技术领域
[0001] 本发明属于旋转机械故障检测和诊断领域，具体涉及一种滚动轴承早期故障实时检测方法。
相关背景技术
[0002] 旋转机械设备已被广泛应用于工业和生活领域。常见的旋转机械设备包括发动机、电机和变速箱等。旋转机械设备在长期工作过程中，不可避免地会出现退化和故障，其中由轴承故障引起的旋转机械设备故障最常见。为了及时了解轴承健康状况和避免轴承故障对整个旋转机械设备工作性能的影响，有必要对轴承早期故障进行实时检测。
[0003] 目前，现存的轴承早期故障实时检测技术通常采用固定采样频率连续采集轴承健康状态数据。固定采样频率连续采集数据则假定轴承退化速率在服役期间是不变的。实际上，轴承的退化速率在其服役期间是变化的。轴承在其服役期间出现故障的概率也是变化的。因此，基于固定采样频率的轴承早期故障检测方法会采集较多的数据量，从而增加数据传输、处理、存贮等方面的费用。尽管可以通过降低采样频率解决上述问题，但是，较低的采样频率可能降低早期故障检测的可靠性和灵敏度。
[0004] 另外，旋转机械设备可能在不同的转速下工作，工作转速的变化会引起故障频率的变化。从单一采样频率采集的数据中，可能无法高效地抽取故障特征。
[0005] 为了克服现存故障检测方法的缺点，本发明专利公布一种滚动轴承早期故障实时检测方法。本发明专利公布的方法考虑到轴承的退化规律，自适应地确定转轴每转周期内同步采样数据点个数，即在轴承退化较轻微时期，采用较大的采样间隔，从而在转轴每转周期内获得较少的采样数据点个数；而在轴承退化较严重时期，采用较小的采样间隔，从而在转轴每转周期内获得较多的采样数据点个数。考虑到轴承的退化规律，本发明专利设计了自适应确定转轴每转周期内采样数据点个数的故障检测方法。另外，为了可靠和灵敏地识别电机轴承早期故障，本发明专利引入累积和CUSUM技术，通过累积自适应获取数据中的微弱故障信息来识别早期故障。本发明专利在确保轴承早期故障检测可靠性的情况下降低了数据采集量，有效地降低了数据的传输、储存和处理费用，提高了早期故障检测的灵敏度和可靠性。
具体实施方式
[0027] 以下结合附图对本发明方法的实施过程进行说明。
[0028] 本发明公开了一种滚动轴承早期故障实时检测方法，其流程如图1所示，包括以下步骤：
[0029] 步骤1：确定振动传感器和转速传感器安装位置，确定转轴每转周期内同步采样数据点初始个数N0＝25、最少个数Nmin＝20、最多个数Nmax＝30、转轴转数L＝20，故障特征均值M＝0.332，阈值T＝1。
[0030] 振动传感器需要安装在预检测轴承处用于采集轴承振动信号。转速传感器安装在转轴附近用于测量转轴转速。由于所测轴承的健康状态未知，则将转轴每转周期内同步采样数据点初始个数N0设定为 其中，round()为四舍五入函数，所得结果为整数。
[0031] 步骤2：获取N组周期同步单点采样数据X。
[0032] 在早期故障检测初始阶段，N＝N0＝25。根据所设置转轴每转周期内同步采样数据点个数N，获取N＝25组周期同步单点采样数据X，
[0033]
[0034] 需要说明的是，在一些文献中，周期同步单点采样数据也被看作为每转单次采样数据(Once‑per‑revolution sampling data)，而周期同步多点采样数据也被看作为每转多次采样数据(Multiple sampling per revolution data)。N组周期同步单点采样数据X可以被看作为一组周期同步多点采样数据。
[0035] 步骤3：分别计算N组周期同步单点采样数据X的标准差Z，并将Z看作为故障特征，[0036] Z＝[z(1)z(2)z(3)…z(i)…z(25)]T
[0037] 其中，
[0038] 步骤4：利用CUSUM技术累积故障特征Z中的微弱故障信息，得到累积和数据C，得到故障指标。
[0039] 将故障特征均值M＝0.332设定为CUSUM方法中的期望值，对于数据Z中每个数据点，计算其与均值M之间的差值得到数据Q，
[0040] Q＝[q(1),q(2),q(3),…,q(i),…q(25)]T
[0041] 其中q(i)＝z(i)‑0.332。计算数据Q的累积和得到数据C，
[0042] C＝[c(1),c(2),c(3),…,c(i),…,c(25)]，
[0043] 其中c(i)＝max(c(i‑1)+q(i),0)，c(0)＝0；将累积和C的最终值c(N)记作为故障指标W。
[0044] 步骤5：判断是否产生早期故障和实现自适应数据获取。
[0045] 将故障指标W与阈值T＝1对比。如果故障指标W小于阈值T，则判定无故障，将转轴每转周期内同步采样数据点个数N自适应地调整为 其中，round()为四舍五入函数，所得结果为整数，并返回步骤2继续进行早期故障检测；如果故障指标W大于等于阈值T，则认为轴承已出现早期故障。
[0046] 图2为轴承无故障时的检测结果。从图中可以看出，故障指标W均小于阈值T，则判定轴承处于无故障状态，将转轴每转周期内同步采样数据点个数N自适应调整为并返回步骤2继续进行故障检测。
[0047] 图3展示了轴承无故障时转轴每转周期内同步采样数据点个数N。在每次故障检测中，转轴每转周期内同步采样数据点个数随故障指标变化。由于轴承为无故障状态，因此在每次检测过程中，转轴每转周期内同步采样数据点个数N均小于等于最大值30，减少了数据采集量，进而降低了数据传输、处理和存储费用。
[0048] 图4为轴承故障时的检测结果。从图中可以看出，在第8次检测时，故障指标W大于阈值T，则认为轴承已出现早期故障。
[0049] 图5为轴承早期故障时转轴每转周期内同步采样数据点个数N。在第8次故障检测时，已检测出轴承早期故障，进而结束早期故障检测工作，不再进行自适应计算下次检测时在转轴每转周期内同步采样数据点个数N。
[0050] 本发明方法通过CUSUM技术累积数据中的微弱故障信息，根据轴承退化状况进行自适应地调整转轴每转周期内同步采样数据点个数N，实时增减数据采集量，优化了采样数据量，有效地降低了数据的传输、储存和处理费用，提高了轴承早期故障检测的灵敏度与可靠性。另外，本发明方法相较于传统早期故障检测方法，具有较小的计算复杂度。
[0051] 上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。
