欒孝馳，沙云東，張峰旗，那萬曉

（沈陽航空航天大學航空發(fā)動機學院遼寧省航空推進系統(tǒng)先進測試技術重點實驗室，遼寧 沈陽 110136）

1 引言

軸承是航空發(fā)動機支承傳動系統(tǒng)的重要組成部分，其穩(wěn)定性與質量直接關系到航空發(fā)動機的壽命與整機性能［1］。鑒于其承受高溫、高轉速、高載荷等工作條件，嚴重影響滾動軸承壽命，為保障航空發(fā)動機穩(wěn)定工作，軸承故障監(jiān)測與診斷顯得尤為重要。由于航空發(fā)動機結構的復雜性，應用接觸式測量信號傳遞路徑復雜、衰減及干擾較大，不易提取軸承故障特征信號，則非接觸式診斷將會是一條新的航空發(fā)動機軸承故障診斷的研究思路。

國內外關于軸承故障診斷的主要技術手段有：振動信號檢測方法、聲發(fā)射信號檢測方法、溫度信號檢測方法、滑油金屬元素檢測方法等［2-6］，其中以振動信號和聲發(fā)射信號檢測軸承故障最為常見?；谡駝有盘栐\斷形成的主要方法有：時域統(tǒng)計分析方法［7］、小波變換包絡譜分析方法［8］、階次包絡譜分析法［9-10］、經驗模態(tài)分解法［11］、盲源分離包絡譜分析方法［12］、倒譜分析法［13］等。文獻［7］針對軸承振動信號提出一種基于統(tǒng)計分析技術的軸承故障診斷方法，并有效提取出軸承故障信號特征。文獻［8］利用小波變換和包絡分析相結合的方法有效提取出主軸軸承故障信息并進行故障診斷。文獻［9］應用插值方法建立了混合計算階次跟蹤技術，有效診斷出旋轉機械變轉速過程中轉軸的多種故障。文獻［10］提出的階次包絡譜分析方法有效診斷出航空發(fā)動機中介軸承微弱故障特征。文獻［11］使用集成經驗模式分解法處理發(fā)動機旋轉機械故障振動信號。文獻［12］提出了一種基于總體經驗模式分解的一維盲源分離算法，并發(fā)現該方法更適于處理低信噪比的軸承故障信號。

文獻［13］提出并應用倒譜分析方法對軸承故障進行了有效提取與診斷?；诼暟l(fā)射信號診斷形成的主要方法有：包絡譜分析方法［14］、小波包分析方法［15］、改進EMD和滑動峰態(tài)算法［16］、空域理論與LMD相結合方法［17］等。文獻［14］提出基于聲發(fā)射信號的行星輪軸承內圈故障包絡分析方法，實現了對行星軸承的故障特征的有效提取，通過振動信號與聲發(fā)射信號的對比分析結果，進一步驗證了所提方法的有效性。文獻［15］提出了將小波包分析應用于聲發(fā)射信號的處理中去，并創(chuàng)造性地提出了人工神經智能網絡。文獻［16］基于改進EMD和滑動峰態(tài)算法的有效提取了滾棒軸承聲發(fā)射信號故障特征。文獻［17］將空域理論與LMD相結合的方法成功提取出滾動軸承故障信號特征。

以上提出的測試手段均為接觸測量，而基于噪聲測試的非接觸式測量方法具有安裝測量方便等特點，已在工程領域有所應用。文獻［18-19］將聲信號診斷技術應用在齒輪箱軸承故障診斷中，并得到較好的效果。文獻［20］應用聲測法有效識別出航空發(fā)動機中央傳動錐齒輪行行波共振特征。所以其在航空發(fā)動機復雜傳遞路徑下軸承故障診斷中，可能具有相似的作用，擁有廣闊的前景，為航空發(fā)動機軸承故障診斷這一課題提供了新思路。

這里以驗證基于噪聲的航空發(fā)動機軸承診斷方式為目的，人為加工軸承典型故障，搭建模擬航空發(fā)動機軸承工作狀態(tài)的轉子試驗臺。將試驗中采集到的噪聲信號進行頻譜分析及小波閾值分析，將振動信號進行包絡譜分析。從軸承故障特征信號提取難度、精度等多角度總結噪聲方法的可行性和具體軸承故障識別效果。

2 小波閾值變換理論

小波變換的濾波原理是在小波域中找到期望信號與干擾信號的可分離性［21］。小波閾值濾波步驟，如圖1所示。

圖1 小波閾值濾波實現過程Fig.1 The Implementation Process of Wavelet Threshold Filter

通過信號的方差σ和長度N選取閾值。干擾信號與期望信號的混合信號中，干擾信號主要集中在高頻處，可以通過一層小波變換對方差進行估計，具體步驟如下［21］：

（1）原始信號小波分解：

（2）一層小波分解：

（3）信號方差估計：

（4）閾值：

3 試驗方法

3.1 軸承基本參數及故障形式

本試驗應用的故障軸承滾動體數量z=13，滾動體直徑9mm；軸承外圈直徑62mm；軸承內圈直徑30mm；軸承節(jié)徑46mm；接觸角為0°。故障形式為線切割的滾動體劃傷故障，故障加工尺寸為寬×深：（0.25×0.25）mm。在軸承故障診斷中，軸承的故障特征頻率較為敏感，經驗公式能有效的表示不同的故障類型，以實現軸承故障識別與診斷。軸承滾動體劃傷故障照片，如圖2所示。

圖2 滾動體劃傷故障Fig.2 Rolling Bearing Fault

滾動體故障頻率計算公式［22-24］：

式中：D—滾動軸承節(jié)徑；d—滾動體直徑；Z—滾動體個數；α—接觸角；fs—軸承旋轉頻率。

3.2 試驗系統(tǒng)搭建

該試驗臺由高速電機、低速電機、低速軸、高速軸、柔性聯軸器、實驗故障軸承、中介軸承支座與支撐軸承等組成。信號采集系統(tǒng)由西門子LMS數據采集系統(tǒng)、紅外線測速儀轉速傳感器、轉速控制儀、PCB振動加速度傳感器、B&K聲學傳感器、電渦流位移傳感器、電腦等組成。軸承故障診斷試驗臺，如圖3所示。信號采集系統(tǒng)，如圖4所示。

圖3 軸承故障診斷試驗臺Fig.3 Bearing Fault Diagnosis Rig

圖4 信號采集系統(tǒng)Fig.4 The System Diagram of Signal Acquisition

3.3 測點布置

該實驗采用的聲學傳感器為B&K公司的4938型傳聲器，靈敏度為1.545mV/Pa，布置1個聲學傳感器測點，傳感器保護罩距離中介軸承保持架約15mm；振動傳感器為PCB公司的加速度傳感器，靈敏度為100mV/ms2，布置2個振動傳感器測點，分別在軸承支座的垂直方向和水平方向。傳感器測點布置照片，如圖5所示。

圖5 傳感器測點布置Fig.5 Arrangement of Sensor Measuring Points

3.4 實驗流程

該實驗的操作流程，如圖6所示。首先，使用電機的遙控器將點擊開到實驗所需的轉速；其次，當轉速穩(wěn)定后，對噪聲信號和振動信號進行采集。最后，將采集的實驗數據導出后進行分析。

圖6 實驗流程圖Fig.6 Test Flow Chart

4 軸承典型故障特征分析

4.1 時域分析

為了獲得軸承滾動體故障時不同轉速下噪聲時域信號的特征，對不同轉速下（300r/min、540r/min 和1200r/min）的噪聲時域信號進行分析，噪聲信號時域圖，如圖7所示。分析發(fā)現：噪聲信號聲壓隨轉速升高而增大，說明轉速越大故障處的碰撞越劇烈。隨著轉速的增加，時域信號中的雜波明顯增多，說明高轉速下信號成分更加復雜。

圖7 不同轉速下噪聲信號時域圖Fig.7 Time Domain Diagram of Noise Signal at Different Speed

4.2 頻譜分析

為了驗證噪聲信號的診斷效果，對滾動體劃傷故障采集到不同轉速下（300r/min、540r/min和1200r/min）的噪聲信號分別進行頻譜分析和小波閾值變換分析，對振動信號進行包絡譜分析。當軸承轉速為300r/min時，經式（5）可計算處滾動體劃傷故障特征頻率為13.95Hz。在圖8（a）和圖8（b）分析發(fā)現，噪聲信號頻譜分析和小波閾值變換分析均可提取出明顯的14Hz特征頻率峰值，該峰值頻率與滾動軸承外圈劃傷故障理論計算特征頻率值相差0.05Hz，基本吻合，誤差為0.05%，產生誤差的原因與軸承工作時出現打滑現象有關；小波閾值變換分析頻譜圖雜波較少，故障特征頻率更加清晰，診斷效果明顯優(yōu)于頻譜分析。圖中紅點標記處分別為5倍、10倍、11倍、17倍轉頻，且峰值較大，說明軸承故障轉子系統(tǒng)存在轉子不平衡故障。在圖8（c）振動信號包絡譜圖中未能提取出軸承滾動體故障特征頻率，因為軸承故障振動信號經過復雜的傳遞路徑衰減較為嚴重，從振動信號包絡譜分析中很難診斷故障特征。

圖8 300r/min時原始信號與小波閾值變換圖Fig.8 Original Signal and Wavelet Threshold Transformation Diagram at 300r/min

同理，當軸承轉速為540r/min和1200r/min時，滾動體劃傷故障特征頻率分別為25.11Hz和55.8Hz。在圖9、圖10 噪聲信號診斷出故障特征頻率分別為26.33Hz和54.83Hz，與理論計算值基本吻合，誤差分別為1.23%和0.97%。噪聲信號頻譜 分析和小波閾值變換均可有效提取出軸承故障特征，小波閾值變換分析效果最好，而振動信號受傳遞路徑影響而不能有效識別軸承故障特征。

圖9 540r/min時原始信號與小波閾值變換圖Fig.9 Original Signal and Wavelet Threshold Transformation Diagram at 540r/min

圖10 1200r/min時原始信號與小波閾值變換圖Fig.10 Original Signal and Wavelet Threshold Transformation Diagram at 1200r/min

5 結論

（1）在軸承滾動體故障診斷中，噪聲信號頻譜分析與小波閾值分析均能有效提取軸承滾動體故障特征，小波閾值變換分析效果最好，分析誤差小于1.23%，說明了基于噪聲信號的非接觸式測量方法在軸承故障診斷中的可行性和有效性。（2）基于噪聲信號的診斷方法避免了復雜傳遞路徑對信號的衰減作用，可有效提取軸承故障特征，識別效果明顯優(yōu)于振動信號，因此，這里提出的基于噪聲信號診斷的方法為航空發(fā)動機復雜傳遞路徑下軸承故障診斷提供了新手段。