TBM主轴承声发射故障诊断研究

本资料包含pdf文件1个，下载需要1积分

· 研究与设计 · TBM 主轴承声发射故障诊断研究 韩素文测，当轴承的故障相当大时，峭度系数值会下降，也就是说严重破坏的轴承和良好状态轴承的峭度值是类似的，这也是峭度分析方法 的不足之处 。

由于声发射信号数据量较大，信号数据的存储和频谱分析比较费时费力，因此选用时域参数分析法更为快捷有效。峭度分析方法利于高幅值信号的突出，同时抑制了幅值较低的信号 ，使得峭度对故障脉冲声发射信号很有效。加之本文将测试信号分段来处理，分别计算信号不同段的峭度值，因此采用时变峭度法分析声发射信号来提取轴承早期故障更具有说服力 。

3 实测信号分析由图 5两通道声发射信号时域波形图可以看出，实测原始信号中夹杂着许多噪声，并且由于传感器 2位置更靠近轴承内圈，因此信号幅值大，噪声也更明显。由此选取传感器 2测取的声发射信号作为分析对象，采用时变峭度法进行进-步降噪处理分析。原始声发射信号截取了 100 000个数据点，如图 6所示 ，因此本文分别 以 100、200、400、500、1 000个点为-组，将原始信号分开段来处理，分别计算分段后每组的峭度指标，最后从信号整体来看峭度指标走势来判别故障特征。

图 6 传感器 2买测 声发射信号分别 以 100、200、400、500、1 000点分组 时的峭度指标 图(即时变峭度图)见 图 7。

对各时变峭度 图进行 比较 ，不难发 现 以 1 000点为-组的时变峭度图达到了预期想要的结果，与其他分组情况相比更能突出故障引起 的周期性的脉冲特征成分，同时信号中的背景噪声得到了较好的抑制，相比于图 7的原始信号时域波形图，时变峭度图能够明显地反映故障特征，达到了故障分析的效果。同时得出结论：不同的样本点数分组，会得到不同的峭度指标，不同程度地反映了故障特征信息，因6。

蠖鎏采样点数 N/10采样点数N/X10(b)200点分组5.5r5.0 J ～ 。

采样点数N/10(e)1 000点分组图 7 时变峭度图此如何对信号数据合理地进行分组是-个难点，也是本文需要进-步研究的内容 。

国防交通工程与技术-日 2013第2期· 研究与设计 · TBM 主轴承声发射故障诊断研究 韩素文4 结论TBM 主轴承的故障诊断对于保证其安全降运行意义重大，轴承早期故障声发射信号特征的有效提取为设备状态监测和故障诊断提供了-个有效的方法 。实验测试数据 的分析表明，时变峭度法能有效地检测到 TBM实际工作中主轴承由于故障引起 的脉冲声发射信号特征 ，为检测随机噪声 中的声发射突变信号提供了-个有效的分析工具。时变峭度图与分组 的样本点数有关 ，每组 的样本点数直接影响着峭度值的大小，如何选取信号点数的大小是时变峭度法 的-个难点。本文 的研究也为 TBM 的状态监测和故障诊断提供了新思路。