声信号分析方法在轴承故障诊断中的应用

D0I:10.13374/j.issn1001053x.2002.01.015 第24卷第1期 北京科技大学学 报 VoL24 No.1 2002年2月 Journal of Unlverslty of Sclence and Technology Beijing Fcb.2002 声信号分析方法在轴承故障诊断中的应用 张武军徐金梧杨德斌周艳玲王海峰 北京科技大学机械工程学院，北京100083 摘要由于轴承故障声信号的混响及临近的机械设备的噪声，造成声信号的频域分析很困 难.通过小波变换原理，对滚动轴承故障声信号进行时频分析.通过对声信号的多尺度分解，分 离出由故障造成的声信号突变.实验结果表明较之以往的时城、频域信号处理技术，该方法对 声音信号分解更趋合理，是一种可靠和有效的滚动轴承故障诊断新方法。 关铺词声信号；故障诊断；小波变换；滚动轴承 分类号TH17 多年来，噪声信号都是作为有害信号在系 傅里叶变换的结果是傅里叶系数.傅里叶 统设计时加以排除的.其实，噪声信号中带有大 分析就是将原始信号分解成许多不同频率成分 量设备运行状态的信息.当系统发生故障时，其 ·的正（余）弦分量.傅里叶系数的谐波分量之和 声音信号特性也会发生改变，因而通过对声音 可重构原信号， 信号进行分离与分析，可以了解设备运行状态， 小波变换的基本思想与傅里叶变换是一致 对设备进行状态监测及故障诊断4.由于声音 的.它用一族小波函数系表示原信号.但小波函 信号测取简单方便，人的感官对其十分敏感，可 数系与傅里叶变换所有的正（余）弦函数系不 以借助人的直观感受，有指导地进行信号处理 同，它是由一基本小波（母小波）()经平移和伸 和特征提取，避免分析处理的肓目性.从这个角 缩构成的.)满足条件 度看，它具有振动信号无法代替的优势. ∫)dr=0 (2) 传统的声信号分析主要利用快速傅里叶变 信号f)关于)的小波变换定义为： 换幅值谱、功率谱和倒频谱等，如用噪声对减速 Wf(s,)=-f)y.(t)dt (3) 箱、齿轮等进行故障诊断.但传统的声信号分析 其中，，()是由母小波)经平移和伸缩构成的 由于在时域不能局部化，难以检测到突变信号. 小波函数系， 由于小波变换分辨率在时-频平面上是变 0=g) (4) 化的，较之短时傅里叶变换有更大的柔性.小波 式中，s为尺度因子，与频率成倒数；为平移因 变换已在声音信号处理方面取得了良好的应 子，代表位置. 用.本文首先介绍了小波变换的原理，然后针对 小波变换也可以方便地表示为卷积形式， 滚动轴承的声信号信噪比较低的特点，利用小 Wf(s,t)=f*y,(t) (5) 波分解方法提取了轴承故障的声音信号特征， 其中，4，()被认为伸展小波， 从而有效地诊断出设备的故障 w=u5) (6) 1小波变换原理， 在满足相容条件： 设)是一个能量有限的信号，其傅里叶变 0c-广y-∫y4o (7) 小-f 换为 小波变换是可逆的.其中，吼)是()的傅 Fao)=∫fted (1) 里叶变换.信号重构公式为 m=&wsp-t ·(8) 收稿日期20010402张武军男，33岁，助理研究员，博士 由上述定义可见，小波变换是对信号在时

第 2 4 卷 第 1 期 2 002 年 2 月 北 京 科 技 大 学 学 报 J o。 几 a l o f U . vel r s ylt o f S e肠。 c e a . d 勺ec h . lo o盯 Be 幼加 g 、 b L2 4 N o . l F比 . 2 0 2 声信 号分析方法在轴承故障诊断 中的应 用 张武军 徐金格 杨德斌 周艳玲 王海峰 北京科技大学机械工程学院 , 北京 10 0 0 83 摘 要 由于轴承故障声 信号 的混响及 临近 的机械设备的噪声 , 造成 声信号的频域分析 很 困 难 . 通 过小波变换原理 , 对滚动轴承故障声信号进行时频分析 . 通过对声信号的多尺度分解 , 分 离 出 由故 障造 成的声信号突变 . 实验 结果表明 i较之 以往的时域 、 频 域信号处 理技术 , 该方 法对 声 音信号分解更趋合理 , 是 一种 可书和 有效 的滚动轴承故障诊断新 方法 . 关扭词 声信号; 故障诊断 ; 小 波变换; 滚动 轴承 分类号 T H 17 多年来 , 噪声信号都是作为有害信号在 系 统设计 时加 以排除的 . 其实 , 噪声 信号中带有大 量设备运行状态 的信息 . 当系统发生 故障时 , 其 声音信号特性也会发生改变 , 因而通 过对声音 信号进行分离与分析 , 可 以 了解设备运 行状态 , 对设备进行状态监测及故障诊断 `, · ’ ! . 由于声音 信号测取简单方便 , 人的感官对其十分敏感 , 可 以借助人的 直观感受 , 有指导地进行信号处理 和 特征提取 , 避免分析处理 的育 目性 从这个角 度看 , 它具有振动 信号 无法代替的 优势 . 传统 的声信号分析主要利用快速傅里 叶变 换幅值谱 、 功率谱和倒频谱等 , 如用噪声对减速 箱 、 齿轮等进行 故障诊断 . 但传统 的声信号分析 由于 在时域不 能局 部化 , 难 以检测到突变信号 . 由于 小波变换 分辨率在 时一 频平面上是 变 化的 , 较之短时傅里 叶变换有更大的柔性 . 小波 变换 已在 声音 信号处 理方 面取得 了 良好 的应 用 . 本文首先介 绍了小波变换 的原理 , 然后针对 滚动轴承 的声信号信噪 比较低 的特点 , 利用小 波分解方法提取 了 轴承故障 的声音信 号特征 , 从而 有效地诊断 出设备 的故 障 . 傅 里 叶变换的结果是傅里 叶系数 . 傅里叶 分析就是将原始信号分解成许多不 同频率成分 的正 ( 余 )弦分量 . 傅 里叶系数 的谐 波分量之和 可 重构原信号 . 小波变换 的基本思想与傅 里叶 变换是一致 的 . 它用一族小波函数系表示原信号 . 但小波 函 数 系与傅里 叶变换所有 的正 ( 余 ) 弦 函数系不 同 , 它是 由一基本小波 (母小波 )试t) 经平移和 伸 缩构成 的 . 抓t) 满足条件 +:-[ 试t) d , 一 0 . ( 2 ) 信号了( )t 关于试)t 的小 波变换定义为 : w 《 s , r) 一 仁f( t) 必 . ,( )t d , ( 3 ) 其 中 , 叭 ,( )t是 由母小波试 )t 经平移和 伸缩构成 的 小 波函数 系 , l , r 一 t 、 必 , 浅)t = 十试气二) ( 4 ) S 一 S 式 中 , s 为尺度 因子 , 与频率成倒数 ; r 为平移 因 子 , 代表位置 . 小波变换也可 以方便地表示 为卷积形 式 , W助 , 幻= f * 转( )T ( 5 ) 其 中 , 供(r) 被认 为伸展小 波 , , 二 _ 1 _ 了 r 、 沙3气T) = — 少气— ) S ’ S ( 6 ) 1 小波变换原理`3 , 4 , 饭纷t )t 是一个能量有 限的信号 , 其傅里叶变 换 为 在满 足相容条件 : 0< 。 一 f 罕 df 一 .-0J 罕df< + 。 (7) (F 。 ) 一 仁八et) 一` dt ( 1) 小 波变换是 可逆 的 . 其 中 , 尹沙) 是试)t 的傅 里 叶 变换 . 信号 重构公式 为 收稿 日期 2 0 1刁4刁2 张武军 男 , 3 岁 , 助理研究员 , 博士 , )t 一 责+l0 ` !仁W为 , r) 。 “ 一 ,` · ,粤 “ , 由上述定义 可 见 , 小波变换是对信号在 时 DOI: 10. 13374 /j . issn1001 -053x. 2002. 01. 045

VoL24 No.I 张武军等：声信号分析方法在轴承故障诊断中的应用 59· 一频平面上的二元分析.如果固定尺度s,则小 表1各部零件特征频率 波变换反映的是信号八)在某一固定频带内随 Table I feature frequency of parts Hz 时间的演变情况：如令尺度s变化，则小波变换 ￡（内圈）6f(滚动体)天 反映的是信号)在各个频带内随时间的变化 24.63133.6488.0657.37 18.6371.7 情况.可以设想，只要选择适当的小波函数)， 注：电机轴的旋转频率，轴承内圈（滚动体）接触频率， 就能观察到信号的局部频率特性以及这种局部 传动主动轴频(，齿轮啮合频率 特性随时间的演变. 声传感器采用MK224型驻极传声器，由于 到目前为止，人们已构造了各种各样的小 传声器与被测声源的相对位置对测量结果有显 波函数和小波基，如Haar,Daubechies,Biorthogo- 著影响，在本实验中，测点距声源大约0.5m nal,Coiflets,Symlets,Morlet and Mexican Hat. 图2是本实验测得的原始声信号，图3是它 基本小波的选择具有很大的灵活性.实践证明， 的频谱图.在原始信号频谱图上没有明显峰值， 只有根据所讨论问题的特点选取基本小波函数 特别是在低频段 ),才能取得良好的分析效果 为了提高声信号的信噪比，我们采用小波 本文选用的是S.Mallat于1989年提出多尺 分解方法，将声信号分解到不同的频段，然后在 度分析(1)，通过它可以构造正交小波基.并且 0.03 在多尺度分析的基础上，产生了有限尺度二进 小波变换的Mallat算法.这一算法在小波分析 中的地位相当于快速傅里叶变换(F℉T)在信号 0.01 0 0.1 0.20.30.4 0.5 频域分析中的地位 实际应用中，我们可以根据不同信号在小 图2原始声信号 波分解后表现出的不同特性，对小波分解后的 Fig.2 Acoustic signal 信号进行特殊的处理，并且把处理后的信号加 n0.004 以重构，就可以实现信噪分离或滤波的目的. 30.002 L 2轴承故障实验装置及声信号分析 200 400600 800 1000 f/Hz 本实验的目的是拾取故障轴承的声信号， 图3原始声信号频谱图 实验装置的结构原理图如图1所示.实测电机 Flg.3 Spectrum of the acoustic signal 转速n=1478rmin,207轴承的成滚珠直径)为 11mm,中径D为53.5mm,滚珠个数Z为9，计算 不同频段上来分析声信号的时-频性.图4a是 得到的各部零件特征频率见表1. 在尺度=4上的分解波形，图4b是它的频谱 图.从图46中可明显看出轴频的3倍频(74H2) 和4倍频(100Hz).这是由于电机轴与皮带轮 虫机 轴之间的不对中造成的. 图4c是在尺度s=2时的分解波形，图4d是 它的频谱图，从图中可看出在频率为352Hz处 有峰值，这是齿轮啮合频率与主动轴频6之差、 在频率为535Hz处，有明显尖峰，它正好与4倍 的内圈接触频率535Hz相符.另外，在510Hz 1为联轴节，2为可更换的207型滚动轴承座，3为可 也有一个尖峰，二者正好相差一个轴频，它是由 更换的滑动轴套，4为带外花健的可拔动轴段，5为 于边带影响产生的. 从动齿轮轴，6为主动齿轮，7为可滑动更替的齿轮 更换新轴承后这些故障特征消失了，这说 套，齿轮为正常啮合.其中207轴承内圈有细微的缺 陷，电机轴与皮带轮轴不对中 明利用设备的声信号分析方法可以有效判别出 图1故障模拟器结构原理图 设备的故障 Fig.I Structural schematics of diagnosis simulator 本文将小波变换引人滚动轴承故障声信号

V匕1 . 24 N o . 1 张武 军等 :声 信 号分析方法 在轴承 故障诊 断 中的应用 . 5, . 24 . 6 3 裹 l 各 部 . 件 特征频 率 介 b卜 l 俪 t u er fr 叫 u e n e y o f P a rt s f ( 内圈 ) 不 f (滚动体) 不 13 3 . 6 4 8 8 . 0 6 5 7 . 3 7 18 . 6 3 7 1 . 7 注 : 电机轴的旋转频 豹; , 轴承 内圈(滚动体 )接触频尊幼 . , 传动主动轴频不 , 齿轮啮合频率式 声传感 器采用 M 2K 24 型驻 极传声器 , 由于 传声器与被测 声源 的相对位置对测 量结果有 显 著影 响 , 在本实验 中 , 测 点距声源 大约 .0 5 .m 图 2 是本实验测 得的原 始声信号 , 图 3 是 它 的频谱 图 . 在原始信号频谱 图上 没 有明显 峰值 , 特别是在低频 段 . 为了 提高声信号 的信 噪 比 , 我们采用 小 波 分解 方法 , 将声信号分解到不 同的频段 , 然后在 0 . 0 3 0 0 , 的 · 飞日 习 . 0 1 圈 2 原 始声伯 号 Fi g . 2 A e o u s t i e s ig o a l { . 、 一 。 川 ) . j 。 … ! r . 、 ! … … 、 . 1… … 引科月0r 0 o n óUU 甲飞日, 一频平 面 上 的二元分析 . 如 果 固定尺 度 : , 则小 波 变换反映 的是信号少飞t) 在某 一 固定频带 内随 时间t 的演变情况 ; 如令 尺度: 变化 , 则小 波变换 反 映的是信匀( t) 在各 个频 带内随时间t 的变化 情况 . 可 以设想 , 只要选择适当的小波函数试)t , 就能观察到信号的局部频率特性 以及这种局部 特性随时间 的演变 . 到 目前为止 , 人们 已构 造了 各种各样 的小 波函数 和小波基 , 如 H ar, D a u b e e ih e s , B i o rt h o 即 - n a l , C o iif e t s , S y ln e t s , M o r l e t an d M e x i e an H at 等 . 基本小波的选择具 有很大的 灵 活性 . 实践证 明 , 只有根据所讨论问题 的特点选取基本小波 函数 试)t , 才能取得 良好 的分析效果 . 本文选用 的是 S . M al at 于 19 89 年提 出多尺 度分析 ( 1户 , 通过它可 以构造正 交小波基 . 并且 在 多尺 度分析 的基础 上 , 产 生 了有限尺 度二进 小波变换 的 M al at 算法 . 这 一 算法在小波分析 中的地位相 当于快 速傅里 叶变换 ( F T )在信号 频 域分 析中的地位 . 实 际应 用中 , 我们可 以 根据不 同信号在小 波分解 后表现出的不 同特性 , 对小波分解后 的 信号 进行特殊的 处理 , 并 且把处理后 的信号加 以 重构 , 就 可 以 实现信噪分离或滤波的 目的 , 2 轴承故障实验装里及声伯号分析 本 实验 的 目的是拾取故 障轴 承的声信 号 , 实验装置的结构原理 图如 图 1 所示 . 实测 电机 转速 n 二 1 4 7 8 r /m i n , 2 07 轴 承的 d( 滚珠 直径)为 1 ~ , 中径 D 为 53 . 5 ~ , 滚珠个数 Z 为 9 , 计 算 得到的 各部零件特征 频率见 表 1 . 5 1 2 2 0 0 4 0 0 6 00 8 0 0 1 0 00 f / H z 圈 3 原始声 信号 频谱圈 F 娘 · 3 S P ect r u m o f t卜e a co u s tic , 娘。 a l \ 硫六丫 南 一 入 , , 瑞 \ ” !二匀 摊 ! 为联轴节 , 2 为可更换 的 2 07 型 滚动 轴承座 , 3 为可 更换 的滑动轴套 , 4 为 带外花健 的可拔动轴段 , 5 为 从 动 齿轮轴 , 6 为 主动 齿轮 , 7 为可 滑动更 替的齿 轮 套 , 齿 轮为正 常啮合 . 其中 2 07 轴承 内圈有细微 的缺 陷 , 电机轴与皮带轮 轴不对 中 圈 1 故阵模拟 骼结构 原理 圈 F ig . 1 S t r u c 加r . l CS h e m a t i c s o f d i a g n o s 肠 s加. la t o r 不 同频段 上来 分析声信号的 时 一 频性 . 图 4a 是 在 尺度: = 4 上 的分解波形 , 图 4 b 是它 的频谱 图 . 从 图 b4 中可明显看 出轴频 的 3 倍频 ( 74 H z) 和 4 倍频 ( 10 0 H z) . 这 是 由于 电机轴 与皮带轮 轴之间的不对 中造成的 . 图 4 c 是在 尺度 、 = 2 时的 分解波形 , 图 4 d 是 它的频谱图 , 从 图中可 看 出在频率为 3 52 H z 处 有峰值 ,这是齿轮啮合频 率人与主动轴频石之差 . 在频率为 5 35 H z 处 , 有明显尖峰 , 它正 好与 4 倍 的内圈接触频率 5 35 H z 相符 . 另外 , 在 5 10 H z 也有一个尖峰 , 二 者正 好相 差一 个轴频 , 它是 由 于 边带影响产生 的 . 更换 新轴 承后 这 些故障特征消失 了 , 这说 明利用设 备的声信 号分析方法 可 以 有效判 别 出 设备 的故 障 . 本文将小 波变换引人滚动 轴承故障声信号

·60◆ 北 京科技大学学报 2002年第1期 0.006 0.00124100 n0.0008 6)3=4 0.002 0.002 S00006 0.0002 0.006L -0.0002 0 0.1 0.20.3 0.4 0.5 0 200 4006008001000 t/s f/Hz 0.02 0.003 0.004 510 (d3-2 535 0.003 0 -0.01 MPMIr 0.002 352 0.001 0.02 0= 0 0.1 0.20.3 0.40.5 0 200 400 600 800.1000 f/Hz 图4在尺度3■4和s=2上的分解波形及其顿谱图 Fig.4 Decompose wave in s=4,s-2 and its spectrum 中.通过对声信号的多尺度分解，有效地分离出2杨玉致.机械噪声控制技术M.北京：中国农业机城 由故障造成的声信号，大大提高了声信号的信 出版杜，1983 噪比.实验结果表明，较之以往的时域、频域信 3秦前清，杨宗凯.实用小波分析M西安：西安电子科 技大学出版社，1994 号处理技术，该方法对信号的描述更为合理，是 4崔锦泰，小波分析导论[M.西安：西安交通大学出版 一种可靠和有效的故障诊断新方法 社，1995 参考文献 5 Mallat S.A Theory for Multiresolution Signal Decomposi- tion:the Wavelet Representation[J].IEEE Trans on Pat- 1陈克兴.设备状态监测与故障诊断技术[M.北京：科 tem Analysis and Machine Intelligence,1989,11(7):6741 技技术文献出版社，1991 Machine Sound Using Wavelet and Application in Rolling Bearing Fault Diagnosis ZHANG Wujun,XU Jinwu, YANG Debin, ZHOU Yanling,WANG Haifeng Mechanical Engineering School,UST Beijing,Beijing 100083,China ABSTRACT Machine sound always carries information about the working of the machine.But in many cas- es,the sound has a very low SNR,so it is very difficult to make time-frequency analyse of sound signal.A de- noising method based on wavelet technology is given,Based on wavelet decomposition,sound signal caused by mechanical diagnosis can be separated.Experimentation tests that this is an effective method to diagnose fault of rolling bearing comparing with other fault diagnosis methods. KEY WORDS sound signal;fault diagnosis;wavelet;rolling bearing

6 0 . 北 京 科 技 大 学 学 报 20 2 年 第 1 翔 t . 之自。s . 00 6 . 0 0 2 . 00 2 . 0 0 6 0 . 0 0 1 2 0 . OX)I 8 0 . 0的 6 0 . 0心X) 2 刁 . 0 0 0 2 4 } , 10 0 伪) s科 ēU 亮U 号、 刁 0 2X() 4 0 0 6 0 0 f H/ z 8 0 0 1 0 0 0 535 d( ) s月 352 \ . 05432010 八甘n ùó”甘n 0 nù一 0 ǐ1 ù 甲s · 追七 自,n- ù 1 nU 自, ó1 ù甘n 一U 刁0 甲s 之` 。 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 2 0() 40 0 6 00 800 1 0() 0 t / s f H/ z 圈 4 在尺度。 . 4 和 , , 2 上的分解波形及 X 绷讲圈 F妞.4 刃随c o . p加 e wa v e 腼 凉一 4 , 尸 2 . . d lst . p eC t lr m 中 . 通过对声信号的多尺度分解 , 有效地分离出 由故 障造成 的声信号 , 大大提高 了声信号的信 噪 比 . 实验结果表 明 , 较之以往 的时域 、 频域信 号处理技术 , 该方法对信号 的描述更为合理 , 是 一 种 可靠 和有效 的故 降诊断新方法 . 参考文献 1 陈克兴 . 设备状 态监测 与故障诊断技 术【M】 . 北京 : 科 技技术 文献出版社 , 19 1 2 杨玉致 . 机 械噪声 控制技术囚】 . 北 京 : 中国农业机 械 出版 社 , 19 83 3 秦前清 ,杨宗凯 . 实用 小波分析【M l . 西安 : 西安电子科 技大学出版社 , 19 4 4 崔娜泰 . 小波分析 导论[M】 . 西安 : 西 安交通 大学出版 社 , 19 5 5 M al at S . A hT . o yr for M u l ti邝 s of u t i o n s i助a】D e c om op s i - t i o n :ht e W h传l . t R e P脚 e n alt i o n [ J ] . IEE E rT an s o n P at - t e m A n a ly s i s an d M 即h in e I ent 川罗n c e , 19 8 9 , 1 1( 7 ) : 6 7 4 1 M a e h i n e S o un d U s ign 认厄v e l e t an d AP P li e a t i o n i n oR lli n g B e iar n g F au l t D i a gn o s i s 刀侧刃 G 环’uj u ” , 尤U iJ n w .u 别N G 珑b in , Z 付口 U aY n l i ” g, 洲刃 G H d沙 gn M ce h an i c目 E n g i n e 血 9 S c h o l , U S T B o ij 坑乐B e ij in g 10的8 3 , C h讯 a A B S T R A C T M a hc i n e s o u n d a lw ay s e a 州e s i n fo mr 如o n a bo ut ht e wo ikr n g o f ht e m ac hi ne . B ut i n m an y c a s - e s , ht e s o un d h a s a v e yr l o w SN R , 5 0 it 1 5 v eyr diif e u lt t o m ak e t irn e 一 fer q uen cy an ly s e o f s oun d s ig an l . A de - on i s i n g m e ht o d be s e d o n 场 , v e l e t t e c ha o l o盯 1 5 g i v e n . B a s e d on w a ve let d e e o mP o s i ti o n , s o un d s ign a l c au s e d by m e c h an i e a l d i a gn o s i s c即 b e s e Par at e d . Ex Pe ir m e n t a t i o n t e s t s ht a t t h i s 1 s an e fe c tive m e ht od t o d l a gn o s e fau lt o f r o llin g b e a ir n g e o 珑甲ar in g iw ht o ht er fau lt d l a铆0 5 1 5 m e hot d s · K E Y W O R D S s oun d s ign a l: 枷It d i a gn o s i s ; w va e l e t: or llign be a ir gn