图3基于Peakvue技术的故障检测原理图Fig3

Diagramoffaultdetectionprinciplebased

onPeakvuetechnology

而言，滤波器的选择会对诊断造成很大的影响，过低的截止频率不但会造成重大的幅度信号损失，而且还会保留大能量的转速信号；而下限过高的高通滤波器则导致在解调后的波形和频谱中丢失机器冲击和转速信号，下限过低的高通滤波器会使解调后的波形和频谱中同时存在机器影响和转速信号

［6］

。

2）基于Peakvue的故障检测是对高频信号在固定的时间块内进行峰值的提取，机器的小幅不平稳运转不会对诊断结果产生影响，而包络解调对机器的不平稳运转抵抗性较差。

3）从信号处理过程可知，基于Peakvue的故障检测方法保持了冲击事件的实际信号幅值，因而可以做为趋势管理的参数。

3．2运算速度的提升

基于Peakvue的故障检测方法大大简化了运算量，提

高了运算速度。如本文3．3节的仿真实验中，原始数据有32768个，三频段包络解调中对该数据进行了3次滤波和FFT算法，而基于Peakvue的检测方法中高通滤波后只提取了2343个峰值进行频域变换，根据对N点的FFT，复数乘的次数近似为N/2·log［7］

2N

，三频段包络解调的方法进行

了737330次的复数乘法运算，而基于Peakvue的故障检测方法只进行了13115次的运算，如表1所示，可见三频段包络解调的复杂度是后者的56倍。

表1

复数运算次数比较

Tab1

Comparisonofthecomplexcomputationtimes

三频段包络解调的

基于Peakvue的故障检测法

故障检测法复数运算次数

737330

13115

3．3检测效果的提升

这里，

2个实验均采用了因特尔酷睿ⅡE7400双核处理器，内存2GB的计算机和Matlab2007仿真软件的处理平台。

实验1采用6203型轴承的振动数据，

YD—1型加速度传感器，

有关参数如下：采样频率为32768Hz，采样点数为32768个，轴转速为25r/min，内圈伤故障频率（BPFI）为109．2Hz，外圈伤故障频率（BPFO）为65．8Hz，滚动体故障频率（BSF）为47．3Hz，图4是2种方法对内圈伤样本进行检测。由图可以看出：基于Peakvue检测方法的Matlab仿真频谱图可以清晰地检测出1倍，

2倍，3倍以及4倍内圈伤，分别为110，218，327，436Hz。2倍，3倍，4倍内圈伤频率能量值明显高于三频带滤波频谱图，在110Hz左右的距离25Hz的几个能量比较大的频率是旁带频率点，同时，在65Hz的地方可以检测到该轴承存在潜在的外圈伤，而在三

频段滤波的频谱图中检测不到

。

图4内圈伤频谱图比较Fig4

ThecomparisonofBPFI

实验2采用6201型轴承的振动数据，输出幅值为0．32～0．38mV的速度传感器，有关参数如下：采样频率为32768Hz，采样点数为32768个，轴转速为30r/min，内圈伤故障频率（BPFI）为135．5Hz，外圈伤故障频率（BPFO）为79．6Hz，滚动体故障频率（BSF）为107Hz。图5是2种方法对滚动体故障频率的检测。可见低频段和高频段带通滤波的频谱图检测效果都不好，只能检测到2倍频的滚动体故障频率，

而且，波形都不够干净，基于Peakvue技术的检测方法可以清晰地检测出1倍（107Hz），2倍（214Hz），也可以看到3倍（322Hz）和4倍（427Hz）滚动体故障频率点，波形也足够干净。达到高频段相同的检测效果，

但运行速度却明显加快了。比较实验1与实验2的基于Peakvue的频谱图可以看出：应用加速度传感器检测出的故障频率的能量值更大，在3，4倍频的故障频率点上更为明显。由于加速度传感器对高频信号更加灵敏，所以，基于Peakvue的轴承故障检测更适合采用加速度传感器。4

结束语

基于Peakvue的轴承故障检测方法计算复杂度低，速度快，

可检测低速运转设备，它不仅可广泛应用于便携式的检测设备或对运行中的设备进行实时的检测、监视和报警，还

（下转第123页）