即为航天机电设备滚动轴承振动信号中存在故障的最优解调频带；步骤8，对各最优解调频带处的能量进行包络解调分析，得到时频能量聚集谱，再根据谱线的分布情况进行航天机电设备中滚动轴承的复合故障诊断。
[0048]
因此，本发明提出的航天机电设备滚动轴承复合故障诊断方法可用于解决现阶段航天机电设备滚动轴承故障诊断方法所存在的一些难点。如：(1)严重故障诊断研究较多，微弱故障诊断较少；(2)单一故障诊断方法研究较多，复合故障研究较少，且所研究的复合故障中多为外圈和内圈的复合故障，涉及滚动体的较少；(3)复合故障诊断方法中，有效的特征提取方法较少。
[0049]
同时本发明是针对目前航天机电设备中的滚动轴承由于工作环境的特殊性而存在的一系列故障监测及诊断问题而进行的，目的在于提供一种能够解决最优解调频带精确性问题，并实现强弱多故障特征频带综合提取、同步且准确输出，为航天机电设备中的旋转机构复杂动态信号中微弱和复合轴承故障特征提取与识别提供有利依据。
附图说明
[0050]
图1是本发明的实施例中航天机电设备滚动轴承复合故障诊断方法的流程示意图；
[0051]
图2是本发明的实施例中的所采集的航天机电设备滚动轴承复合故障振动信号的时域波形和频谱图；
[0052]
图3是采用本发明中方法对实施例中所采集的航天机电设备滚动轴承复合故障振动信号进行分析的结果图；
[0053]
图4是采用变分模态分解方法对实施例中所采集的航天机电设备滚动轴承复合故障振动信号进行分析的结果图；
[0054]
图5是采用快速谱峭度方法对实施例中所采集的航天机电设备滚动轴承复合故障振动信号进行分析的结果图。
具体实施方式
[0055]
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对一种航天机电设备滚动轴承复合故障诊断方法作具体阐述。
[0056]
在本实施例中，提供了一种航天机电设备滚动轴承复合故障诊断方法。
[0057]
图1是本实施例中一种航天机电设备滚动轴承复合故障诊断方法的流程示意图。
[0058]
如图1所示，本实施例所涉及的一种航天机电设备滚动轴承复合故障诊断方法包括以下步骤：
[0059]
步骤s1，对某航天机电设备做振动数据采集：采集设备中滚动轴承处于故障状态下的振动数据，获得振动信号fv(t)。
[0060]
图2是本实施例中所采集的航天机电设备滚动轴承复合故障振动信号fv(t)的时域波形和频谱图。
[0061]
如图2所示，可知结合时频域，无法为轴承故障诊断提供可靠依据。因此，采用时频能量聚集谱方法分析信号。基于时频能量聚集谱的滚动轴承复合故障诊断方法具体从步骤s2开始。
[0062]
步骤s2，采用多重同步压缩变换处理航天机电设备中滚动轴承的振动信号fv(t)，以获得能够更好反映航天机电设备中滚动轴承故障状态特征的时频图其中多重同步压缩变换的公式如下：
[0063][0064]
步骤s2的具体实施步骤如下：
[0065]
步骤s2-1,对所采集的航天机电设备中滚动轴承的振动信号fv(t)进行短时傅里叶变换处理。其中短时傅里叶变换有如下表达式：
[0066][0067]
式中，t为航天机电设备滚动轴承振动信号的时间变量，η为其的频率变量，g(t)∈l2(r)为实对称的窗函数。令g
η
(τ)＝g(τ-t)
·ei2πτ
，得到新的短时傅里叶变换表达式：
[0068][0069]
其中，是fv(τ)的傅里叶变换，是g(τ)的傅里叶变换，()
*
为复共轭符号。
[0070]
步骤s2-2，在新得出的短时傅里叶变换中引入相位移动算子e
iηt
，并令得到改进后得傅里叶变换。其表达式如下：
[0071][0072]
步骤s2-3，采用短时傅里叶变换对时间求偏导来计算时频重排的瞬时频率估计算子。偏导后得式子如下：
[0073][0074]
式中，表示对时移变量求偏导。其中若信号fv(t)的瞬时频率可以表示为：
[0075][0076]
步骤s2-4，采用同步压缩将发散的能量聚集到估计的瞬时频率处，同步压缩表达式为：
[0077][0078]
其中，η∈r,
[0079]
步骤s2-5，继续对同步压缩变换所获得的时频图进行压缩操作。多重同步压缩可表示为：
[0080][0081][0082][0083]
其中，k为迭代次数，k＞2。
[0084]
多重同步压缩可表示还可表示为：
[0085][0086]
多重同步压缩变换是通过对同步压缩变换的结果进行多重压缩，进一步提高瞬时频率估计精度，因此能够获得时频能量更加聚集且更能精准反映航天机电设备中滚动轴承故障状态特征的时频图
[0087]
步骤s3，对航天机电设备中滚动轴承振动信号fv(t)经多重同步压缩变换处理后的时频图中各瞬时频率处的能量进行包络解调，得到能量聚集谱s
η
。
[0088]
包络解调是故障诊断中较常用的一种方法，该方法可以有效地识别某些冲击振动，从而找到该冲击振动的振源，因此，采用包络解调能有效地对所采集的某航天机电设备滚动轴承复合故障振动信号fv(t)中的故障信号进行分离提取。
[0089]
步骤s4，根据航天机电设备故障特征频率在能量聚集谱中的四个相对因子表达式计算聚集谱的4种相对因子指标。其中，航天机电设备滚动轴承的4种故障特征频率公式如下：
[0090][0091][0092][0093][0094]
其中，fr为航天机电设备滚动轴承所在转轴的转频，d
p
为航天机电设备滚动轴承的节径，d为航天机电设备滚动轴承中滚动体的直径，θ为接触角，n为滚动体个数，fc、fo、fi、f
el
分别代表航天机电设备滚动轴承中保持架、外圈、内圈、滚动体故障特征频率。
[0095]
航天机电设备滚动轴承故障特征频率在能量聚集谱中的四个相对因子表达式如下：
[0096][0097][0098][0099][0100]
其中，δ表示航天机电设备滚动轴承故障特征频率附近的邻域，s
η
表示时频图中瞬时频率为η的能量聚集谱，s
η
(fk)表示能量聚集谱中的谱线，分别代表在能量聚集谱中航天机电设备滚动轴承的保持架、外圈、内圈、滚动体故障特征频率与最大周期谱峰的比值；
[0101]
步骤s5，通过指标最大化原则筛选出4条最优解调频带。
[0102]
步骤s6，根据重构公式将4条最优解调频带进行重构得到时域信号fv'(t)。其中重构公式如下：
[0103][0104]
步骤s7，计算时域信号fv'(t)，筛选出峭度值大于3.5对应的最优解调频带，即为航天机电设备滚动轴承振动信号中存在故障的最优解调频带。
[0105]
步骤s8，对各最优解调频带处的能量进行包络解调分析，得到时频能量聚集谱，再根据谱线的分布情况进行航天机电设备中滚动轴承的复合故障诊断。
[0106]
由于在共振频带上，能量具有周期性，这种能量周期性就是航天机电设备滚动轴承复合故障的故障特征频率，因此只需对各共振频带上的能量进行包络解调即可得到各故障的特征频率。而最优解调频带上的能量最高，其周期性更加明显，所以相比于其他方法，对最优解调频带处的能量直接进行包络解调更为简单有效。
[0107]
图3是采用本发明中方法对本实施例中所采集的航天机电设备滚动轴承复合故障振动信号进行分析的结果图。
[0108]
如图3所示，图3(a)中为故障一结果，从图中箭头所指处可以清晰地看出航天机电设备滚动轴承外圈故障特征频率及其倍频。而图3(b)所示为故障二结果，其中幅值最高的为航天机电设备滚动轴承滚动体故障特征频率。该结果表明本实施例地方法能同时有效地提取航天机电设备滚动轴承外圈和滚动体的复合故障特征。
[0109]
图4是采用变分模态分解方法对本实施例中所采集的航天机电设备滚动轴承复合故障振动信号进行分析的结果图。
[0110]
从图4中可看到变分模态分解的4个分量c1～c4(左图)及对应包络谱(右图)，从分量c3、c4的包络谱中可以看到明显的航天机电设备滚动轴承外圈故障特征频率(用圈标
记)，但4个分量中都没有微弱的航天机电设备滚动轴承滚动体故障特征频率。
[0111]
图5是采用快速谱峭度方法对本实施例中所采集的航天机电设备滚动轴承复合故障振动信号进行分析的结果图。其中，图5(a)为滤波前时域图；(b)为快速谱峭度滤波后时域图；(c)为快速谱峭度滤波信号的包络谱。
[0112]
如图5所示，与采用变分模态分解方法一样，快速谱峭度只能提取出航天机电设备滚动轴承外圈故障特征频率(在图5(c)中用圈标记)，无法提取其滚动体故障特征频率。
[0113]
对比图3、图4以及图5，可得本实施例中的航天机电设备滚动轴承复合故障诊断方法相较于其他方法可以更为有效地提取航天机电设备滚动轴承强弱复合故障特征，为航天机电设备中的轴承故障诊断提供可靠依据。
[0114]
实施例的作用与效果
[0115]
根据本实施例所涉及的一种航天机电设备滚动轴承复合故障诊断方法，具体诊断过程为：步骤1，采集航天机电设备中滚动轴承处于故障状态下的振动数据，获得振动信号fv(t)；步骤2，采用多重同步压缩变换处理振动信号fv(t)，获得能够反映航天机电设备中滚动轴承故障状态特征的时频图步骤3，对时频图中各瞬时频率处的能量进行包络解调，得到能量聚集谱s
η
；步骤4，计算能量聚集谱s
η
的4种相对因子指标；步骤5，通过指标最大化原则对4种相对因子指标筛选出4条最优解调频带；步骤6，根据重构公式将4条最优解调频带进行重构得到时域信号fv'(t)；步骤7，根据时域信号fv'(t)计算相应的峭度值，筛选出峭度值大于3.5对应的最优解调频带，即为航天机电设备滚动轴承振动信号中存在故障的最优解调频带；步骤8，对各最优解调频带处的能量进行包络解调分析，得到时频能量聚集谱，再根据谱线的分布情况进行航天机电设备中滚动轴承的复合故障诊断。
[0116]
本实施例提出的航天机电设备滚动轴承复合故障诊断方法可用于解决现阶段航天机电设备滚动轴承故障诊断方法所存在的一些难点。如：(1)严重故障诊断研究较多，微弱故障诊断较少；(2)单一故障诊断方法研究较多，复合故障研究较少，且所研究的复合故障中多为外圈和内圈的复合故障，涉及滚动体的较少；(3)复合故障诊断方法中，有效的特征提取方法较少。
[0117]
同时本实施例是针对目前航天机电设备中的滚动轴承由于工作环境的特殊性而存在的一系列故障监测及诊断问题而进行的，目的在于提供一种能够解决最优解调频带精确性问题，并实现强弱多故障特征频带综合提取、同步且准确输出，为航天机电设备中的旋转机构复杂动态信号中微弱和复合轴承故障特征提取与识别提供有利依据。
[0118]
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

技术特征：
1.一种航天机电设备滚动轴承复合故障诊断方法，其特征在于，包括以下步骤：步骤1，采集航天机电设备中滚动轴承处于故障状态下的振动数据，获得振动信号f
v
(t)；步骤2，采用多重同步压缩变换处理所述振动信号f
v
(t)，获得能够反映航天机电设备中滚动轴承故障状态特征的时频图步骤3，对所述时频图中各瞬时频率处的能量进行包络解调，得到能量聚集谱s
η
；步骤4，计算所述能量聚集谱s
η
的4种相对因子指标；步骤5，通过指标最大化原则对所述4种相对因子指标筛选出4条最优解调频带；步骤6，根据重构公式将所述4条最优解调频带进行重构得到时域信号f
v
'(t)；步骤7，根据所述时域信号f
v
'(t)计算相应的峭度值，筛选出峭度值大于3.5对应的最优解调频带，即为航天机电设备滚动轴承振动信号中存在故障的最优解调频带；步骤8，对各最优解调频带处的能量进行包络解调分析，得到时频能量聚集谱，再根据谱线的分布情况进行航天机电设备中滚动轴承的复合故障诊断。2.根据权利要求1所述的航天机电设备滚动轴承复合故障诊断方法，其特征在于：所述多重同步压缩变换的具体步骤为：步骤2-1，对所采集的航天机电设备中滚动轴承的振动信号f
v
(t)进行短时傅里叶变换处理，其中短时傅里叶变换的表达式为：式中，t为航天机电设备滚动轴承振动信号的时间变量，η为航天机电设备滚动轴承振动信号的频率变量，g(t)∈l2(r)为实对称的窗函数，令g
η
(τ)＝g(τ-t)
·
e
i2πτ
，得到新的短时傅里叶变换表达式：式中是f
v
(τ)的傅里叶变换，是g(τ)的傅里叶变换，()
*
为复共轭符号；步骤2-2，在新得出的短时傅里叶变换中引入相位移动算子e
iηt
，并令得到改进后得傅里叶变换，其表达式如下：步骤2-3，采用短时傅里叶变换对时间求偏导来计算时频重排的瞬时频率估计算子，偏导后得式子如下：
式中，表示对时移变量求偏导，其中若信号f
v
(t)的瞬时频率可以表示为：步骤2-4，采用同步压缩将发散的能量聚集到估计的瞬时频率处，同步压缩表达式为：式中，η∈r,步骤2-5，继续对同步压缩变换所获得的时频图进行压缩操作，多重同步压缩可表示为：式中，k为迭代次数，k＞2。3.根据权利要求1所述的航天机电设备滚动轴承复合故障诊断方法，其特征在于：其中，步骤2中，所述多重同步压缩变换的公式为：4.根据权利要求1所述的航天机电设备滚动轴承复合故障诊断方法，其特征在于：其中，步骤4中，根据航天机电设备故障特征频率在能量聚集谱中的四个相对因子表达式计算聚集谱的所述4种相对因子指标，航天机电设备滚动轴承的4种故障特征频率公式如下：航天机电设备滚动轴承的4种故障特征频率公式如下：航天机电设备滚动轴承的4种故障特征频率公式如下：航天机电设备滚动轴承的4种故障特征频率公式如下：式中，f
r
为航天机电设备滚动轴承所在转轴的转频，d
p
为航天机电设备滚动轴承的节
径，d为航天机电设备滚动轴承中滚动体的直径，θ为接触角，n为滚动体个数，f
c
、f
o
、f
i
、f
el
分别代表航天机电设备滚动轴承的保持架、外圈、内圈、滚动体故障特征频率，航天机电设备滚动轴承故障特征频率在能量聚集谱中的四个相对因子表达式如下：航天机电设备滚动轴承故障特征频率在能量聚集谱中的四个相对因子表达式如下：航天机电设备滚动轴承故障特征频率在能量聚集谱中的四个相对因子表达式如下：航天机电设备滚动轴承故障特征频率在能量聚集谱中的四个相对因子表达式如下：式中，δ表示航天机电设备滚动轴承故障特征频率附近的邻域，s
η
表示时频图中瞬时频率为η的能量聚集谱，s
η
(f
k
)表示能量聚集谱中的谱线，分别代表在能量聚集谱中航天机电设备滚动轴承中保持架、外圈、内圈、滚动体故障特征频率与最大周期谱峰的比值。5.根据权利要求1所述的航天机电设备滚动轴承复合故障诊断方法，其特征在于：其中，步骤6中，所述重构公式如下：

技术总结
本发明公开了一种航天机电设备滚动轴承复合故障诊断方法，包括以下步骤：步骤1，采集航天机电设备中滚动轴承处于故障状态下的振动数据获得振动信号f


技术研发人员：袁静 胡雯玥 姚泽 蒋会明 赵倩 苏丰献
受保护的技术使用者：上海理工大学
技术研发日：2022.01.10
技术公布日：2023/7/21