徐光1，吴英建2,3
海军驻上海地区第十军事代表室，上海，200283；2故障诊断与健康管理航空科技重点实验室，上海；201601；3中国航空工业集团公司上海航空测控技术研究所，上海，201601
摘要：滚动轴承作为机械系统的关键零部件一旦发生故障将影响整个设备的性能，因此需要对滚动轴承进行实时监测，以便对其故障进行预警。本文提出了一种参数优化的多点最优最小熵解卷积方法对滚动轴承故障诊断，首先以多点峭度为目标函数增强信号中的周期性脉冲，再通过敏感函数确定最优滤波长度确定最优解卷积结果，之后使用Hilbert包络解调处理获得包络信号，最后通过包络谱与滚动轴承故障特征频率对比确定滚动轴承故障情况及故障位置。
关键词：多点最优最小熵解卷积，滚动轴承，故障诊断，信号处理
中图分类号：TH133.33
1.引言
滚动轴承被广泛运用于各个领域，其健康状态将会影响整个设备性能，因此需要对滚动轴承进行状态监测与故障诊断，以提升设备可靠性，降低故障率。
解卷积方法根据信号特性对信号进行处理，消除传递路径的影响，已经被广泛运用于滚动轴承故障诊断当中。最小熵解卷积（minimum entropy deconvolution MED）[1]以峭度最大为目标函数对信号进行处理，能够提升信号的脉冲性，但是由于轴承故障信号是周期性脉冲，仅通过脉冲性在故障信号较为微弱时不能实现有效提取。最大相关峭度解卷积（Maximum correlated Kurtosis deconvolution，MCKD） [2]优化了目标函数，以相关峭度为优化目标，对周期性脉冲进行增强，提升了故障诊断能力，但是该方法仅能提取整数周期信号对于非整数周期信号表现不佳，并且与最小熵解卷积都属于迭代求解方法，运算速度慢。多点最优最小熵解卷积方法[3]（multipoint optimal minimum entropy deconvolution adjusted, MOMEDA）以多点峭度为解卷积目标函数不但能够提取周期性脉冲而且对非整数周期的信号提取效果理想，与前两种解卷积方法进行对比更适合滚动轴承故障诊断。
在解卷积过程中滤波长度会影响处理结果，本文一种提出基于参数优化的多点最优最小熵解卷积的滚动轴承故障诊断方法，通过敏感函数确定滤波长度，使用优化后滤波长度对信号进行MOMEDA处理，再将解卷积结果的包络谱与故障特征频率进行对比确定滚动轴承故障情况。
2.方法原理
2.1多点最优最小熵解卷积
MOMEDA是一种新的解卷积算法，是通过一种非迭代的方式寻找最优滤波器。该方法在D-范数的基础上提出一种新的目标函数：多点D-范数，即：
.png)
.png)
2.2敏感函数
相关系数常常用来判断降噪后信号和原始信号间关系，当相关系数较小时说明已经偏差太大，这时候常常是因为去除的信号中包含有效成分，导致出现了失真，因此通过相关系数可以进行初步判断，当相关系数小于0.5时表明已经出现失真。
当滚动轴承发生故障时，引起的冲击振动信号明显偏离正态分布，且峭度值越大说明信号中冲击成分所占的比重越多，而滚动轴承故障信息往往包含于这些冲击成分较多的幅值调制信号中,因此当峭度发生下降时表明冲击性有所下降,。
通过相关系数和峭度作为敏感性函数对降噪后信号包含的故障成分进行评判，在保留故障信号的同时尽可能降低噪声,最终确定MOMEDA的滤波长度。
3.结论
本文提出了一种基于参数优化的多点最优最小熵解卷积的滚动轴承故障诊断方法,通过以互相关系数和峭度为敏感函数确定滤波长度，使用最优滤波长度的MOMEDA方法对信号进行解卷积处理，再通过Hilbert包络谱的谱线与故障特征频率对比确定故障情况。该方法应用于滚动轴承故障微弱冲击特征提取，并利用基于辛辛那提试验中心的滚动轴承全寿命疲劳加速试验进行了有效性验证，结果表明，所提方法可以消除传递路径影响，提升微弱冲击周期性特征，并且与MED，MCKD方法相比，诊断结果更具优势。
参考文献
[1]Sawalhi N, Randall RB, Endo H. The enhancement of fault detection and diagnosis in rolling element bearings using minimum entropy deconvolution combined with spectral kurtosis[J]. Mechanical systems and signal processing, 2007, 21(6): 2616- 2633.
[2]Mcdonald G, Zhao Q, Zuo M, et al. Maximum correlated Kurtosis deconvolution and application on gear tooth chip fault detection[J]. Mechanical Systems and Signal Processing, 2012: 237-255.
[3]Mcdonald G, Zhao Q. Multipoint Optimal Minimum Entropy Deconvolution and Convolution Fix: Application to vibration fault detection[J]. Mechanical Systems and Signal Processing, 2017: 461-477.