本发明涉及故障诊断技术与信号处理分析技术领域，特别涉及一种滚动轴承保持架故障的自诊断方法。
背景技术：
保持架作为滚动轴承的重要零件，其故障严重影响滚动轴承的正常工作。为及时诊断保持架故障，可通过分析其振动特征完成诊断。但保持架故障信号通常较为微弱，极易淹没在背景噪声中，有必要进行相关的信号处理以削弱噪声干扰。此外，传统诊断通常要求专家决策，诊断结果与专家经验密切相关，且存在时间成本的问题。因此，有必要发展保持架故障的自诊断方法。
高精度快速滤波器组包含多层滤波器组，其每层滤波器组又含多个中心频率不同但分辨率相同的滤波器，可实现振动信号的多频带滤波。该滤波器组基于一组准解析低通滤波器和高通滤波器构建，并使用了1/3-二叉树结构的形式，在快速滤波的同时亦能够提高精度。基于快速峭度图的轴承故障诊断方法是一种经典的故障特征提取方法，其分解信号时使用了上述滤波器组，并直接利用滤波后信号的谱峭度选择合适的滤波后信号提取故障特征，未受干扰时该方法可有效提取故障特征。但由于峭度对冲击特征极其敏感，一旦振动信号中存在异常冲击干扰时，保持架的微弱故障信号将难以提取。自相关分析用于定量确定原信号与其时延信号的相似程度，可用于提取信号中的周期特性，克服异常冲击等干扰噪声的影响。但该方法单独使用容易引入信号中的周期干扰。此外，当滚动轴承保持架故障特征信号被提取后，其诊断通常要通过专家进行辨识，不利于实时在线诊断。为克服该问题，可使用保持架的理论故障特征频率进行识别，但由于滑移因素的影响，实际故障特征频率往往与理论故障特征频率并不相等，难以有效完成自诊断。且由于采集到的信号受噪声干扰，直接对原始信号的频谱进行保持架故障自诊断的效果较差。因此，有必要先增强信号中的微弱保持架故障信号，再自动识别实际故障特征频率以自诊断保持架故障。
技术实现要素：
为了克服上述现有技术的缺陷，本发明的目的在于提供了一种滚动轴承保持架故障的自诊断方法，通过高精度快速滤波器组对振动信号进行快速滤波，再根据各滤波后信号的均方包络自相关信号的谱峭度选出最优信号并计算其包络谱，然后根据保持架理论故障特征频率自动选择前m阶实际故障特征频率，再根据频谱的统计特性自动找出满足概率要求的阈值，最后计算循环平稳全局测试指标和故障发生率，解决了滚动轴承保持架故障诊断时依靠专家决策的问题，实现了滚动轴承保持架故障的自诊断。
为了达到上述目的，本发明的技术方案是：
一种滚动轴承保持架故障的自诊断方法，所述方法的具体步骤如下：
step1、采集滚动轴承的振动加速度信号s(t)；
step2、利用结构为1/3-二叉树形式的高精度快速滤波器组对信号进行滤波处理，得到n层滤波后的信号sni(t)，n表示第n层滤波器组，i表示第n层滤波器组的第i个滤波器，且i＝2，…，2n-1；
step3、根据谱峭度从步骤2所得各滤波后信号sni(t)中筛选最优信号，具体为对信号sni(t)进行均方包络解调，再计算解调信号的自相关函数的谱峭度，并比较大小，值最大的对应信号即为最优信号，然后，提取该信号的均方包络谱y(f)；
step4、以滚动轴承保持架理论故障特征频率ftheory为中心，利用窄带[blbh]找出均方包络谱y(f)最大谱线对应的频率，并将其确定为第1阶实际故障特征频率，然后再利用相同带宽的窄带找出二倍实际故障特征频率附近的第2阶实际故障特征频率，最后根据前m-1阶实际故障特征频率确定用于第m阶实际故障特征频率的中心频率，并利用相同带宽的窄带找出第m阶故障特征频率，m＝1，2，…，m，m为提取故障特征频率的最大倍频数；
step5、计算step3所得包络谱y(f)的周期统计图来确定满足概率p的阈值a；然后利用前m阶故障特征频率的幅值y(fm)与阈值a计算故障发生率ppf，计算公式如式(1)所示，同时，通过比较包络谱y(f)与阈值a的大小自动找出超过阈值的谱线z(f)，k＝1,…，k，k为超过阈值的最大谱线数，再据此计算循环平稳全局测试指标c，计算公式如式(2)所示：
step6、比较步骤step5中计算所得的循环平稳全局测试指标c与故障发生率ppf的大小，若c小于ppf，则诊断为滚动轴承保持架正常，反之则诊断为滚动轴承保持架故障。
本发明的有益效果是：通过高精度快速滤波器组对原信号进行滤波，快速的实现了多个频带的滤波，利用均方包络自相关谱峭度筛选最优信号，削弱了异常冲击等干扰，增强了潜在的保持架故障特征，通过直方统计图自动计算满足要求的阈值，并自动计算和比较循环平稳全局测试指标和故障发生率，在循环平稳全局测试指标小于故障发生率时给出滚动轴承保持架故障的诊断。采用本发明益于自动诊断滚动轴承的保持架故障，适用于智能轴承等故障自主诊断系统中。
附图说明
图1是本发明方法步骤流程图。
图2是本发明实施例中原始振动信号。
图3是本发明图2经均方包络分析得到的频谱。
图4是本发明图2经本发明方法得到的频谱。
具体实施方式
下面结合附图和具体实施方式对本发明做详细叙述。
如图1所示，一种滚动轴承保持架故障的自诊断方法，所述方法的具体步骤如下：
具体参数如下：1)试验台由驱动电主轴和机械轴组成，滚动球轴承为zys的b7008c型，接触角为0度，轴承外径为68mm，轴承内径为40mm，滚动体直径为7.138mm，滚动体个数为18个；2)保持架故障类型为兜孔横梁断裂贯通；3)采集实施例中的采样频率为51.2khz，转轴的转速为1500r/min。
step1、使用三轴加速度传感器获取机械轴保持架故障端基座处的振动加速度信号，选用径向z轴的加速度信号进行分析，如图2所示，通过时域难以判断滚动轴承的保持架故障，使用滚动轴承分析时较为有效的均方包络分析方法对其进行分析，所得包络谱如图3所示，点划线对应的保持架故障特征频率及其倍频并不明显；
step2、利用结构为1/3二叉树形式的5层高精度快速滤波器组对振动信号进行滤波处理，得到一系列的滤波后信号sni(t)，n表示第n层滤波器组，i表示第n层滤波器组的第i个滤波器，且i＝2，…，2n-1；
step3、根据谱峭度从步骤2所得各滤波后信号sni(t)中筛选最优信号，具体为对信号sni(t)进行均方包络解调，再计算解调信号的自相关函数的谱峭度，并比较大小，最大谱峭度值为19.9，对应的滤波器中心频率为13600hz，频带宽度为1600hz，则其对应信号即为最优信号。然后，提取该信号的均方包络谱y(f)，如图4所示，点划线对应的保持架故障特征频率及其倍频明显，保持架故障特征被有效提取；
step4、取前3阶特征频率进行故障诊断，以滚动轴承保持架理论故障特征频率10.8477hz为中心，利用理论特征频率的0.1倍带宽的窄带找出最大谱线对应的频率，得到第1阶实际故障特征频率为10.8458hz，然后再利用相同带宽的窄带找出二倍实际故障特征频率附近的第2阶实际故障特征频率为21.7893hz，最后根据前两阶实际故障特征频率确定用于第3阶实际故障特征频率的中心频率，并利用相同带宽的窄带找出第3阶故障特征频率为32.6351hz；
step5、计算step3所得包络谱y(f)的周期统计图确定满足概率90％的阈值为0.0020；然后利用前3阶故障特征频率的幅值与阈值根据公式(1)计算故障发生率ppf为0.8453。同时，通过比较包络谱与阈值的大小自动找出超过阈值的谱线，利用公式(2)计算得到循环平稳全局测试指标为0.4345。
step6、比较步骤step5中计算所得的循环平稳全局测试指标0.4345与故障发生率0.8453的大小，可知循环平稳全局测试指标小于故障发生率，自诊断为滚动轴承保持架故障，与试验轴承存在保持架故障相符合。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
1.一种滚动轴承保持架故障的自诊断方法，其特征在于：具体步骤如下：
step1、采集滚动轴承的振动加速度信号s(t)；
step2、利用结构为1/3-二叉树形式的高精度快速滤波器组对信号进行滤波处理，得到n层滤波后的信号sni(t)，n表示第n层滤波器组，i表示第n层滤波器组的第i个滤波器，且i＝2，…，2n-1；
step3、根据谱峭度从步骤2所得各滤波后信号sni(t)中筛选最优信号，具体为对信号sni(t)进行均方包络解调，再计算解调信号的自相关函数的谱峭度，并比较大小，值最大的对应信号即为最优信号，然后，提取该信号的均方包络谱y(f)；
step4、以滚动轴承保持架理论故障特征频率ftheory为中心，利用窄带[blbh]找出均方包络谱y(f)最大谱线对应的频率，并将其确定为第1阶实际故障特征频率，然后再利用相同带宽的窄带找出二倍实际故障特征频率附近的第2阶实际故障特征频率，最后根据前m-1阶实际故障特征频率确定用于第m阶实际故障特征频率的中心频率，并利用相同带宽的窄带找出第m阶故障特征频率，m＝1，2，…，m，m为提取故障特征频率的最大倍频数；
step5、计算step3所得包络谱y(f)的周期统计图来确定满足概率p的阈值a；然后利用前m阶故障特征频率的幅值y(fm)与阈值a计算故障发生率ppf，计算公式如式(1)所示，同时，通过比较包络谱y(f)与阈值a的大小自动找出超过阈值的谱线z(fk)，k＝1,…，k，k为超过阈值的最大谱线数，再据此计算循环平稳全局测试指标c，计算公式如式(2)所示：
step6、比较步骤step5中计算所得的循环平稳全局测试指标c与故障发生率ppf的大小，若c小于ppf，则诊断为滚动轴承保持架正常，反之则诊断为滚动轴承保持架故障。
技术总结