基于复小波和奇异值比谱的轴承故障检测方法 (2011年)

提出一种基于包络分析和奇异值比谱的滚动轴承振动故障监测和诊断方法。首先利用具有解析带通特性的 复 Morlet小波来获得信号的包络,然后采用扫频方式检测奇异值比谱最大峰值自动提取、增强、重构包络信号中的主周 期分量,提取到轴承故障特征。该方法已成功地应用到了对滚动轴承故障检测实验,验证了该方法的有效性、可行性。 ### 基于复小波和奇异值比谱的轴承故障检测方法 #### 一、研究背景及意义 滚动轴承是机械设备中常见的关键部件之一，其工作状态直接影响着整个设备的稳定性和可靠性。当轴承出现局部缺陷时，如剥落、裂纹等，会导致其振动特性发生变化，产生特定频率的振动信号。因此，通过对轴承振动信号进行分析，可以有效检测出早期故障，从而避免重大事故的发生。本文提出了一种结合复Morlet小波变换和奇异值比谱的新型故障检测方法。 #### 二、关键技术介绍 ##### 1. 复Morlet小波与包络检波 复Morlet小波是一种具有解析带通特性的连续小波变换，能够有效地提取信号的包络。在轴承振动信号处理中，复Morlet小波变换主要用于两个方面：一是提取信号的瞬时频率和瞬时幅值，二是用于信号的降噪处理。通过复Morlet小波变换得到的信号包络能够清晰地反映出信号中的调制信息，为后续的故障特征提取提供基础。 具体步骤如下： - **小波变换**: 对采集到的轴承振动信号进行复Morlet小波变换。 - **包络提取**: 利用小波变换的结果提取信号的包络。 - **特征分析**: 分析包络信号以识别故障特征。 ##### 2. 奇异值比谱及其应用 奇异值比谱(Singular Value Ratio Spectrum, SVRS)是一种新的信号处理方法，主要用于检测信号中的周期成分。该方法通过计算信号的奇异值比谱，即各奇异值与总奇异值之比，来识别信号中的主要周期分量。在轴承故障诊断中，奇异值比谱的最大峰值可用于自动提取和增强包络信号中的主周期分量，进一步提高故障特征的可识别性。 具体步骤包括： - **奇异值分解**: 对提取到的包络信号进行奇异值分解。 - **奇异值比谱计算**: 计算各个奇异值与总奇异值的比例。 - **周期成分检测**: 通过寻找奇异值比谱的最大峰值来确定信号中的主周期分量。 #### 三、实验验证 为了验证所提出方法的有效性和可行性，研究人员进行了滚动轴承故障检测实验。实验过程中，首先通过复Morlet小波变换获取了振动信号的包络，接着采用奇异值比谱技术自动提取了包络信号中的主周期分量。最终结果表明，该方法能够准确地检测出轴承故障特征，并且相比传统方法具有更高的精度和稳定性。 #### 四、结论与展望 本研究提出了一种基于复Morlet小波变换和奇异值比谱的滚动轴承故障检测方法。该方法不仅能够有效提取信号中的故障特征，还能够通过奇异值比谱自动检测和增强主周期分量，提高了故障检测的准确性。通过实验验证，证实了该方法的有效性和实用性。未来的研究方向可以进一步探索如何优化复Morlet小波参数的选择，以及如何结合其他先进的信号处理技术来提高故障检测的灵敏度和鲁棒性。 基于复小波和奇异值比谱的轴承故障检测方法为机械系统的健康监测和故障诊断提供了一种新的解决方案，对于提高机械设备的安全性和可靠性具有重要意义。