基于WPD-KVI-Hilbert变换相结合的滚动轴承早期故障特征精准识别

作     者：栾孝驰 沙云东 柳贡民 徐石 赵宇 赵奉同 朱林 LUAN Xiao-chi;SHA Yun-dong;LIU Gong-min;XU Shi;ZHAO Yu;ZHAO Feng-tong;ZHU Lin

作者机构：沈阳航空航天大学航空发动机学院辽宁省航空推进系统先进测试技术重点实验室辽宁沈阳110136 哈尔滨工程大学动力与能源工程学院黑龙江哈尔滨150001 中国航发南方工业有限公司湖南株洲412000 

出 版 物：《推进技术》 (Journal of Propulsion Technology)

年 卷 期：2022年第43卷第2期

页      面：356-367页

核心收录：

学科分类：082502[工学-航空宇航推进理论与工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 080201[工学-机械制造及其自动化] 

基　　金：辽宁省教育厅系列项目(JYT2020010) 中国航发产学研合作项目(HFZL2018CXY017) 

主　　题：最优小波包基 峭度值 滚珠轴承 滚棒轴承 早期故障诊断 

摘      要：为了能够有效地从轴承早期故障激励的高频振动信号中提取出故障特征信息,基于最优小波包基选取方法和峭度值最大筛选原则,提出了一种改进的小波包分解(WPD)、峭度值指标(KVI)与Hilbert变换相结合的滚动轴承早期故障特征识别方法。计算选取最优小波包基,确定分解层数;采用WPD方法对轴承故障振动信号进行分解,获得若干个Node分量;基于峭度值指标最大原则筛选出有效的Node分量进行信号重构;对重构信号进行包络解调分析,提取出故障特征频率对轴承故障进行诊断。采用建立的方法对凯斯西储大学滚珠轴承外圈、内圈故障实验数据和自行开展的滚棒轴承外圈、滚动体故障实验数据进行了分析与诊断。研究结果表明:该方法能够有效提高故障信号高频分辨率、保留周期性冲击成分,并能准确有效提取出滚珠和滚棒轴承故障特征频率的1~7倍频及其与轴转频调制的系列边频带频率,实现对滚动轴承故障特征的精准识别与故障诊断。