基于數學形態(tài)譜嫡的機械部件性能退化特征提取

引言

滾動軸承、齒輪等是旋轉機械中最為關鍵的通用部件,在正常工作條件下,由于受到載荷、安裝、潤滑條件等因素的影響,這類機械部件難免會發(fā)生各種類型的失效,直接影響整臺機器設備的性能。據不完全統(tǒng)計,旋轉機械故障中有30%是由滾動軸承引起的,10%是由齒輪引起的。因此,軸承、齒輪等的故障監(jiān)測與診斷一直是機械故障診斷領域的研究熱點。

幾乎所有機械部件的運行狀態(tài)都要經歷健康、輕微故障、嚴重故障、完全失效等幾個階段,其性能退化逐步加深。性能退化特征提取的目標就是對設備或部件的運行狀態(tài)特征信息進行描述,從振動信號中提取出能夠表征性能退化趨勢的特征參數或特征向量。研究發(fā)現,隨著機械設備的性能退化,其振動信號中的隨機成分以及非線性程度會發(fā)生相應變化。

近年來在機械故障特征提取領域逐步應用的信息嫡方法,從信號復雜度的角度描述系統(tǒng)的動力狀態(tài)。一些學者將信息嫡方法融入到譜分析之后,形成了功率譜嫡、幅值譜嫡、包絡解調譜嫡等特征提取方法。數學形態(tài)譜(Patternspectrum,Ps)是一種對信號的形態(tài)成分進行分析的方法,能夠以譜圖表示不同尺度結構元素下信號形狀的變化信息。本文將其與信息嫡相結合,提出基于數學形態(tài)譜嫡的特征提取方法,通過度量信號形態(tài)復雜度描述軸承、裂紋齒輪的性能退化趨勢,并通過實驗進行有效性驗證。

1基于數學形態(tài)譜嫡的性能退化特征提取方法

1.1數學形態(tài)譜

假設f(n)為時域函數,g(m)為凸的結構函數。f(n)的數學形態(tài)譜可由下式計算:

式中,λ指分解尺度:A(f)指f在定義域內的有限面積:o指形態(tài)開運算:●指形態(tài)閉運算。

如無特殊說明,數學形態(tài)譜一般指其正區(qū)間(λ≥0),即開運算形態(tài)譜Ps+(f,λ,g),λ≥0。

數學形態(tài)譜從形式上看是一種與頻譜類似的譜圖,但其表達的不是信號中的頻率成分,而是表示信號中存在哪種尺度的形態(tài)特征成分,并在形態(tài)譜相應尺度處形成單根譜線,而譜值的大小同樣反映了信號中該尺度形態(tài)成分的多少。

1.2數學形態(tài)譜嫡

效仿功率譜嫡、奇異譜嫡等概念及表達式,將其中的譜分析方法用數學形態(tài)譜替換,即得到數學形態(tài)譜嫡(PatternspectrumEntropy,PsE)的表達式:

式中,Ps+(i)(i=1,2,…,λmax-1)表示數學形態(tài)譜:λmax表示最大分析尺度:Pi表示第i個譜線的幅值占總幅值的比例。

PsE表示歸一化的數學形態(tài)譜嫡,可將其看作是在數學形態(tài)譜這種劃分域下,信號形態(tài)成分復雜度的一種度量。當信號形態(tài)成分簡單時,PsE取值較小:當信號形態(tài)成分復雜時,PsE取值較大。

2實驗驗證

2.1仿真驗證

為探討數學形態(tài)譜嫡在性能退化特征提取中的有效性,本節(jié)首先采用文獻[3]的仿真信號模擬軸承性能退化過程,進行方法的有效性驗證。仿真信號的表達式為:

式中,cos(2m·501)表示軸承常規(guī)振動諧波:0.212cos(2m·101+2)為隨時間增大的故障成分,用于模擬性能退化過程的深化:.(1)為高斯白噪聲。

將噪聲強度設置為0dBw、1dBw、3dBw和6dBw,用于考察不同噪聲對特征提取效果的影響。仿真信號時域波形如圖1所示,采樣頻率為f=1024Hz,采樣點數為10240點。

將四種噪聲強度下的各組仿真信號等分為10組,順序編號為1,2,…,10,用于表示性能退化階段的采樣數據批次,則每組數據點數為1024,共得到仿真信號40組。

設置足夠大的最大分析尺度λmax=40,為了減少計算誤差,設置結構元素為扁平型,即g=[000]。計算后獲得每種噪聲強度下的10組Ps曲線,圖2是無噪聲的情況。顯然,各組Ps曲線形態(tài)不同,形態(tài)復雜度差異較大。

計算不同組別信號的數學形態(tài)譜嫡值,繪制如圖3所示的曲線圖。

顯而易見,各條PsE曲線整體都呈現出單調上升的趨勢,說明隨著性能退化的加深,PsE值增大,兩者具有很好的相關性。另外,在性能退化初始階段,特征信號幅值較低,信號形態(tài)成分的分布概率受噪聲影響稍大,PsE的值也隨之受到一定影響。但在性能退化程度較深的階段,數學形態(tài)譜嫡具有較強抗噪能力。

2.2齒輪裂紋故障實測信號驗證

本文采用文獻[4]所述的齒輪裂紋故障實驗臺實測數據進行有效性驗證。選取齒輪無裂紋和裂紋深度為1mm、2mm、3mm、4mm的振動信號進行形態(tài)分析,選取結構元素為扁平型,最大分解尺度為20,計算數學形態(tài)譜并繪制曲線如圖4所示?？梢?不同故障程度的數學形態(tài)譜曲線形態(tài)不同,具有不同的復雜度。

利用齒輪系統(tǒng)的不同部位采集的振動信號進行性能退化特征提取,獲得的數學形態(tài)譜嫡曲線如圖5所示。橫軸為裂紋程度級數,1~5分別代表裂紋為0mm、1mm、2mm、3mm、4mm。雖然實驗數據組數較少,但也可以大致判斷出,隨著裂紋的加深,不同部位振動信號的數學形態(tài)譜嫡曲線有上升趨勢,與裂紋齒輪故障逐步惡化狀態(tài)相關。

3結語

本文結合旋轉機械部件性能退化特征提取的研究現狀,提出了基于信號形態(tài)復雜度度量的性能退化特征提取方法一數學形態(tài)譜嫡。實驗表明,數學形態(tài)譜嫡與性能退化過程具有很好的相關性,能夠量化描述機械部件的性能退化程度。性能退化程度越深,故障信號形態(tài)越復雜,數學形態(tài)譜嫡的值越大。