基于声信号分析的齿轮故障诊断方法_杨德斌_图文

1、基于声信号分析的齿轮故障诊断方法杨德斌杨聚星阳建宏章立军北京科技大学机械工程学院,北京100083摘要为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.关键词齿轮;故障诊断;声信号;独立分量分析;自相关分类号T H 165+.3;T N 911.7Method of gear fault diagnosis based on acoustic signa

2、l analysisY AN G Debin ,Y AN G Jux ing ,Y AN G Jianhong ,ZHAN G LijunS chool of M echanical Engineering ,University of S cience and Technology Beijing ,Beijing 100083,ChinaABSTRAC T Due to the noise disturbance from surrounding equipments and environment in g ear fault diagnosis based on acoustic si

3、g -nal analysis ,a novel method combined with independent component analy sis and auto -co rrelation w as proposed .I ndependent compo -nent analy sis w as used to separate characteristic signal and interference signal .And then auto -cor rela tio n was used to extract the peri -odic co mponent of c

4、haracteristic sig nal .Ex perimental results indicate that the proposed approach could reduce strong background noise and ex tract fault feature form gear acoustic signal .KEY W ORDS gear ;fault diag nosis ;acoustic sig nal ;independent compo nent analysis ;auto -correlation收稿日期:2007-01-29修回日期:2007-

5、03-06基金项目:北京市自然科学基金资助项目(No .3062012作者简介:杨德斌(1965,男,研究员,E -mail :ydb ustb .edu .cn声信号中蕴藏着机械设备状态的重要信息,它是振动的另一种表现形式,当设备状态发生改变时,其声学特性也会发生改变.因此,通过对声信号进行处理和分析,也可以了解设备运行状态,对设备进行故障诊断1.同时基于声信号的采集可以非接触式获得信号,适用于某些不便于安装振动传感器的场合,如高温、高腐蚀环境,是一种有效、快速的故障诊断方法.在实际中,临近机器或其他不相干部件辐射的噪声往往比较强,加上环境噪声的污染,使得待测部件信号往往淹没在混合噪声中,信

6、号信噪比很低2.为了有效提取故障特征,本文首先采用独立分量分析从观测信号中提取独立的声源信号,消除背景噪声对特征信号的干扰,再采用自相关分析消除随机噪声的干扰.该方法能成功地将故障信号从带噪混合信号中分离出来.1独立分量分析独立分量分析3-8(independent component analysis ,ICA 的含义是把信号分解成若干个互相独立的成分,也就是从多通道测量所得到的由若干独立信源线性混合组成的观察信号中,将这些独立成分分解开来.设声场中存在N 个独立声源,声信号s j (t (j =1,2,N 是来自不同声源的源信号.为了分离源信号,需要在M (M >N 个测点测量声信号

7、.观测信号为:x i (t =Nj =1a ij s j (t i =1,2,M (1式中,a ij 为源信号s j (t 在第i 个测点的未知混合系数.式(1可写成如下的矩阵形式:x (t =As (t (2式中,x (t =x 1(t ,x 2(t ,x M (t T和s (t =s 1(t ,s 2(t ,s N (t T分别为观测信号矢量和源信号矢量,A =a ij M ×N为混合矩阵.已知各第30卷第4期2008年4月北京科技大学学报Journal of University of Science and Technology Beijing Vol .30No .4Apr

8、 .2008s j (t 是相互独立的,现在的任务是要求只依据x (t 通过另一矩阵B (称为解混矩阵把各s j (t 估计出来,即:令y (t =y 1(t ,y N (t T是解混后的输出y (t =Bx (t ,B 是N ×M 阵.要求y (t 尽可能地逼近s (t ,但容许两者中各分量排序不一定相同,比例尺也不一定相同.ICA 的方法只能消除其他噪声源的干扰,并不能消除随机噪声的干扰.因此,在本文中用自相关的方法对信号进行后处理.2自相关相关函数描述随机信号在不同瞬时之间的关联程度,可以简单描述随机信号波形随时间坐标移动时与其他波形的相似程度.自相关函数9的表达式为:R x

9、x (k =1N N -ki =1x (i x (i +k (k =0,1,2,M (3式中,x (i 是随机信号样本函数,k 表示时间坐标移动值.工程实际中常用自相关函数来检测随机信号中是否包含有周期成分,这是因为随机分量的自相关函数总是随时间坐标移动值趋近于无穷大而趋近于零或某一常数值,而周期分量的自相关函数则保持原来的周期性而不衰减,并可以定性地了解信号所含频率分量的多少.图1(a 是在正弦信号y 1(t =sin (2×10t 上加Gauss 白噪声(信噪比为5dB 的时域图,图1(b 是y 1经过自相关处理后得到的y 2的时域图.对比图1(a 和图1(b ,虽然经过自相关处

10、理后信号的幅值及相位发生了变化, 但是自相关分析可以有效地图1正弦加噪信号的自相关函数.(a y 1;(b y 2Fig .1Correlation function of sine signal adding noise :(a y 1;(b y 2提取信号中的周期成分.3仿真模拟用M atlab 产生两个仿真信号,s 1(t =sin (2×30t +sin (2×60t +sin (2×90t ,s 2(t =sin (2×40t +sin (2×80t .采样频率为1024Hz ,采样点数为1024,如图2所示.随机选择混合矩阵A =0

11、.36670.6785 .57490.2576,得到其混合信号x 1和x 2,如图3所示.通过ICA图2仿真实验中原始信号时域.(a s 1;(b s 2Fig .2Time domain of original signal in simulated experiment ;(a s 1;(b s 1图3仿真实验中混合信号时域.(a x 1;(b x 2Fig .3Time domain of mixed signal in simulated experiment :(a x 1;(b x 2·437·第4期杨德斌等:基于声信号分析的齿轮故障诊断方法分离得到两个分离信号

12、y 1和y 2,如图4所示.与图2对比,不难发现源信号都很好地分离出来.对比图2和图4,可以看到ICA 的两个不确定性所带来的影响,即分离信号y 1和y 2,与真实源信号s 1和s 2相比,在幅度上有差异,且排列顺序也不同 .图4仿真实验中分离信号时域.(a y 1;(b y 2Fig .4Time domain of separated signal in simulated experimen t :(a y 1;(b y 24实验分析使用如图5所示的齿轮实验台进行齿轮断齿故障的模拟实验.声信号采集采用B &K 公司的3560C 系统及配套的4190和4191声传感器.实验时采用近

13、声场测量,两个测点距离声源大约0.3m ,分别位于声源的左上方和右上方(如图6所示.其中x 1为测点1的采样信号,x 2为测点2 的采样信1电机;2联轴节;3轴承座;4皮带轮;5齿轮箱;6主动轴;7啮合齿轮图5齿轮实验台结构图Fig .5S tructure of the gear test bed号,采样频率为4096Hz ,采样点数为4096 .图6测点位置图Fig .6Pos ition of the points测量电机转速为1463r ·min -1,齿轮箱主动轴转速为1107r ·min-1,计算得到齿轮副的特征频率见表1.表1特征频率Table 1Charac

14、teristic frequencyHz 电机轴的旋转频率主动轴的旋转频率,f r从动轴的旋转频率,f p齿轮副啮合频率24.418.512.3369.0图7是测得的齿轮断齿故障原始声信号的时域图.齿轮发生断齿故障会引起周期性的冲击,但图中并看不到明显的周期性冲击成分 .图7断齿时故障声信号时域.(a x 1;(b x 2Fig .7Time domain of broken gear acoustic signal :(a x 1;(b x 2图8和图9分别为齿轮断齿故障原始声信号经独立分量分析后所得分离信号的时域图和频域图,y 1和y 2为两个分离信号.从图9的y 1频域图上可见齿轮的啮合

15、频率369Hz 非常明显,而y 2频域图上369Hz 处的值几乎不可见.经分析可以得出结论:分离信号y 1主要成分为齿轮啮合所产生的声信号,而分离信号y 2主要成分为背景噪声.图10(a ,b 分别为对分离信号y 1作自相关处理后的时域图·438·北京科技大学学报第30卷和频域图,采用自相关处理,随机噪声得到了很好的抑制.图11是y 1作自相关处理后的时域局部放大图,图中每隔0.0542s 有一次明显的冲击,频率为18.5Hz ,这和齿轮箱主动轴的轴频相吻合.图12为y 1作自相关处理后的FFT +DFT 局部细化谱图10,图上可见齿轮的啮合频率369Hz ,及其边频332

16、,350.5,387.5,406Hz ,相邻谱线正好相差一个齿轮箱主动轴的旋转频率18.5Hz .频域图中调制边频带的出现,结合时域图中的周期性冲击,这些特征完全符合具有断齿故障时的频谱11,很好地验证了齿轮的断齿故障. 图8独立分量分析后的分离信号时域.(a y 1;(b y 2Fig .8Time domain of separated signal after ICA :(a y 1;(b y 2 图9独立分量分析后的分离信号频域.(a y 1;(b y 2Fig .9Frequency domain of separated signal after ICA :(a y 1;(b y

17、2 图10y 1作自相关后的时域(a 和频域(b Fig .10Time domain and frequency domain of y 1after au to -correlation 图11y 1作自相关后的时域局部放大Fig .11Partial enlargement of the time domain of y 1after auto -cor -relation 图12y 1作自相关后的FFT +DFT 局部细化谱Fig .12FFT +DFT partial thinning spectrog ram of y 1after auto -correlation·4

18、39·第4期杨德斌等:基于声信号分析的齿轮故障诊断方法5结论实际的机械故障诊断所采集的声信号中含有多种分量,故障特征分量往往淹没在其中,独立分量分析可以有效地提取所关心的故障信息,消除临近机器或部件辐射噪声的干扰,提高信号的信噪比.采用自相关分析能进一步消除随机噪声的干扰,有效地提取故障特征.齿轮的声学故障诊断实验验证了此方法的有效性.参考文献1Lyon R H.Mach inery Nois e an d Diagnostics.Boston:Butter-w orths,19872Jing L.Feature extraction of machine sound us ing

19、wavelet and itsapplication in fault diagnosis.NDT&E Int,2001,34:25 3Herault J,Jutten C.Space or time adaptive signal process ing byneural netw ork modelsAIP Conference Proceedings.American Institute of Physics,1986:1514Jutten C,Herault J.Blind separation of sources:Part.Anadaptive algorithm base

20、d on neuromimetic architecture.S ignalProcess,1991,24(1:15Common P,Jutten C,Herault J.Bl ind separation of sources:Part.Probl em statement.S igna l Process,1991,24(1:11 6Comon P.Independent component analysisA new concept?S ig nal Proc ess,1994,36(3:2877Cichocki A,Amari S I.Adap tive Blind S igna l

21、a nd Image Pro-ces sing:Learning A lgorithms and Applications.Chichester: John Wil ey and Sons,20028Yang F S,Hong B.Pr inciple and App lication of In dependentComponen t Ana lysis.Beijing:T s inghua University Press,2006(杨福生,洪波.独立分量分析的原理与应用.北京:清华大学出版社,20069Wang J,Hu X.Ap plication of MA TLAB in Vibr

22、ati on S ig na lProcess ing.Beijing:China Water Pow er Press,2006(王济,胡晓.M ATLAB在振动信号处理中的应用.北京:中国水利水电出版社,200610Ding K,Li W H,Zhu X Y.Fa ult Diag nosis Practical Tech-nologies of Gear and Gear Box.Beij ing:China M achine Press,2005(丁康,李巍华,朱小勇.齿轮及齿轮箱故障诊断实用技术.北京:机械工业出版社,2005(上接第402页参考文献1Chen X C.The str

23、uctural correlation of liquid and s olid metalbas ed on electric structure211th Colloquiu m Proceeding of X i-angshan Science C onference.Beijing:Defense Industry Press,2005:95(陈熙琛.从电子结构来认识金属液态与固态结构的相关性.香山科学会议第211次学术讨论会论文集.北京:国防工业出版社,2005:952Qi J G,W ang J Z.Casting structure of pure aluminum by ele

24、ctricpulse modification at different s uperheated temperatures.J UnivSci Technol Beijing,2005,12(6:5273W ang J Z,Chen Q F.Effect of electro pulse m odification parame-ters on ingot macrostructu re of Cu-Al-Ni shape memory alloys.Trans Non ferrous Met Soc China,2002,12(3:4004Qi J G,Wang J Z.Heredity mechanism of aluminum mel