内容发布更新时间 : 2024/12/27 14:22:34星期一 下面是文章的全部内容请认真阅读。

留了系统的非线性信息。因此，用高阶谱分析振动信号更容易获得特征信息。

本文采用双谱估计的直接法进行计算, 即将观测数据分段，利用FFT计算数据段的离散傅里叶变换，进而估计各阶频域矩，利用累积量谱与矩谱之间的关系

求得双谱估计的冲击调制信号,即

。当轴承发生故障时, 采样信号的特征为受干扰

(10)

式中,ωi 为调制源(包括轴承故障特征频率及其谐波频率)； ω0 为载波频率； b为任意常数。

因此故障轴承振动信号解调后的信号包含了故障特征频率的一簇谐波,且相位是互相关联的,即存在二次相位耦合现象。若设ωF 为轴承的故障特征频率,则双谱的(ωF ,ωF )处必然出现相位耦合现象,从而双谱在(ωF ,ωF )处会有明显的谱峰。

3、诊断结果

根据以上分析, 可得双谱估计为

当ω =ωF时,必然出现明显的峰值,将峰值对应的频率与理论计算的轴承的故障特征频率相比较, 就可以得出正确的结论,同时减小计算量,增强频谱图的可视性。

本文中使用Matlab编程实现,首先对原始振动信号进行零均值化处理,并实施EMD分解,对分解后IMF分量进行包络解调,最后利用双谱分析提取轴承的故障特征。

图1、2、3即为故障轴承利用上述方法得到的。

6

7

图 1 正常/外圈故障/内圈故障的信号图

图2 正常/外圈故障/内圈故障IMF图

8

图3 正常/外圈故障/内圈故障的包络图

9

4、结论

通过对比正常轴承的功率谱，外圈故障和内圈故障的功率谱有着明显不同，表明存在着异常损伤，能够判定轴承故障。同时，外圈故障和内圈故障功率谱之间也存在着明显的差异，与所给数据故障类型吻合。

由此可知，将EMD与双谱相结合,提取轴承的故障特征频率，能准确地区别正常及故障滚动轴承，该方法适用于滚动轴承的诊断。

10