CN110763462B - 一种基于同步压缩算子的时变振动信号故障诊断方法 - Google Patents

一种基于同步压缩算子的时变振动信号故障诊断方法 Download PDF

Info

Publication number
CN110763462B
CN110763462B CN201910863555.1A CN201910863555A CN110763462B CN 110763462 B CN110763462 B CN 110763462B CN 201910863555 A CN201910863555 A CN 201910863555A CN 110763462 B CN110763462 B CN 110763462B
Authority
CN
China
Prior art keywords
frequency
time
instantaneous
order
synchronous compression
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910863555.1A
Other languages
English (en)
Other versions
CN110763462A (zh
Inventor
易灿灿
潘兵奇
吕勇
魏经天
吴兵华
汪俊杰
董曦曦
向富尧
杨凯
郭虎
王振洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Publication of CN110763462A publication Critical patent/CN110763462A/zh
Application granted granted Critical
Publication of CN110763462B publication Critical patent/CN110763462B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明着重于振动信号的故障监测和诊断，本发明提出了一种基于单传感器的变转速机械设备的故障诊断方法。发明基于同步压缩算子的瞬时频率估计方法，能够在低频区域提取到转轴频率。本方法分为两个过程：首先将通过同步压缩算子提取瞬时转轴频率，然后通过阶次分析获得平稳的阶次谱，进而根据阶次来判断故障类型。通过对时频系数在瞬时频率附近的压缩重排，减少时频曲线能量发散，实现复杂信号高分辨率的时频表达，通过基于同步压缩算子的等幅值的时频表示，找到微弱的转频信号，通过振动信号提取旋转机械的瞬时转速，不需要安装转速计，简单易行，便于在工程实践中使用。

Description

一种基于同步压缩算子的时变振动信号故障诊断方法
技术领域
本发明属于时变信号的故障检测和诊断领域，特别涉及一种基于同步压缩算子的瞬时阶次振动信号分析方法。
背景技术
恒定转速下的机械设备关键零部件(如轴承，齿轮等)的故障诊断已被广泛关注。以轴承的振动信号为例，轴承中的局部缺陷会产生相应的冲击，当轴承随着转轴转动时，这些冲击会产生一系列的脉冲信号。对于一个确定的轴承(如压力角，轴承直径，滚动体数已知)，它的故障特征频率一般是确定的，并且它与转轴频率成正比。故障特征频率与转动频率的比值，我们一般称为故障特征阶次。在没有进行诊断前，我们可以在理论上确定这一比值。因此，当知道转轴频率的情况下，就能事先知道对应的各个故障特征频率。对采集到振动信号进行傅里叶变换，在得到的频谱中观察峰值对应的频率值就可以确定故障的类型了。然而，工程上大多数旋转机器通常在时变转速的条件下工作的，当设备关键部件发生故障时将产生时变的故障特征频率。在这种情况下，传统的傅里叶方法将不再适用。
阶次分析是时变信号处理的有效方法之一，它通过时域信号的等角域采样将时变信号平稳化。在已知瞬时转轴频率的条件下，对时变信号进行角域上的积分，获得整个采集时间上的角度积累总值，然后以恒定角度间隔进行分配，进而将时变的时间序列转化为平稳的角域序列，实现信号的平稳化，此时时变故障特征频率被转换为恒定角域阶数，且该阶数就是故障特征频率与转动频率的比值。利用重新生成的角域信号，通过傅里叶变换就可以根据阶次值来实现故障诊断。但是传统的阶次分析的使用需要知道瞬时转轴频率，这就需要额外的转轴频率检测仪器，如转速计或者增加一个传感器。然而，转速计或者多个传感器并不总是能够安装在对应的机器上。因此，在时变速度条件下开发无转速计的机械设备监测和故障诊断方法非常重要。
目前，同步压缩变换已成为一种有潜力的时频分析方法，因为它可以增强经典时频分析方法的时频分辨率，这更有利于瞬时分量的准确提取。然而，同步压缩变换方法生成基于幅度的时频表示对那些弱分量的时频表示不太突出。而在基于单传感器的振动处理中，传感器的位置往往安装在关键的零部件上，而这些零部件可能远离转轴，这使得我们采集到的信号的转轴的幅值远低于故障特征频率的幅值，使得在时频面上无法看到瞬时转轴频率。而对时变信号进行阶次分析中，瞬时转轴频率将是整个故障诊断的前提。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供基于同步压缩算子的时变振动信号故障诊断方法，实现了对时频曲线的能量集中和高分辨率表达，通过同步压缩算子准确提取出瞬时转轴频率，并利用阶次分析获得平稳的阶次谱，从而对非平稳信号进行故障诊断。
为达到以上目的，本发明是采取的技术方案为：
基于同步压缩算子的时变振动信号故障诊断方法，其特征在于，包括下述步骤：
步骤一:利用加速度传感器采集旋转机械设备的振动信号s(t)；
步骤二:为有效描述调频信号的时变特征，对振动信号s(t)进行短时傅里叶变换，获得时频系数
其中，g*(·)为窗函数y(·)的复数共轭；
步骤三:根据时频系数计算同步压缩算子：
其中，arg(·)为求时频系数的幅角，R(A)表示取复数A的实部；
步骤四:去除原有同步压缩变换中的幅值，直接将所有的幅值都赋值为1，得到基于同步压缩算子的等幅值时频表示：
其中，SO(t，w)为同步压缩算子变换，δ(·)为狄拉克函数；
步骤五:在估计的低频区间找到采用搜峰算法找到瞬时转轴频率fr(t)；
步骤六:对离散的瞬时频率点进行平滑处理，并利用三次曲线对平滑后的瞬时频率点进行拟合获得瞬时频率曲线fr(t)；
瞬时转动频率fr(t)与鉴相时标Tn之间满足如下公式:
其中n为采样时刻的序列号，T0为拟合曲线的初始时间，为恒定角度分配间隔；
步骤七:解瞬时转动频率fr(t)与鉴相时标Tn的关系方程，可计算出无转速计下的等角度采样的鉴相时标Tn；
步骤八:采用三次样条插值的方法根据所求鉴相时标Tn对振动信号进行插值实现角域重采样，将等时间间隔的信号S(nΔt)转换为等角度间隔采样信号S(nΔθ)；
步骤九:对变换后的角域信号进行FFT运算，获得阶次谱；
步骤十:根据阶次谱分析信息找到大峰值所对应的阶次，并与理论上计算的阶次比较，进而确定故障类型。
与现有技术相比，本发明具有下述优点：
1.通过对时频系数在瞬时频率附近的压缩重排，减少时频曲线能量发散，实现复杂信号高分辨率的时频表达；
2.通过基于同步压缩算子的等幅值的时频表示，找到微弱的转频信号；
3.通过振动信号提取旋转机械的瞬时转速，不需要安装转速计，简单易行，便于在工程实践中使用。
附图说明
图1为本发明流程方法示意图；
图2为本发明无转速计阶次分析技术路线图；
图3为时变振动信号的时域波形图；
图4为时变振动信号的傅里叶频谱图；
图5为时变振动信号同步压缩变换的时频表示；
图6为时变振动信号基于同步压缩算子的等幅值时频表示；
图7为本发明在同步压缩算子的等幅值时频表示频率上提取到的瞬时频率曲线；
图8为本发明根据提取的转频曲线获得的阶次谱。
具体实施方式
以下结合附图及一个具体实施案例对本发明基于同步压缩算子的时变振动信号故障诊断方法进行详细说明，同时验证本发明在工程应用中的有效性。该实施案例以时变仿真信号为例，该仿真信号的转频幅值远远小于故障特征幅值，并且以故障特征频率的1-4倍频均有显示，故障特征频率为转频的3.4倍，如图4。但本发明并不局限于使用位移信号，其他旋转机械振动信号如振动位移信号等均可使用。
如图1及图2所示，基于同步压缩算子的时变振动信号故障诊断方法的技术路线图及具体方法步骤如下：
步骤一:利用加速度传感器采集旋转机械设备的振动信号s(t)；
步骤二:为有效描述调频信号的时变特征，对振动信号s(t)进行短时傅里叶变换，获得时频系数
其中，g*(·)为窗函数y(·)的复数共轭；
步骤三:根据时频系数计算同步压缩算子：
其中，arg(·)为求时频系数的幅角，R(A)表示取复数A的实部；
步骤四:去除原有同步压缩变换中的幅值，直接将所有的幅值都赋值为1，得到基于同步压缩算子的等幅值时频表示：
其中，SO(t，w)为同步压缩算子变换，δ(·)为狄拉克函数；
步骤五:在估计的低频区间找到采用搜峰算法找到瞬时转轴频率fr(t)；
步骤六:对离散的瞬时频率点进行平滑处理，并利用三次曲线对平滑后的瞬时频率点进行拟合获得瞬时频率曲线fr(t)；
瞬时转动频率fr(t)与鉴相时标Tn之间满足如下公式:
其中n为采样时刻的序列号，T0为拟合曲线的初始时间，为恒定角度分配间隔；
步骤七:解瞬时转动频率fr(t)与鉴相时标Tn的关系方程，可计算出无转速计下的等角度采样的鉴相时标Tn；
步骤八:采用三次样条插值的方法根据所求鉴相时标Tn对振动信号进行插值实现角域重采样，将等时间间隔的信号S(nΔt)转换为等角度间隔采样信号S(nΔθ)；
步骤九:对变换后的角域信号进行FFT运算，获得阶次谱；
步骤十:根据阶次谱分析信息找到大峰值所对应的阶次，并与理论上计算的阶次比较，进而确定故障类型。
本实施例测得的旋转机械时变振动信号的时域波形(如图3)和傅里叶频谱图(如图4)所示，从图中基本上看不到有用信息，故无法判断出相应的故障类型。转轴振幅作为故障诊断的一个重要判断依据，其主要通过二维(频谱图)或者三维图(时频图)的形式呈现结果，转轴振幅在频谱图中表示为峰值高低，在时频图中表现为能量强度。其转轴振幅的幅值越高，越能凸显故障所在的频率。由于转轴振幅远小于故障特征频率，仅通过图5是难以观测到转轴振幅所反应出的故障所在的频率的瞬时转动频率。将图5中的相关曲线数据通过上述方法的步骤三及步骤四的运算，可获得图5相关的瞬时转动频率。见图6中的矩形框所示，为进行步骤三及步骤四的运算后的瞬时转动频率曲线。通过上述方法的步骤五及步骤六，利用多项式拟合在同步压缩算子的等幅值时频表示频率上提取瞬时频率曲线，如图7所示。根据步骤七、步骤八及步骤九获得图8所示的阶次谱，图8是根据提取的转频曲线获得的阶次谱，从中可以看到四个很高的峰值，它们对应阶次分别为3.4、6.8、10.2、13.6的故障特征频率及其倍频，同时在阶次谱中观察到转频阶次为1，并且它的峰值远小于故障特征频率，这从侧面验证了本实施案例仿真信号的弱峰值的转频，故本案例验证了本发明所述方法的有效性。
应理解，上述实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解为在阅读本发明的内容后，本领域技术人员可以对本发明作各种改动和修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (1)

1.一种基于同步压缩算子的时变振动信号故障诊断方法，其特征在于，包括以下步骤：
步骤一:利用加速度传感器采集旋转机械的振动信号s(t)；
步骤二:对振动信号s(t)进行短时傅叶变换，获得时频系数
其中，g*(·)为窗函数y(·)的复数共轭；
步骤三:根据时频系数计算同步压缩算子：
其中，arg(·)为求时频系数的幅角，/>为求偏导数，R(A)表示取复数A的实部；
步骤四:去除原有同步压缩变换中的幅值，直接将所有的幅值都赋值为1，得到基于同步压缩算子的等幅值时频表示：
其中，SO(t，w)为同步压缩算子变换，δ(·)为狄拉克函数；
步骤五:在估计的低频区间采用搜峰算法找到瞬时转轴频率fr(t)；
步骤六:对离散的瞬时频率点进行平滑处理，并利用三次曲线对平滑后的瞬时频率点进行拟合获得瞬时频率曲线fr(t)；
瞬时转动频率fr(t)与鉴相时标Tn之间满足如下公式:
其中n为采样时刻的序列号，T0为拟合曲线的初始时间，为恒定角度分配间隔；
步骤七:解步骤六的瞬时转动频率fr(t)与鉴相时标Tn的关系方程，计算出无转速计下的等角度采样的鉴相时标Tn；
步骤八:采用三次样条插值的方法根据所求鉴相时标Tn对振动信号进行插值实现角域重采样，将等时间间隔的信号S(nΔt)转换为等角度间隔采样信号S(nΔθ)；
步骤九:对变换后的角域信号进行FFT运算，获得阶次谱；
步骤十:根据阶次谱分析信息找到大峰值所对应的阶次，并与预设参考阶次相比较，将比较结果同预设的故障类型判断标准进行匹配，确定所属故障类型。
CN201910863555.1A 2019-04-26 2019-09-12 一种基于同步压缩算子的时变振动信号故障诊断方法 Active CN110763462B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910342281 2019-04-26
CN2019103422811 2019-04-26

Publications (2)

Publication Number Publication Date
CN110763462A CN110763462A (zh) 2020-02-07
CN110763462B true CN110763462B (zh) 2023-09-26

Family

ID=69330625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910863555.1A Active CN110763462B (zh) 2019-04-26 2019-09-12 一种基于同步压缩算子的时变振动信号故障诊断方法

Country Status (1)

Country Link
CN (1) CN110763462B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111879508B (zh) * 2020-07-28 2022-06-10 无锡迈斯德智能测控技术有限公司 基于时频变换的旋转机械瞬时转速估计方法、装置和存储介质
CN113029232B (zh) * 2021-02-22 2022-02-11 北京科技大学 一种旋转机械时变全息特征表达方法及***
CN113607446A (zh) * 2021-05-20 2021-11-05 西安交通大学 一种机械设备早期故障诊断方法、***、设备及存储介质
CN113358212B (zh) * 2021-06-21 2022-09-30 重庆理工大学 基于相对谐阶次的机电故障诊断方法、***及建模方法
CN113985276B (zh) * 2021-10-18 2024-02-27 上海电气风电集团股份有限公司 风力发电机组的故障诊断方法和装置
CN114353927B (zh) * 2021-12-28 2024-04-05 嘉兴市特种设备检验检测院 无线式振动探头
CN115808236B (zh) * 2023-02-02 2023-05-05 武汉理工大学 船用涡轮增压器故障在线监测诊断方法、装置和存储介质
CN116718373B (zh) * 2023-06-13 2024-01-05 长江勘测规划设计研究有限责任公司 一种齿轮齿条驱动机构故障特征信号识别方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374939A (zh) * 2014-11-06 2015-02-25 西安交通大学 基于振动信号同步压缩变换的旋转机械瞬时转速估测方法
CN105547698A (zh) * 2015-12-31 2016-05-04 新疆金风科技股份有限公司 滚动轴承的故障诊断方法及装置
CN107783938A (zh) * 2017-09-01 2018-03-09 上海交通大学 一种旋转设备瞬时转速估计方法
CN108106830A (zh) * 2017-12-13 2018-06-01 武汉科技大学 一种基于时频谱分割的变速旋转机械故障诊断方法
CN108388839A (zh) * 2018-01-26 2018-08-10 电子科技大学 一种基于二阶同步提取变换的强转速波动特征提取方法
CN109459131A (zh) * 2018-11-29 2019-03-12 郑州工程技术学院 一种旋转机械多通道振动信号的时频特征提取方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI264663B (en) * 2003-11-07 2006-10-21 Univ Nat Chiao Tung High-resolution intelligent rotor machine diagnostic system and method
US10852214B2 (en) * 2017-05-19 2020-12-01 Nutech Ventures Detecting faults in wind turbines

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374939A (zh) * 2014-11-06 2015-02-25 西安交通大学 基于振动信号同步压缩变换的旋转机械瞬时转速估测方法
CN105547698A (zh) * 2015-12-31 2016-05-04 新疆金风科技股份有限公司 滚动轴承的故障诊断方法及装置
CN107783938A (zh) * 2017-09-01 2018-03-09 上海交通大学 一种旋转设备瞬时转速估计方法
CN108106830A (zh) * 2017-12-13 2018-06-01 武汉科技大学 一种基于时频谱分割的变速旋转机械故障诊断方法
CN108388839A (zh) * 2018-01-26 2018-08-10 电子科技大学 一种基于二阶同步提取变换的强转速波动特征提取方法
CN109459131A (zh) * 2018-11-29 2019-03-12 郑州工程技术学院 一种旋转机械多通道振动信号的时频特征提取方法及装置

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
变转速下滚动轴承时变非平稳故障特征提取方法研究;赵德尊;《中国博士学位论文全文数据库工程科技Ⅱ辑 (月刊) 机械工业》;全文 *
基于多传感器时频分布的机械故障信号欠定盲源分离方法;李小彪等;《武汉科技大学学报》;第41卷(第6期);全文 *
基于时频同步压缩变换的多分量信号分离研究;韩红霞;《中国优秀硕士学位论文全文数据库 信息科技辑 (月刊) 电信技术》;全文 *
基于阶次分析技术的行星齿轮箱非平稳振动信号分析;王况;王科盛;左明健;;振动与冲击(05);全文 *
基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断;王友仁;王俊;黄海安;;中国机械工程(14);全文 *

Also Published As

Publication number Publication date
CN110763462A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
CN110763462B (zh) 一种基于同步压缩算子的时变振动信号故障诊断方法
Wang et al. Rolling element bearing fault diagnosis via fault characteristic order (FCO) analysis
Zhao et al. Compound faults detection of rolling element bearing based on the generalized demodulation algorithm under time-varying rotational speed
Shi et al. Bearing fault diagnosis under variable rotational speed via the joint application of windowed fractal dimension transform and generalized demodulation: A method free from prefiltering and resampling
Zhao et al. A tacho-less order tracking technique for large speed variations
CN110617964A (zh) 用于滚动轴承故障诊断的同步压缩变换阶比分析法
CN106092524B (zh) 一种使用振动信号精确提取转速信号的方法
Wang et al. Bearing fault diagnosis under time-varying rotational speed via the fault characteristic order (FCO) index based demodulation and the stepwise resampling in the fault phase angle (FPA) domain
Zhao et al. Bearing multi-fault diagnosis with iterative generalized demodulation guided by enhanced rotational frequency matching under time-varying speed conditions
Huang et al. A method for tachometer-free and resampling-free bearing fault diagnostics under time-varying speed conditions
Wang et al. Sparse and low-rank decomposition of the time–frequency representation for bearing fault diagnosis under variable speed conditions
CN110907162B (zh) 一种变转速下无转速计的旋转机械故障特征提取方法
CN107843740B (zh) 一种融合振动与声音信号频谱特征的转速测量方法
CN111397877B (zh) 一种旋转机械拍振故障检测与诊断方法
Rodopoulos et al. A parametric approach for the estimation of the instantaneous speed of rotating machinery
Liu et al. Generalized demodulation with tunable E-Factor for rolling bearing diagnosis under time-varying rotational speed
US11927501B2 (en) Method and device for monitoring a gear system
Wang et al. Bearing fault diagnosis of direct-drive wind turbines using multiscale filtering spectrum
Wang et al. A two-stage method using spline-kernelled chirplet transform and angle synchronous averaging to detect faults at variable speed
Wu et al. A modified tacho-less order tracking method for the surveillance and diagnosis of machine under sharp speed variation
Zhao et al. Vibration health monitoring of rolling bearings under variable speed conditions by novel demodulation technique
CN110991564A (zh) 基于多尺度分散熵偏均值与非线性模式分解的变工况轴承故障诊断方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
CN105388012A (zh) 基于非线性调频小波变换的阶次跟踪方法
CN108388839A (zh) 一种基于二阶同步提取变换的强转速波动特征提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant