喬保棟，葛向東，張東明

（中航工業(yè)沈陽發(fā)動機設計研究所，沈陽110015）

航空發(fā)動機中介軸承振動故障分析方法

喬保棟，葛向東，張東明

（中航工業(yè)沈陽發(fā)動機設計研究所，沈陽110015）

針對中介軸承振動故障信號微弱、較難提取的問題，提出一種基于小波變換的航空發(fā)動機中介軸承故障診斷方法：首先對中介軸承故障信號進行小波分解，得到各層細節(jié)信號，并對細節(jié)信號進行重構；然后對重構信號進行頻譜變換，從頻譜圖上清晰觀察出中介軸承的故障特征頻率。對真實發(fā)動機中介軸承故障信號進行的實例分析表明，本文方法具有較好的降噪能力，較頻譜分析更能突出中介軸承的故障特征。

航空發(fā)動機；中介軸承；故障診斷；小波變換；振動信號；頻譜變換

1　引言

中介軸承是雙轉子渦噴/渦扇發(fā)動機高、低壓轉子之間支承的關鍵部件，常采用內外圈同向旋轉和反向旋轉兩種方式。中介軸承若發(fā)生故障，輕則轉子振動過大，重則轉子抱死、發(fā)動機空中停車，因此對中介軸承進行狀態(tài)監(jiān)測和故障診斷十分重要［1］。

中介軸承故障信號具有信號微弱、調制性強及頻帶范圍寬等特征，常淹沒在轉子振動信號中，不易提取。小波變換通過采用不同的尺度因子，可實現(xiàn)具有不同中心頻率和帶寬的帶通濾波器，對振動信號在不同頻率范圍內進行分析，因此可從中提取出能真實反映軸承故障的特征［2］。目前，小波變換已廣泛應用于常規(guī)支撐形式（即外圈固定、內圈旋轉）的滾動軸承故障診斷中［2-9］，但在內圈和外圈同時旋轉的中介軸承故障診斷中應用較少。本文利用小波變換的優(yōu)點，提出一種基于小波變換的航空發(fā)動機中介軸承故障診斷方法，并利用實際航空發(fā)動機中介軸承故障數(shù)據(jù)進行了分析和驗證。

2　小波分析原理

用于信號處理的小波變換一般為離散小波變換，離散小波變換利用Mallat分解與重構算法來實現(xiàn)。本文應用文獻［10］提出的算法模型，設｛Vj｝為一給定的多分辨率分析，φ、ψ分別為相應尺度函數(shù)和小波函數(shù)；設時域振動信號為f（x），且f∈VJ1（J1為一確定整數(shù)）。則：

有：

其中：

引入無窮矩陣H=（Hm，k）、G=（Gm，k），其中。則式（5）可簡寫為：

繼續(xù)下去有：

其中：）

從而：

式（9）便為Mallat的塔式分解算法，將Ajf稱作f 在2j分辨率下的連續(xù)逼近，Djf為f在2j分辨率下的連續(xù)細節(jié)，相應的數(shù)列Cj、Dj分別為在分辨率2j下的離散逼近和離散細節(jié)。Mallat分解算法是將函數(shù)f分解成了不同的頻率通道成分，并將每一頻率通道成分又按相位進行分解，即頻率越高相位劃分越細，反之則越疏。在式（3）兩端同時與函數(shù)φJ1，k作內積，

則有：

式中：H?、G?分別為H和G的共軛轉置矩陣。故Mallat的重構算法為：

3　中介軸承故障模型

圖1為中介軸承模型示意圖。中介軸承受到來自轉子不平衡激勵所產生的強迫振動，其振動頻率為轉子的旋轉頻率。

圖1　R 中介軸承模型Fig.1 Intermediate bearing model

設軸承中滾珠在內外滾道之間等距排列，滾珠與滾道之間為純滾動，滾珠與外圈接觸點的線速度為Vout，滾珠與內圈接觸點的線速度為Vin，軸承外圈的旋轉角速度為ωout，軸承內圈的旋轉角速度為ωin，軸承外圈的旋轉頻率為fout，軸承內圈的旋轉頻率為fin，外滾道半徑為R，內滾道半徑為r，則：

保持架旋轉（滾珠中心）線速度Vcage為：

保持架旋轉（滾珠中心）角速度ωcage為：

考慮軸承內外圈同向、反向旋轉情況，則軸承內外圈反向旋轉時保持架旋轉頻率（滾動體公轉頻率）為：

4　基于小波分析的中介軸承故障特征提取

某型發(fā)動機地面臺架試車時，軸承潤滑不良，造成中介軸承磨損嚴重，軸承徑向工作游隙偏大，發(fā)動機振動較大。中介軸承內外滾道反向旋轉。中介軸承幾何尺寸為：節(jié)圓直徑141.56mm，滾珠半徑6.00mm，外滾道半徑76.78 mm，內滾道半徑64.78mm，滾珠個數(shù)30。

低壓轉子旋轉頻率fn1=138Hz，高壓轉子旋轉頻率fn2=219 Hz，根據(jù)式（16）可計算出fcage=55.6Hz。圖2為振動加速度信號時頻圖，通過圖2（b）可清楚看到高、低壓轉子旋轉頻率，2倍低壓轉子旋轉頻率276 Hz，及高、低壓轉子差頻81 Hz（fn2-fn1）。由于噪聲等其他信號干擾，中介軸承保持架旋轉頻率不夠明顯。

圖2　R原始信號時頻圖Fig.2 Timewaveform and frequency spectrum of the original signal

選用小波函數(shù)db2對原始信號進行三層分解，得到三層細節(jié)信號d1、d2和d3的重構信號；再對各層重構信號進行頻譜分析，得到各重構信號頻譜圖。圖3為細節(jié)信號d1重構信號時頻圖，通過圖3（b）可清楚看到：低壓轉子旋轉頻率及其2倍頻276 Hz，高壓轉子旋轉頻率，保持架旋轉頻率的4倍頻224 Hz和5倍頻280 Hz，低壓轉子旋轉頻率和保持架旋轉頻率的組合頻率362Hz（fn1+4 fcage）。

圖3　d1重構信號時頻圖Fig.3 Timewaveform and frequency spectrum of the d1 signal

圖4R為細節(jié)信號d2重構信號時頻圖，通過圖4（b）可清楚看到：低壓轉子旋轉頻率及其2倍頻276 Hz，高壓轉子旋轉頻率，保持架旋轉頻率的2倍頻112Hz、4倍頻224 Hz和5倍頻280 Hz，低壓轉子旋轉頻率和保持架旋轉頻率的組合頻率362 Hz（fn1+4 fcage）、388Hz（2 fn1+2 fcage）。

圖4　d2重構信號時頻圖Fig.4 Timewaveform and frequency spectrum of the d2 signal

圖5R為細節(jié)信號d3重構信號的時頻圖，通過圖5（b）可清楚看到：低壓轉子旋轉頻率，高、低壓轉子差頻81 Hz（fn2-fn1），保持架旋轉頻率的2倍頻112 Hz。

圖5　Rd3重構信號時頻圖Fig.5Timewaveformandfrequencyspectrumofthed3signal

5　結論

（1）針對航空發(fā)動機中介軸承振動故障問題，提出了基于小波分析的中介軸承故障特征提取方法：首先對中介軸承故障信號進行小波分解，得到各層細節(jié)信號，并對細節(jié)信號進行重構；然后對重構信號進行頻譜變換，從頻譜圖上可清晰觀察出中介軸承的故障特征頻率。相比于頻譜分析，本文方法更能突出中介軸承的故障特征。

（2）中介軸承出現(xiàn)磨損故障時，軸承徑向工作游隙偏大，轉子振動信號出現(xiàn)低壓轉子頻率倍頻，高壓轉子頻率，高、低壓轉子差頻，保持架旋轉頻率的倍頻和的組合頻率

［1］胡絢，羅貴火，高德平.航空發(fā)動機中介軸承的特性分析［J］.航空動力學報，2007，22（3）：439—443.

［2］盧艷輝，尹澤勇.基于小波分析方法的航空發(fā)動機滾動軸承故障診斷［J］.燃氣渦輪試驗與研究，2005，18（1）：35—37.

［3］梅宏斌.滾動軸承振動監(jiān)測與診斷［M］.北京：機械工業(yè)出版社，1996.

［4］史東鋒，鮑明，屈梁生.小波包絡分析在滾動軸承診斷中的應用［J］.中國機械工程，2000，11（12）：1382—1385.

［5］高斌，陳果.一種滾動軸承故障特征的時頻綜合分析法［J］.機械科學與技術，2009，28（4）：517—521.

［6］陳果.滾動軸承早期故障的特征提取與智能診斷［J］.航空學報，2009，30（2）：362—367.

［7］傅勤毅，章易程，應力軍，等.滾動軸承故障特征的小波提取方法［J］.機械工程學報，2001，37（2）：30—32.

［8］喬保棟，陳果，葛科宇，等.一種滾動軸承故障知識獲取的新方法［J］.軸承，2011，（2）：39—44.

［9］程軍圣，于德介，鄧乾旺，等.連續(xù)小波變換在滾動軸承故障診斷中的應用［J］.中國機械工程，2003，14（23）：2037—2040.

［10］孫延奎.小波分析及其應用［M］.北京：機械工業(yè)出版社，2001.及其

An analysis method for vibration fault of aero-engine intermediate bearing

QIAO Bao-dong，GE Xiang-dong，ZHANG Dong-m ing
（AVIC Shenyang Engine Design and Research Institute，Shenyang 110015，China）

Because the vibration fault single of intermediate bearing is faintness，an analysis method for fault diagnosis of intermediate bearing is proposed combining the advantages of wavelet transform.First，wavelet decomposition of rolling bearing fault signal ismade to get the resonance frequency bands of rolling bearing acceleration signal.Then，spectrum analysis for each separation signal is carried out，the feature frequencies of rolling bearing faults can be observed clearly.Thismethod hasbeen applied to the vibration signal processing of intermediate bearing in aero-engine test，and the results show that the new method can reduce noise greatly and extract fault featuresof intermediate bearing better.

aero-engine；intermediate bearing；fault diagnosis；wavelet transform；vibration signal；spectrum transform

喬保棟（1985-），男，山東菏澤人，工程師，碩士，主要研究方向為振動信號處理、航空發(fā)動機狀態(tài)監(jiān)測與故障診斷。

V233.4+5；V263.6

A

1672-2620（2015）02-0037-04

2014-06-30；修回日期：2015-03-13