文摘

自弱故障特征的机械设备通常很难提取在强背景噪声,随机共振(SR)被广泛用于提取微弱故障特征,就是能利用噪声放大微弱故障特征。虽然经典的双稳态随机共振(CBSR)可以提高潜在的弱特征通过调整参数模型,当势垒高度调整势阱宽度也改变,反之亦然。同时两个势阱宽度和势垒高度的变化都是很难获得一个合适的潜在模型进一步更好的弱故障特征提取和故障诊断的机械。出于这个原因,输出信噪比(信噪比)CBSR大大减少,和相应的增强弱故障特征的能力是有限的。为了避免的缺点,提出了一种新的SR方法提取微弱故障特征和进一步诊断旋转机械的故障,在经典的双稳态可能被替换为一个双稳态的潜力得到最佳的老双稳态的潜在模型不仅具有经典双稳势模型的特点,但也有能力调整潜在的宽度,势垒高度,独立墙陡度。模拟数据用于演示老拟议的新方法。结果表明,弱故障特征可以有效地从模拟信号中提取与沉重的噪音。轴承和行星齿轮箱实验证明提出的SR方法可以正确诊断旋转机械的故障,而且具有较高的光谱峰值和更好的认可程度与CBSR方法。

1。介绍

振动试验是机械设备故障诊断的常用方法,但机械设备通常是受到沉重的噪音的影响,多振源激励和响应相互耦合、人为干扰等(1- - - - - -3]。所有干扰导致信噪比(信噪比)是非常小的,难以提取故障特征频率。此外,早期故障特征微弱的糟糕的外部环境。因此,弱故障特征提取是机械故障诊断的关键问题4,5]。常用的故障诊断方法有小波变换(6),集成经验模态分解(7- - - - - -9),地方平均分解(10,11),奇异值分解(12],等等13,14]。上面的方法显示良好的性能在故障诊断和弱故障特征提取,但他们从消除噪声的角度检测故障特征。弱故障特征的沉重的噪音污染,降噪是有效的,但弱弱故障特征频率。因此,传统的信号处理方法不能有效提取微弱故障特征由沉重的噪音污染。然而,随机共振理论(SR)是利用噪声来提高隐藏信号(15]。SR Benzi等人于1981年提出了(16]。目前,SR已广泛应用于故障诊断。老的优越性在弱故障特征的提取,SR已逐渐成为信号处理研究的重点。目前,大量的学者们研究了弱信号检测技术在强背景噪音。根据绝热近似理论,SR只适用于小参数的条件(17]。愣et al。18]提出两个采样频率转换以达到大参数信号老谭et al。19利用频移和尺度改变检测技术,克服了传统的小参数限制条件SR检测高频信号在实际工程。赖和冷20.]提出了线性振幅变换、时间频率缩放、信号检测和参数调优方法在大型频率和高强度噪音。这些研究提供了有效的方法对大参数信号的检测与老经典的双稳态随机共振(CBSR)是最常用的方法来检测微弱故障特征。许多学者做了大量研究CBSR方法。Lei et al。21)提出了一个老欠阻尼的方法与稳态稳态之间的匹配达到最佳匹配类型和输入信号,并应用于滚动轴承故障特征频率提取。陆et al。22)提出了一个全波信号做出更好的‬SR的建设和应用于磨损轴承的故障特征频率提取,刘等人。23)提出了改进人工fish-swarm算法参数的匹配达到最优郑老et al。24)提出了能量收获实验应用于老叮et al。25)提出了一种融合特征提取方法对当地预订预测为了找出轴承状态和健康状况之间的差异。汉et al。26)提出了一种微弱信号提取方法,基于小波变换的多稳SR和参数补偿带通用于检测多频信号。施等。27)提出了非对称双稳态SR由无关的乘法和加法噪音。李等人。28]提出的信噪比主成分和残余SR实现定量分析的老段et al。29日)老提出一种新的基于编码效率测量。李和施30.,31日)提出了SR提取自适应奇异值分解方法。此外,随机共振的潜在模型基于混沌蚁群算法和用于行星齿轮箱的故障诊断。这些研究都是基于势垒高度和潜在的同时调整宽度。只要势垒高度变化,潜在的宽度也改变,反之亦然。在这种情况下,无法获得完美的潜在模型结构。因此,许多学者替代的潜在模型与其他潜在的模型CBSR期待更好的陆老et al。32)提出了单稳态和tristable SR和应用在轴承实验,结果表明,这两种方法优于CBSR方法提高弱故障特征。乔et al。33)提出了分段混合SR,新的潜在模型应用于行星齿轮箱的故障诊断实验和方法取得了良好的效果。然而,上述方法改变经典双稳势模型的结构。势垒高度调整时,潜在的宽度变化,反之亦然,不从根本上解决问题的经典双稳势模型的结构调整。潜在的宽度和势垒高度变化同时很难得到完美的潜在的模型结构。这种缺点使得获取目标特征频率的困难和限制的增强能力弱故障特征CBSR方法。因此,如何更好地调整结构的潜在模型的关键问题是实现最佳老为了避免CBSR方法的问题,提出了一种自适应双稳态的潜在的随机共振(BCPSR)方法,建立了双稳态的潜在模型使潜在的宽度,势垒高度,和墙陡度调整同时、独立,所以潜在的模型可以更好地匹配参数和SR。

节2的双稳态的潜在模型和策略BCPSR介绍了微弱信号提取方法。节3,仿真信号验证了新方法的有效性与CBSR方法进行比较。节4,新方法应用于轴承的故障特征信号提取和行星齿轮箱。诊断结果表明,新方法可以识别机械故障。CBSR方法相比,新方法具有更高的频谱峰值特征和识别程度。结论是在一节5。

2。老模型与双稳态的潜力

2.1。理论模型

上的大多数研究SR关注传统的双稳态模型。CBSR可以解释为一个粒子受噪声和周期的力量。随着粒子是由噪声,周期力将会增强。下的控制方程,说明了这样一个现象的假设过阻尼状态可以由以下方程: 在哪里周期信号的振幅,是驱动频率,阶段。与此同时,噪声项需要满足下列条件: 在这噪声的强度和吗摘要代表一个添加高斯白噪声均值为0,方差为1。经典双稳势模型,代表一个reflection-symmetric四次潜力: 在这和表示潜在的经典双稳态模型的参数。表示SR系统输出和方程(1)和(3)本质上描述的过阻尼运动粒子由外力驱动信号周期信号和噪声在双井潜力。的势函数有两个固定位置 ,势垒的高度是 ,位于最高点的障碍 ,和这些特征如图1。这是类似的双稳态的潜在模型, ,这是一个对称的非线性潜力,显示如下: 在这一与积极的实际价值剩余的可调参数双稳态的潜力。为了确保约束,我们要求 。整个潜在的模型是对称的 ,也就是说, 。

之间的差异和相似性分析经典的双稳态潜力和双稳态的潜力,双稳势曲线具有不同潜在的参数图中描述1。很明显,潜在的高度和宽度可控制的参数和 。换句话说,在相同的条件,就越大是,势垒越高;在同样的条件,就越大是,势垒越低。这种现象可以满足的理论价值 。与此同时,双稳态的潜在曲线不同的参数也可以显示在图2。很明显,不同的潜在结构可以通过调整参数的潜力。从图2(一个)在任何其他参数不变,我们可以看到双稳态的潜力也有两个井和一个障碍,这是类似于经典的双稳态的潜力。此外,随着参数的增加 ,势阱的势垒高度没有变化,但最小值点慢慢地移动中间点 。它可以造成更大的墙陡度的潜在和较小的宽度的潜力。换句话说,参数可以确定潜在的墙陡度和宽度。同样的,我们可以解决任何其他参数观察潜在的变化一个参数。在图2 (b),它可以发现越小是,潜在的势垒高度就越高。同样,增加 ,潜在的宽度变得更大。在数据2 (c)和2 (d),他们可以看到越大潜在的势垒高度越高,越势垒高度越小,越墙陡度潜在的,反之亦然。通过上面的分析,我们可以看到,两个模型通过调整可能有类似的调整特征参数。此外,两个潜在的模型都是双稳态潜在障碍和两个对称势井。然而,两种模型的区别在于广泛的墙陡度和潜在的宽度可以通过调优参数的双稳态的潜力,同样更详细的潜在结构完全可以实现。

代入方程(4)方程(1老),基于双稳态的潜力可以得到如下:

的是符号函数。从方程(可以理解5),系统可以调节参数 , , 和提高输出信号。方程(5)可以使用离散计算第四等级龙格-库塔方法如下所示: 在这是一个函数对应的右边方程(5),是计算时间间隔。

2.2。微弱信号检测策略基于SR和双稳态的潜力

老现象的本质是,势阱中的粒子运动潜在力的相互作用下,周期性的力,和噪音,因此实现系统输出的增强。三股势力,周期性力和噪音是固定的。因此,老的影响取决于潜在力的变化。一般来说,如果两个潜在的墙壁之间的距离太远,粒子不能到达长城边,必须给扭转弹性就越大。另一方面,当两个潜在的墙壁之间的距离太窄,颗粒不能到达潜在墙边缘,所以会提前回去。同样,如果潜在的墙太陡,粒子可能迅速反弹由于强烈的扭转弹性。恢复速度过快时,周期性振荡不能赶上恢复速度。如果墙太温柔,它不能给一个足够大的加速度导致粒子周期性振荡。因此,当潜在的模型最优结构,系统输出可以有最好的增强效果。

与这些特性,提高周期信号到一个极端,潜在的模型应该调整。经典的双稳态电位(方程(3)),众所周知,潜在的共同特征可以确定的参数和 。换句话说,它是不可能调整一个孤立潜在特性(例如,潜在的宽度),同时保持其他的(例如,潜在墙陡度)不变的通过调整参数。在这种情况下,我们可能会认为墙陡度的潜力被调整到最佳状态,但最优势垒高度和墙陡度可能不是在最好的状态。因此,不能增强的最佳周期信号。不过,我们可以回顾双稳态的潜在模式,表现出图2,可以发现参数 , ,和主要确定潜在的墙陡度和势垒高度。此外,参数可以主要是确定潜在的宽度,势垒高度,墙陡度。它是确保双稳态的潜力可以实现更好的潜力比经典的双稳态特性。例如,保持最优潜力宽度通过调优参数 ,然后是相对最优墙陡度和势垒高度,分别通过调整参数 , ,和 。

最优提取目标信号从强噪声、最优输入信号可以通过调优参数的潜力。微弱信号检测的性能是评价采用输出信噪比作为一个标准。随后,一个策略提取弱故障特征信号基于SR与双稳态的潜在综合呈现,如图3。流程图是描述如下:(1)信号预处理:一些常见的技术包括过滤噪音的一部分,检测信号的驱动频率解调调制原始信号时,和shifting-frequency重新调节变换,可以满足小参数条件执行驱动频率大于1。(2)参数初始化:初始化双稳态的计算范围限制潜在的参数 , , ,和k。(3)输出计算:计算出输出波形通过使用方程(6),然后解决频谱和信噪比。(4)输出评估:寻找最大信噪比三元数组中对应于不同的变量 , , ,和利用蚁群搜索方法,然后得到最佳的参数组合对应于最大的信噪比。(5)后加工处理过的信号:信号输入处理SR系统来计算最终的输出,实现机械设备的故障诊断。

3所示。绩效评估

3.1。SR与双稳态的潜在的影响

直观地说明生成的系统输出之间的相互作用和潜在的参数,模拟故障轴承信号的产生和处理BCPSR方法如上所述。随着滚动轴承的形式往往是影响,周期性的单边衰减脉冲信号与摘要选为模拟信号波形。模拟波形生成通过以下方程: 在哪里是信号幅度,赫兹的调制频率,(千赫采样频率)显示了衰变率,占据了脉冲周期性出现,是摘要,均值为0,方差为1,是噪声强度,s是脉冲的时间间隔出现(赫兹是驱动频率)。采样时间是0.2秒。模拟轴承故障信号没有摘要,摘要,相应的频谱在数字展出4(一)- - - - - -4 (c),分别。

之后,老与双稳态方程封闭潜力模拟轴承故障信号处理如下:

由于模拟轴承故障信号调制,希尔伯特变换(HT)可以用来检测不同fault-induced脉冲特性。同时,模拟故障轴承的包络信号通过使用HT是描绘在图5(一个)及其频谱显示在图5 (b)。从上面的数据,我们可以看到驱动频率赫兹。但是有很多干扰频率的频谱包络信号。在实际应用程序中,这对我们来说是非常困难的来识别轴承故障信号的驱动频率,因此只取决于断层包络信号频率不能提取和识别。为了满足小参数的要求,信封信号处理shifting-frequency重新调节变换方法,然后双稳态的参数限制潜在的蚁群算法进行了优化。最后,BCPSR方法的输出信噪比为22.63分贝。显示时域波形和频谱图6。在图6 (b),它可以可视化的特征频率noise-contaminated显示明显的信号。特征频谱峰值为0.276,0.23868高于周围的噪音。为了显示的优越性BCPSR方法,相同的信号是由CBSR处理方法。输出信噪比为20.17分贝,2.46 dB低于BCPSR方法和时域波形和频谱图所示6 (c)和6 (d)。观察图6 (d)特征频谱峰值为0.1628,0.11869高于周围的噪音。从上面的分析,可以知道BCPSR方法增强微弱故障信号的效果明显,优于CBSR方法。

4所示。实验验证

证明的有效性BCPSR方法,新方法进行了故障特征频率提取的轻微损伤轴承内座圈。进一步分析新方法的强大的影响,实验数据缺失的牙齿和破碎齿行星齿轮箱是用来证实新方法的验证。

4.1。轴承的实验验证

滚动轴承是旋转设备的重要组成部分,和滚动轴承的工作状态与操作旋转机械的可靠性。然而,滚动轴承是最容易受损的部件之一。在这种情况下,轻微损坏的轴承内套的提取信号是用来证实BCPSR方法的有效性。机械设备故障综合试验台是用于实验,如图7。ER-10k滚动轴承作为故障轴承的大小 , , , ,(轴承的节圆直径是33.5毫米,滚动的元素的数量是8,滚动元素的直径是7.9395毫米,和接触角的轴承负载是0),采样频率为2560赫兹。根据振动理论分析,轴承的内部种族的特征频率是212.85赫兹,和时域波形,功率谱,原始信号的包络谱图所示8。它可以得出的结论是,目标频率不能提取功率谱和包络谱,因为特征频率信号被强大的外部污染干扰信号。因此,BCPSR方法用于提取的目标频率轴承内座圈。输出波形的时域波形和功率谱图所示9(一个)和9 (b)。在图9 (b),特征频谱峰值213.12赫兹,远高于周围的噪音,它更接近于理论值212.85赫兹。因此,我们可以得出目标频率轴承内座圈已被确认的方法。表明BCPSR方法更好的效果,收集到的信号应用于CBSR方法,和输出波形的时域波形和功率谱图所示9 (c)和9 (d)。的目标频率轴承内座圈也CBSR提取的方法,但它可以明显发现BCPSR比CBSR方法方法有更好的效果。两种方法的谱峰0.2051和0.1289,分别。这里,谱峰的区别特征频率和最大的周围噪音被定义为识别度。的认可程度BCPSR方法和CBSR方法是0.10913和0.05183,分别。输出信噪比为22.68 dB和21.22 dB,分别。从上面的结果,可以得出结论,BCPSR方法有更高的谱峰,识别度,比CBSR方法和输出信噪比轴承内座圈的故障诊断实验。因此,它可以判断,该BCPSR方法有更好的效果。

4.2。行星齿轮箱的实验验证

与普通固定轴齿轮箱、行星变速箱结构更为复杂和独特的经营模式和常见复杂动态加载部队。因此,行星齿轮箱的故障诊断问题要认真对待。在这种情况下,故障提取实验缺失牙和破碎齿的行星齿轮箱是用来证明BCPSR方法的正确性。行星齿轮箱的测试平台用于实验。系统的三维模型和物理模型台式数字所示10 ()和10 (b)。第一阶段的太阳齿轮测试装置。行星齿轮箱的参数如表所示1。故障设备的物理模型如图(11日)和11 (b)。为了模拟行星齿轮箱的重负荷运行,制动组电压和电流是1.2 V和1.1,分别。根据振动理论,第一阶段的特征频率计算行星齿轮箱和表所示2。

时域、功率谱和包络谱收集缺失的牙齿和破碎齿信号如图12,分别。由于行星变速箱的复杂操作,沉重的负荷和沉重的声音,啮合频率,显然不是被噪声干扰频率。因此,比较BCPSR法和CBSR法,这两种方法进行到识别故障特征频率。行星齿轮箱的缺失牙齿最优输出信号使用提出BCPSR方法和CBSR方法显示在图13。在图13 (b)啮合频率的谱峰,显然频率远高于周围BCPSR噪声的方法。啮合频率,显然频率之间的距离是9.8和9.7,分别,这是非常密切的理论值10。上述分析表明,第一阶段的太阳齿轮行星变速箱是失败的。在图13 (d)CBSR方法,啮合频率,显然频率之间的距离是9.6和9.4,这是接近理论值10。因此,可以得出结论,第一阶段的太阳齿轮已被摧毁,但啮合频率的谱峰和边带频率低于BCPSR方法。同样,故障特征频率提取实验应用破碎齿的两个方法,时域波形和功率谱图所示14。在图14 (b)啮合频率的谱峰,显然频率显然BCPSR强调的方法。然而,CBSR方法可以看到明显的啮合频率和频率边带,和其他边带频率干扰的噪音,导致一个很小的谱峰。此外,比较数据的功率谱13 (b)和14 (b)啮合频率的谱峰,显然缺失牙的频率高于破碎的牙齿。这一现象表明,振动造成的缺失牙的高于破碎的牙齿,这与实际情况是一致的。信噪比计算的两种方法如下:在CBSR方法中,缺失牙信号的输出信噪比为23.08 dB和断齿信号的输出信噪比为21.42分贝。在BCPSR方法中,缺失牙的输出信噪比信号25.06 dB,和破碎的牙齿输出信号的信噪比为22.18分贝。因此,可以得出结论,BCPSR故障提取实验的方法验证了行星变速箱。BCPSR法与CBSR法比较,BCPSR方法具有较高的频谱峰值和更好的认可程度和更好的微弱故障信号增强能力。

5。结论

CBSR方法的系统参数进行了优化,很难获得完美的潜在模型结构由于同时变化的势垒高度和宽度,这阻碍了增强弱故障特征频率,降低了输出信噪比。为了克服这个缺点,BCPSR提出了一种新方法。是得出以下结论:(1)BCPSR系统模型分析及其潜在的功能和结构特点。CBSR系统相比,BCPSR系统参数不仅可以独立调整为当地潜在的模型的形状也有更高的理论输出信噪比,这意味着它可以更好的检测和强烈的背景噪声中提取微弱信号。(2)当势垒高度CBSR系统的潜在模型调整,潜在的宽度改变,反之亦然。当潜在的宽度和势垒高度同步改变,潜在的结构不会是完美的。BCPSR系统潜在的模型可以使潜在的宽度,势垒高度,和墙陡度调整同时、独立,所以潜在的模型具有更好的匹配参数。(3)拟议中的BCPSR方法应用于一个轻微损伤轴承内座圈和缺失的牙齿和断齿行星齿轮箱的。实验表明,BCPSR方法不仅可以提取疲软的特征频率,而且具有更好的识别、更高的故障特征频谱峰值,比CBSR方法更好的信噪比。(4)拟议中的BCPSR方法是根据过阻尼状态。输出信噪比和弱BCPSR的故障诊断方法在欠阻尼的国家和CBSR影响饱和的因素在未来进一步研究的重点。此外,该BCPSR方法应用于行星齿轮箱的实际工程验证,进一步确定工程方法的应用效果。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究受到了美国国家科学基金会(51805275)。