基于自相关加权的增强包络谱用于复合轴承故障诊断

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:Autocorrelation weighted enhanced envelope spectrum for compound bearing fault diagnosis

【字体: 大 中 小 】 时间:2026年08月29日 来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 10.2

编辑推荐:

   本文主要贡献如下: • 提出了一种新颖的AWEES方法,用于复合故障的精确诊断。 • 构建了PPFM以增强复合故障特征的周期性峰值。 • 提出了一种EFDSNR方法,用于表征复合故障能量分布。 • 计算AWEES以分别揭示周期性复合故障特征。 • 三个案例证明了所提方法的有

  

本文主要贡献如下:

• 提出了一种新颖的AWEES方法,用于复合故障的精确诊断。
• 构建了PPFM以增强复合故障特征的周期性峰值。
• 提出了一种EFDSNR方法,用于表征复合故障能量分布。
• 计算AWEES以分别揭示周期性复合故障特征。
• 三个案例证明了所提方法的有效性和优越性。

**引言**

滚动轴承作为机械系统中不可或缺的核心部件,在关键设备的承载和减摩功能中发挥着至关重要的作用[1]。然而,轴承通常在极端条件下运行,包括剧烈的温度波动、重载以及快速加速和减速。这些恶劣的运行条件会加速轴承部件的磨损,并显著增加故障风险[2]。由于轴承部件结构复杂且高度耦合,滚动轴承中的损坏部件往往会波及周边部件,从而导致复合故障的形成[3]。这些复合故障在信号幅度、频谱特征和波形模式上表现出显著的变化,这使得在机械故障诊断应用中准确识别和有效分离复合故障特征变得尤为困难。

传统的信号分解方法将信号分解为多个模态,已被证明对复合故障诊断有效。经验模态分解(EMD)[4]、经验小波变换(EWT)[5]和变分模态分解(VMD)[6]等技术已被广泛用于故障特征提取。VMD通过求解变分优化问题将信号分解为若干个本征模态分量,从而实现多分量信号分离[7]。特征模态分解(FMD)通过特征滤波和迭代更新,将信号分解为特定频带内的一组多模态分量,从而显著增强故障特征并抑制与故障无关的干扰分量[8]。然而,这些方法通常存在计算复杂度高、对噪声敏感以及对初始参数选择依赖性强等不足,限制了其在实际工程场景中的适用性。

包络解调分析是机械故障诊断中广泛使用的一种信号处理技术,通过对高频分量进行带通滤波和解调来获得平方包络谱(SES)。目前,快速峭度图(FK)方法[9]、[10]被广泛用于自适应确定最优滤波带宽。然而,当遇到强非高斯噪声或随机冲击时,传统FK方法容易出现误判[11]。为解决这一问题,Protrugram[12]通过计算包络谱的峭度来突出周期性冲击调制特征,抑制非高斯噪声干扰,从而实现更可靠的最优解调频段确定。Autogram[13]通过强调自相关谱中周期性冲击的非高斯特性来识别和增强故障特征。此外,Sparsogram[14]和Infogram[15]等方法从不同角度优化频带选择和冲击特征提取,有效提高了故障冲击检测的准确性。然而,由于未明确引入故障特征频率(FCF)信息,这些方法容易将与故障无关的冲击分量误判为有效特征,从而降低频带选择的准确性。

谱相关(SC)和谱相干(SCoh)理论的引入[16]、[17]、[18]有效解决了上述局限。与传统谱分析相比,SC和SCoh提供了载波频率和循环频率的联合表示,能够准确识别故障特征频率(FCF)及其对应的共振频带。在此基础上,Antoni等人[19]提出了一种SC的快速计算方案,显著降低了原始SC公式的高计算负担。Randoll等人[20]从理论上证明了通过沿频率轴对SCoh进行积分获得的增强包络谱(EES)等价于平方包络谱(SES),将二维谱分析转化为更为直观的包络分析。然而,EES容易受到与故障特征无关频带的干扰[21]。为克服这一缺点,提出了改进包络谱(IES)[22],通过对选定的故障敏感频带内的SCoh进行积分来反映局部故障信息。因此,准确识别富含故障特征的频带对于获取信息丰富的包络谱至关重要,这也是复合故障诊断中的关键步骤。Zhang等人[23]通过计算循环频率谱中平均故障特征峰与平均噪声之比(MFPN)来评估故障特征信息含量,然后对高于阈值的频带内的循环频率谱进行加权求和,从而得到加权包络谱。Xin等人[24]提出了一种多故障的最优解调频段(ODBs)策略,允许同时检测多个ODB,避免遗漏故障特征。Chen等人[25]利用频域信噪比(FDSNR)量化每个循环频率谱中的损伤信息,并通过阈值法提取ODB。然而,在实际故障诊断工作中,由于高幅值噪声和随机冲击的影响,SCoh中的故障特征及其周期性谐波往往非常微弱。因此,有必要在进一步搜索富含故障特征信息的ODB之前,对SCoh中的故障特征进行增强。

为解决这一局限,本文提出了一种新的自相关加权增强包络谱(AWEES)方法,利用自相关来估计周期性。首先,引入了一种周期性峰值特征提取策略。计算相干谱的平方自相关函数(SAF)以估计所有谱频率上的周期性特征,利用估计的周期及其谐波构建周期性峰值特征矩阵(PPFM),用于增强相干谱中的周期性复合故障特征,从而得到增强相干谱。其次,基于估计的周期性特征计算估计频域信噪比(EFDSNR),以表征复合故障能量分布,并应用最优阈值确定与复合故障相关的频带。最后,通过将复合故障频带与EFDSNR进行加权融合来计算AWEES。本文的主要贡献可总结为如下。

(1) 计算相干谱的平方自相关以提取周期性特征,从而构建增强相干谱,增强周期性复合故障特征。
(2) 提出了一种EFDSNR来表征复合故障能量分布并准确识别故障频带。
(3) 通过将复合故障频带与EFDSNR进行加权融合,计算能够揭示复合故障特征的AWEES。

本文其余部分组织如下。第2节介绍SCoh的基本原理,第3节详细阐述AWEES的理论框架。第4节和第5节通过仿真和实验分析验证了所提方法的性能和优势。最后,第6节给出了本文的总体结论。

**章节摘要**

**谱相干**

当振动信号x(t)的自相关函数随时间t呈现周期性变化时,称其具有二阶循环平稳性。

对于给定的循环平稳周期T,x(t)的自相关函数可表示为[16]

$$R_x(t,\tau) = E[x^*(t - \tau/2) x(t + \tau/2)] = R_x(t+T, \tau)$$

其中E[·]为期望算子;*表示复共轭;$\tau_m = m/F_s$为时间滞后。SC定义为瞬时自相关函数的二维离散傅里叶变换。

**所提方法**

本节提出了一种基于增强相干谱的复合故障包络提取方法,通过计算相干谱的SAF来实现。在本文提出的方法中,利用平方自相关获取的故障周期信息,对相干谱中的复合故障特征进行双向加权增强。基于增强相干谱,进一步估计复合故障的分布特性。最后,实现稳定……

**仿真分析**

为严格证明所提方法的实际有效性和性能优势,利用模拟的复合故障信号进行了详细研究,该信号分别组合了外圈故障和内圈故障[29]。该模拟信号旨在近似工业机械设备中遇到的复杂运行环境,在这种环境中,滚动轴承通常同时经历多种故障机制而非单一的孤立故障。

**实验分析**

本节通过分析两组真实轴承复合故障信号的诊断性能来评估所提方法的性能。此外,采用了几种具有代表性的信号处理技术进行对比,以评估各自的分解结果。

**结论**

总体而言,所提方法有效增强了相干谱中的故障共振频带和周期性冲击峰值,准确解耦并提取了不同的故障分量,显著提高了微弱复合故障的诊断精度。首先,通过平方自相关提取周期性冲击特征,并构建周期性峰值特征矩阵(PPFM)来存储周期循环的特征频率,用于对……

**CRediT作者贡献声明**

Shuang Wang(王双):撰写——初稿、方法论、数据管理、概念化。

Tao Meng(孟涛):撰写——初稿、可视化、验证、方法论。

Xingxing Jiang(姜星星):撰写——审阅与编辑、监督、项目管理、方法论、概念化。

Lyukangcheng Wang(王吕康城):验证、调查研究、资金获取、数据管理。

Jianying Zheng(郑建英):软件、资源、项目管理、形式化分析。

Zhongkui Zhu(朱钟魁):监督、资源、形式化分析。

**利益冲突声明**

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

**致谢**

本工作部分受国家自然科学基金委资助(批准号52575132和52172406)、先进装备机械传动国家重点实验室开放基金(批准号SKLMT-MSKFKT-202514)以及江苏省先进感知与智能装备工程研究中心开放项目基金(批准号2025ZBYJ02)资助,对此作者表示衷心感谢。

Shuang Wang | Tao Meng | Xingxing Jiang | Lyukangcheng Wang | Jianying Zheng | Zhongkui Zhu
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号