5析的数控机床主轴滚动轴承故障诊断.pdf

第27卷第2期 上海第二工业大学学报 、，01．27NO．2 OFSHANGHAIPOLyTECHNICUNlVERSITY Jun．2010 2010年6月 JOURNAL SECOND 文章编号：1001—4543(2010)02·0124—06 基于小波包分析的数控机床主轴滚动轴承故障诊断 陈牧野1，何亚飞2 (1．上海海事大学物流工程学院，上海200135；2．上海第二工业大学机电学院，上海201209) 摘要：滚动轴承损伤类故障的分析诊断基础是提取故障信息。利用小波包分析对机床主轴滚动轴承振动信号进行 分解，求出各频段的能量，提取了轴承故障的特征频率并对故障进行定位，表明了小波包分析方法在滚动轴承故障 诊断的有效性和优良性。 关键词：滚动轴承；小波包分析：特征频率；故障诊断 中图分类号：TH13 文献标志码：A 0引言 主轴部件是数控机床最重要部件之一。主轴部件的工作性能对加工质量和机床生产效率有着重要的影 响。作为主轴部件的关键零部件之一，滚动轴承的运行状态对主轴系统的特性，尤其是回转精度、刚度、 热特性和动态特性影响较大。主轴滚动轴承类型配置、精度、安装、调整和润滑等状况都直接影响主轴组 件的工作性能，其状态好坏直接关系到主轴的运行状态【l】，因此，实际生产中做好主轴轴承状态监测与故障 诊断是保证整台机床加工精度的重要环节。 主轴滚动轴承的损坏情况十分复杂。一个故障轴承可能包含多种损坏现象。滚动轴承常见的损伤包括 轴承元件(内圈、外圈、滚动体、保持架等)的面点蚀、裂纹、剥落及擦伤等。滚动轴承损伤产生故障后， 工作过程中可能产生温升、噪声、振动等方面的征兆。实践表明，由于轴承振动信号携带了丰富的运行状 态信息，故振动分析是最有效的诊断手段。 在振动监测诊断的过程中，由于受到主轴和轴上多种零部件振动的影响，滚动轴承振动信号中的干扰 多，成分比较复杂。故障引起的冲击量值往往会被较大的振动信号所掩盖，故用传统的信号频谱分析方法 较难从中提取出故障特征频率，而小波包分析具有同时分析信号时域与频域的特性，在对此类信号分析中 拥有更大的优势【2】。本文使用小波包分析技术对机床滚动轴承振动信号进行分解，然后对故障特征的信号进 行重构，再进行功率谱分析，从而检测出轴承故障的特征频率，找出故障元件。 1小波包分析 小波变换的基函数随着尺度，的减小，其时频窗121宽度也减小，而相应的频域窗口宽度增大。正交小 波变换具有的这种小尺度大频窗、大尺度小频窗的时频分布规律，适宜于分析任意尺度的信号。正交小波 变换的多分辨率分解只将y(尺度)空间进行分解，即Vo=巧。形=v2o％o嘭=…，而没有对W空间进一 步地分解，所以引入小波包概念。小波包可以将形进一步地分解，使正交小波变换中随，的增大而变宽的 频率窗口进一步分割变细。其具体定义为 肛曲。翟@袱2卜D (1) l鸬川(z)=∑g(七减(2x一七) 一 收稿日期：2010—05．10；修回日期：2010．06．17 万方数据 第2期 陈牧野，何亚飞：基于小波包分析的数控机床主轴滚动轴承故障诊断 {舭／．to(x))：=∑∑舭h(k溅)lto((22x础-k； P’(2) 【“(x)=∑g(七溅(2x一七) 函数【4】。 可见，小波包分析是从小波分析延伸出来的一种对信号进行更加细致的分解和重构的方法。小波包分 析不但对低频部分进行分解，而且对高频部分也做了二次分解，所以小波包可以对信号的高频部分做更加 细致的刻画，对信号的分析能力更强f51。小波包的分解过程如图l所示。 ／＼ ／’＼ ／＼ 图1小波包分解树形结构