一种用于机床角度头故障诊断的双重降噪方法

发布时间：2021-12-19 05:58

　　角度头是数控机床必不可少的加工附件,由于长期处于恶劣的加工工况下,极易受到损坏。采集角度头的振动信号时,环境中大量的随机噪声会湮没故障特征信息,从而造成角度头故障特征提取困难。针对此问题,提出了一种基于总体平均经验模态分解（ensemble empirical mode decomposition, EEMD）及自相关的双重降噪方法。该方法采用自相关滤波方法对振动信号进行降噪预处理,再对降噪后的信号进行EEMD分解,随后采用遗传算法对EEMD输入参数优化,依据相关峭度系数准则筛选分解得到的固有模态函数（intrinsic mode function, IMF）分量进行信号重构。最后,对重构信号进行时频分析,提取角度头故障特征。对仿真和实测信号分析的结果表明,本文方法能够有效抑制噪声干扰,可准确提取到角度头的故障特征信息,为机床角度头的故障诊断提供依据。 

【文章来源】：北京化工大学学报(自然科学版). 2020,47(05)北大核心CSCD

【文章页数】：7 页

【部分图文】：

故障角度头原始波形图和频谱图

表2 各IMF分量的相关峭度系数Table 2 Kurtosis correlation coefficients of IMFs IMFs 相关峭度系数 1 3.57 2 6.83 3 2.97 4 0.27 5 0.80 6 0.07 7 0.03 8 0.01从故障角度头的原始频谱中可以看出,故障角度头振动信号的能量主要集中在1 kHz左右的频域内,因此需要对重构信号的高频谱进一步分析。重构信号的高频谱如图7所示。由图7可以看出,1 075 Hz成分最为突出,幅值远高于正常水平,1 075 Hz是转频的43倍频且伴有明显的边频带,这与发生局部异常故障的齿轮信号特征相吻合,因此推断故障角度头内部齿轮可能存在裂纹、断齿、严重磨损或轮齿变形等故障。

从故障角度头的原始频谱中可以看出,故障角度头振动信号的能量主要集中在1 kHz左右的频域内,因此需要对重构信号的高频谱进一步分析。重构信号的高频谱如图7所示。由图7可以看出,1 075 Hz成分最为突出,幅值远高于正常水平,1 075 Hz是转频的43倍频且伴有明显的边频带,这与发生局部异常故障的齿轮信号特征相吻合,因此推断故障角度头内部齿轮可能存在裂纹、断齿、严重磨损或轮齿变形等故障。综合以上分析,诊断故障角度头的齿轮局部存在严重磨损或轮齿变形等异常故障,致使角度头产生剧烈的冲击振动。同时,存在轴承保持架损伤故障,使滚动轴承产生异常振动信号,因为故障频率的幅值较高,所以推断保持架已致轴承内外圈磨损。

【参考文献】：
期刊论文
[1]基于ReliefF-PCA和SVM的发动机故障诊断方法研究[J]. 朱丽娜,王学杰,张进杰.  北京化工大学学报(自然科学版). 2018(01)
[2]基于EMD和PCA的滚动轴承故障信号特征提取研究[J]. 张颖,马波,张明,杨鲁伟,杨俊玲.  机电工程. 2015(10)
[3]角度头在发动机薄壁钢机匣件加工中的应用[J]. 梁松山,李克,孙世伟.  航空制造技术. 2015(12)
[4]基于峭度准则EEMD及改进形态滤波方法的轴承故障诊断[J]. 吴小涛,杨锰,袁晓辉,龚廷恺.  振动与冲击. 2015(02)

硕士论文
[1]基于EEMD的滚动轴承微弱故障特征提取方法研究[D]. 王少君.石家庄铁道大学 2016
[2]改进的EEMD分析方法及其在故障诊断中的应用[D]. 王玉龙.天津大学 2016



本文编号：3543887