早期軸承故障檢測
時間:2020-12-17 11:13來源:未知 作者:Hong Kong
軸承故障是旋轉(zhuǎn)機械發(fā)生故障的***主要原因之一，這種故障可能是災(zāi)難性的，從而導致昂貴的停機時間。軸承預(yù)測的關(guān)鍵問題之一是在缺陷的初期階段就對其進行檢測，并在操作人員發(fā)展成災(zāi)難性故障之前對其進行警告。
對于基于傳感器的方法，信號降噪和信號弱簽名的提取對于軸承的預(yù)測至關(guān)重要，因為測量機制的固有缺陷通常會給信號帶來大量噪聲。另外，有缺陷的軸承的信號會散布在很寬的頻帶上，因此很容易被噪聲和低頻效應(yīng)掩蓋。
通常，軸承振動信號是通過安裝在軸承箱上的振動傳感器收集的，傳感器通常會從其他機械部件收集主動振動源。測量機制的固有缺陷將大量噪聲引入信號中。
因此，軸承故障的信號會散布在很寬的頻帶上，并容易被噪聲和低頻效應(yīng)掩蓋。挑戰(zhàn)之一是在缺陷開發(fā)的早期階段增強弱簽名。
需要一種信號增強方法來為軸承性能評估和預(yù)測提供更多明顯的信息。
從嘈雜的背景中提取信號的傳統(tǒng)方法是設(shè)計一個合適的濾波器，該濾波器可以去除噪聲成分，同時讓所需信號保持不變。根據(jù)噪聲類型和應(yīng)用，可以設(shè)計不同的濾波器進行降噪。
但是，對于噪聲類型和頻率范圍未知的情況，傳統(tǒng)的濾波器設(shè)計可能會成為計算量很大的過程。
小波變換由于其非凡的時頻表示能力而被廣泛用于信號去噪。盡管大多數(shù)信號降噪方法都旨在從嘈雜的原始信號中檢測出平滑曲線，但來自機械故障（例如齒輪和軸承）的振動信號卻比平滑的更像脈沖。
一些研究人員開發(fā)了基于Morlet小波分析的去噪方法，并將該方法應(yīng)用于齒輪振動信號的特征提取。這些方法尋求***佳小波濾波器，該濾波器可以給出變換信號的***大峰度值。
但是，軸承的缺陷特征是周期性的脈沖。周期性在故障識別中起著重要作用，在***佳小波濾波器構(gòu)造中不應(yīng)忽略。
軸承預(yù)測的另一個挑戰(zhàn)是如何基于提取的特征有效地評估系統(tǒng)性能。有效實施軸承預(yù)測的主要困難之一是缺陷增長的***度隨機性。
即使可以提取各種各樣的特征來描述來自不同方面的信號特征（例如均方根[RMS]，峰度，波峰因數(shù)，倒譜和包絡(luò)譜），以前的工作表明，每個特征都是僅在某些階段對某些缺陷有效。
例如，由波峰因數(shù)和峰度表示的振動信號的尖峰表示初始缺陷，而RMS值給出的***能級則表示嚴重缺陷。
好的性能評估方法應(yīng)利用來自多個功能部件和傳感器的相互信息來進行系統(tǒng)降級評估。
![[field:title /]](/uploads/allimg/160926/1-160926095J5.jpg)
![[field:title /]](/uploads/allimg/170316/1-1F316164532.jpg)
![[field:title /]](/uploads/allimg/160927/1-16092G12F7.jpg)
![[field:title /]](/uploads/allimg/160926/1-160926164057.jpg)
![[field:title /]](/uploads/allimg/160929/1-160929164110.jpg)
京公網(wǎng)安備 11010702001993號