滚动轴承及齿轮振动信号故障分析
（SEW-工业减速机(天津)有限公司，天津 滨海新区 300450）
摘 要：轴承工作信息的接收是通过振动信息完成的，但常常会出现振动信息不准确，导致滚动轴承运转出现问题。本文根据此项问题，对齿轮减速器内的轴承运行状况进行观察、检测和诊断，利用局域波的方法对振动加速度信号进行分解，并记录相关的数据，得出相关性参数。根据相关性参数的整体变化特点来研究活动轴承出现信号故障的主要因素，查出故障发生频率较多的分量并研究故障发生部位的频率特征。经大量的数据证实和理论研究，该方法能够在一定程度上发现滚动轴承和变速器出现故障的部位和原因，了解变速器地运行状态，对解决滚动轴承及齿轮信号故障有很大的现实意义。
关键词：相关性分析、故障诊断、滚动轴承、局域波分析。
众所周知，旋转机械中运用最广泛、最多的零件便是滚动轴承，而滚动轴承也是最容易发生损坏、出现故障的元件。可以说，滚动轴承是造成旋转机械发生故障的主要因素。当前出现了测量工程设备动态信号难的问题，因为工程设备动态信号整体稳定性较差，很多的数据信号都是不稳定的。这也让如何找出动态信号中的故障特征以及动态源、预防重大事故变成一个重大问题。也可以说，这也是机械故障诊断技术在追求更高水平的一个重难点。本文主要介绍以局域波法的方式来分析滚动轴承以及齿轮振动信号的故障。
一 局域波法的相关信息
局域波法的创始人是马孝江教授，马教授在 2000 年时通过结合EMD 算法和 Huang 的思想创新性一种全新的信号分析方法。局域波法的具体操作逻辑是将复杂的信号分析划为一个个的局域，最后演变成局域波法和全域波法。简单来说，全域波法就是一个定义在信号分析中信号频率中、基于在时间上的信号分析；而局域波法则是定义在波形局部特征的瞬时特征，是根据点到点的变化开确定瞬时频率值。可以说，局域波法是一种打破传统概念上的频率思想，引入了一个新的概念—瞬时频率。这对于信号分析领域来说也是一个重大突破，因为相比于传统分析法来说，局域波法能够更好地处理、分析不稳定信号。
同时，局域波法也在当前许多领域中显示出了优越性，像地震波分析、病例研究、故障诊断等。
理论方法的研究的最终归宿是为实践服务，为实践服务也是科研人员从事科学研究的最高追求。局域波法有许多的创新之处，像其能够将振动信号分解成特定的禀模式分量，在进行故障分析时，它能够分析实际测量不同工况下信号的复杂性测度近似熵和局域波分解得到的趋势进行故障的区分，并在寻求滚动轴承的故障信号主导模态时借助相关性参数的变化特点进行获取，最后根据信号主导模态分量的分析进行故障特征频率提取，分析出最终的故障源。所以说，局域波分析法能够在一定程度上分析出滚动轴承故障诊断方法。
二 局域波及相关性分析法诊断故障原因
（1）局域波分解的基本原理
局域波法具有很强的灵活性，它能够根据信号局部的变化特征进行适应性的过滤波分解，以此进行故障诊断。但非稳定的信号通常都是很复杂的，它能够在同一时刻拥有多个不同的震荡模式，这导致信号能够某一时刻存在多个瞬时频率。而为了很好地分析这些瞬时频率，需要将所有信号都分解成内禀模式分量。这种分量必须同时满足条件一，在任意时刻，其局部极值点形成的包络线的平均值为零；二，极值点的数量与过零点数量相等或则相差一个。
简单来说，局域波分析法的分解过程就是将信号分解为多个内禀模式分量与一个趋势项的和。在这个模式，所有的模式分量都将随着分解阶数的增大而降低，而频率最低的频率则是趋势项。虽然这种方法与小波分解法相似，但其具备更多的灵活性，更能够适应信息变化的特点。小波分解具有很多局限性，像在选定目标时具有强制性，一旦选定某个部分就必须进行全部的数据分析，但有些小波基在全局和局部的表现不一，且分析的结果也没有足够意义上的可比性，这缩小了小波变换的应用面，但局域波分解能够很好的表现出总体信息的特征。
（2）局域波及相关分析法的诊断原理
滚动轴承出现的故障存在某些敏感频带，故障的发生会造成振动信息的快速变化，所以需要分析比较机械设备在不同的运行情况下的近似熵和频带特征，根据这些特征进行故障特征频率的提取，这样可能实时监测故障的发生和发展，预测出机械设备的长期运行趋势，精确定位故障发生源。
（3）运行状态趋势分析
齿轮减速器出现故障时，常常会导致振动信号的不规则、更复杂性运动，这时就需要一个近似熵来进行信号复杂标准的衡量，这个数据也能够作为设备运行状况的基本状态量。所以，需要提取不同的工况产生的不同原始信号近似熵参数。据相关研究外机械出现故障时，故障信号的近似熵没有明显的波动而根据近似熵的时间序列特点，能够较低工况下信息的复杂性，不容易产生新的模式。若有更复杂的工况信号，也很容易产生新模式。而外圈故障与保持架故障是存在于二者之间的一种，利用提取近似熵的方法也能够证实以上理论。
我们知道，信号的发展趋势是由局域分解波分解中最低一层代表的，据相关经验可知，故障状态下运行的信号与正常运行下的信号其发展趋势是不同的，故障状态下工况是复杂的、上升的，而正常状态下时单调、下降的。结合利用近似熵与趋势项分析能够准确检查设备运行状态是否合理，但却不能够准确判断出故障的精确部位。
（4）进行准确的故障定位
当前比较棘手的问题便是对滚动轴承故障源的精准定位，寻找与故障部门完美对应的特征参量，分析出能够最大程度符合轴承在特定工况下各部件的特征频率。解决这类问题必须从各分量与原始信号的相关性参数下手，用功率谱密度的方法分析参数发生变化的分量和发生跃变分量前后的分量，这样才能比较准确地得出故障出现的类型及故障源。
三 结语
总而言之，滚动轴承及齿轮振动信号故障的发生在当前是比较频繁的，其对设备正常运行的影响也是十分大的。利用科学、有效的分析方法来解决滚动轴承及齿轮振动信号发生的故障是十分必要的。本文着重介绍了局域波分解与相关性参数相结合的解决方案，此方案能够合理提取不同故障部位的频率特征，为解决滚动轴承及齿轮减速器轴承出现的故障提供了参考，能够在一定程度上进行故障诊断，找准故障源。
参考文献：
[1]崔宝珍，潘宏侠，王泽兵.基于局域波及相关性分析的滚动轴承故障诊断[J].中北大学学报：自然科学版，2012(5)：552-558.
[2]向玲，唐贵基，胡爱军.旋转机械非平稳振动信号的时频分析比较[J].
振动与冲击，2010(2)：42-45.
[3]林丽，赵德有.基于局域波近似熵的声发射信号处理[J].大连理工大学学报，2010(1)：75-80.
[4]杜修力，何立志，.经验模态分解(EMD)中边界处理的新方法[J].北京工业大学学报，2009(5)：626-632.
[5]别锋锋，郭正刚，张志新，李宏坤，王奉涛.基于局域波时频谱的系统级故障诊断方法研究[J].仪器仪表学报，2008，29(5)：1092-1095.
[6]康海英，栾军英，郑海起，崔清斌.基于阶次跟踪和经验模态分解的滚动轴承包络解调分析[J].机械工程学报，2007，43(8)：119-122.
[7]胡劲松，杨世锡.EMD 方法基于 AR 模型预测的数据延拓与应用[J].
振动.测试与诊断，2007，27(2)：116-120.
