CN113125179A - 一种旋转机械转速波动无键相阶次跟踪方法 - Google Patents
一种旋转机械转速波动无键相阶次跟踪方法 Download PDFInfo
- Publication number
- CN113125179A CN113125179A CN202110263749.5A CN202110263749A CN113125179A CN 113125179 A CN113125179 A CN 113125179A CN 202110263749 A CN202110263749 A CN 202110263749A CN 113125179 A CN113125179 A CN 113125179A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- signal
- steps
- ridge line
- 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.)
- Granted
Links
Images
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
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及一种旋转机械转速波动无键相阶次跟踪方法,包括:获取旋转机械的振动加速度信号;进行离散短时傅里叶变换,获取时频表达式;通过双侧快速脊线提取法,估计时频表达式的初始时频脊线;通过变分非线性调频模态分解法,根据振动加速度信号和初始时频脊线,提取信号动态特征;对信号动态特征进行希尔伯特变换和解卷绕计算,获取模态分量的瞬时相位曲线,然后进行等角度重采样,获得角域信号;对角域信号加窗并利用离散傅里叶变换转换至阶次域,进行谱分析并实现故障诊断。与现有技术相比,本发明可以在不借助键相触发器等硬件设备下,消除转速变化导致的频谱模糊的不利影响,有效针对变转速工况显著的旋转机械进行信号处理以及故障诊断。
Description
技术领域
本发明涉及旋转机械故障诊断领域,尤其是涉及一种旋转机械转速波动无键相阶次跟踪方法。
背景技术
旋转机械是工业部门的关键设备,广泛地应用于电力、石化、交通、能源、航空航天等领域,随着现代工业和科学技术的迅速发展,以高速列车传动***、风力发电机组、航空发动机为代表的旋转机械正朝着体积大型化、设备集中化、***自动化、控制智能化、运行高速化等方向发展,服役环境更加恶劣,运行工况更加复杂与不稳定,故障失效问题更加尖锐。以广州地铁三年期间列车各***的故障数据为例,走行部故障占总故障数量的35%,而旋转机械故障占走行部故障的78%以上。
据统计,70%以上的旋转机械故障均为振动形式响应,并且容易测量和获取,振动信号分析已成为一种广泛采用的机械设备状态监测和故障诊断手段,实现恒工况下设备状态监测与故障诊断,其理论框架已经十分丰富、相对成熟。然而,变转速工况几乎涉及到工业、国防、民用等领域中各种关键设备,实际中旋转机械的变转速工作状态几乎无处不在。转速变化会给振动信号带来调幅、调频、调相等非平稳特征,发生严重“频谱模糊”而使得旋转机械振动信号难以分析。近几年,变转速设备的监测与诊断已经成为故障诊断领域关注的焦点之一。
阶次跟踪(OT)是解决转速波动问题最为直接和有效的方法,主要分为硬件阶次跟踪(HOT),计算阶次跟踪(COT),无键相阶次跟踪(TLOT),Vold-Kalman阶次跟踪4类。其中,HOT主要存在需要较多硬件设备、控制电路复杂、成本较高等难点问题;COT主要存在需要键相触发器、计算精度稍差等难点问题;TLOT主要存在仅适用于微弱转速波动、无法获得阶次分量时域波形等难点问题;Vold- Kalman阶次跟踪主要存在计算效率较低、带宽选择不合理等难点问题。
国内有关阶次跟踪技术的发明专利申请有:
公开日为2013年10月16日,公开号为CN103353344A的中国专利中,公开了一种名称为“基于自适应STFT的旋转机械阶次跟踪方法”的发明专利。其利用窗函数尺度自适应的STFT对原始振动信号进行阶次跟踪处理,有效避免了时频域混叠,但是存在着仅适用于微弱转速波动处理的缺陷;
公开日为2016年3月9日,公开号为CN105388012A的中国专利中,公开了一种名称为“基于非线性调频小波变换的阶次跟踪方法”的发明专利。其利用非线性调频小波变换和谱峰最大值搜索获得瞬时频率,然后通过带通滤波、等角度重采样获得阶次谱图,有效地实现信号阶次跟踪处理,但是存在着仅适用于微弱转速波动处理,无法获得相关模态时域波形的缺陷;
公开日为2020年3月17日,公开号为CN110887663A的中国专利中,公开了一种名称为“变工况计算阶次跟踪与谱峭度结合的轴承故障诊断方法”的发明专利。其利用谱峭度、带通滤波和希尔伯特变换获得故障冲击包络信号,并设定脉冲阈值进行计算阶次跟踪处理,有效地在变工况下实现轴承的故障诊断,但是存在需要键相触发器,设定脉冲阈值的缺陷。
发明内容
本发明的目的就是为了克服上述现有技术存在需要硬件设备、计算精度差、仅适用于微弱转速波动、无法提取时域波形的缺陷而提供一种有效地消除变转速带来的“频谱模糊”不利影响,实现变转速工况下旋转机械准确、可靠故障诊断的旋转机械转速波动无键相阶次跟踪方法。
本发明的目的可以通过以下技术方案来实现:
一种旋转机械转速波动无键相阶次跟踪方法,包括以下步骤:
步骤1:获取旋转机械在变转速工况运行时的振动加速度信号;
步骤2:对所述振动加速度信号进行离散短时傅里叶变换,获取时频表达式;
步骤3:通过双侧快速脊线提取法,估计所述时频表达式的初始时频脊线;
步骤4:通过变分非线性调频模态分解法,根据所述振动加速度信号和初始时频脊线,分离重构模态分量及其瞬时频率,提取信号动态特征;
步骤5:对所述信号动态特征进行希尔伯特变换和解卷绕计算,获取模态分量的瞬时相位曲线,然后进行等角度重采样,获得角域信号;
步骤6:对所述角域信号进行加窗处理并利用离散傅里叶变换转换至阶次域,进行谱分析并实现故障诊断。
进一步地,所述步骤2包括以下步骤:
步骤201:设置窗函数长度NW和傅里叶点数LF,构造相应窗函数g(t):
步骤202:对变转速的振动加速度信号x(t)进行离散短时傅里叶变换,获得时频表达式TFR(t,f)。
进一步地,所述步骤2具体包括以下步骤:
步骤201:设置窗函数长度NW和傅里叶点数LF,构造相应窗函数g(t):
式中,σ为窗函数系数;
步骤202:对变转速的振动加速度信号x(t)进行离散短时傅里叶变换,获得时频表达式TFR(t,f):
式中,x(k)为信号x(t)的离散化,g(k)为窗函数g(t)的离散化,Δt为等时间采样间隔,N为总采样点数,k,m,n=0,1,2,…,N-1为离散步数。
进一步地,所述步骤3包括以下步骤:
步骤301:初始化参数:设置滤波器带宽bw、目标模态个数Q以及最大频率变化Δf;
步骤305:重复上述步骤301至步骤305,所得时频脊线数量i等于预设数量 Q时停止,获得所述时频表达式的初始时频脊线。
进一步地,所述步骤3具体包括以下步骤:
步骤301:初始化参数:设置滤波器带宽bw、目标模态个数Q以及最大频率变化Δf;
步骤305:重复上述步骤301至步骤305,所得时频脊线数量i等于预设数量 Q时停止,该步骤的计算表达式为:
进一步地,所述步骤4包括以下步骤:
步骤401:初始化参数,设置惩罚因子α,β,噪声变量w以及收敛容限δ,输入振动信号x(t)和初始时频脊线fi;
步骤403:利用交替方向乘子法更新步骤401中的各参数和矩阵;
步骤404:若初始时频脊线fi估计误差大,重构后所得信号与真实值相比残差大于预设的残差阈值,则利用重启动算法,重新设置有关参数和矩阵;
步骤405:当各模态分量xi更新前后误差小于收敛容限δ时,则终止计算,输出重构结果g。
进一步地,所述步骤4具体包括以下步骤:
步骤401:初始化参数,设置惩罚因子α,β,噪声变量w以及收敛容限δ,输入振动信号x(t)和初始时频脊线fi;
式中,fi=[fi(t0),fi(t1),…,fi(tN-1)]T,x=[x(t0),x(t1),…,x(tN-1)]T,i代表第i个模态分量,k 代表第k次迭代求解,α为惩罚因子,为改进二阶差分算子;
步骤403:利用交替方向乘子法更新各参数,噪声变量wk更新后为:
当梯度为0时得解:
拉格朗日乘子λk更新后为:
步骤404:若初始时频脊线fi估计误差大,重构后所得信号与真实值相比残差大于预设的残差阈值,则利用重启动算法,重新设置有关参数和矩阵;
则利用重启动算法(RS),重新设置拉格朗日乘子λ和解调信号矩阵ui,vi:
λk+1=0
步骤405:当各模态分量xi更新前后误差小于收敛容限δ时,则终止计算,输出重构结果g:
进一步地,所述步骤5包括以下步骤:
步骤501:对目标分量gk(t)进行希尔伯特变换;
步骤504:利用最小二乘拟合法,建立时间-角度之间的映射关系ψ(t);
步骤505:确定采样阶次Om以及等角度间隔Δθ大小,反求出对应时刻;
步骤506:利用三次样条插值法,求得三次样条函数Sp(t);
进一步地,所述步骤5具体包括以下步骤:
步骤501:对目标分量gk(t)进行希尔伯特变换:
式中,k为整数,φ(t)为卷绕相位,unwrap(·)为解卷绕运算符;
步骤504:利用最小二乘拟合法,建立时间-角度之间的映射关系ψ(t):
ψ(t)=αntn-1+αn-1tn+…+α2t+α1
步骤505:确定采样阶次Om以及等角度间隔Δθ大小:
式中,fs为采样频率,fr(t)为参考轴转频,min{·}为取最小值;
步骤506:利用三次样条插值法,给定插值点(t0,x(t0)),(t1,x(t1)),…,(tn,x(tn)),求得时间段[ti,ti+1](i=0,1,2,…,n-1)中三次样条函数Sp(t):
式中,hi=ti+1-ti为时间段长度,x(ti+1),x(ti)为信号x(t)对应插值点ti+1,ti的值;
设S′p(t0)=x′(t0)=m0,S′p(tn)=x′(tn)=mn可得关于系数w的矩阵:
以及对应的角域信号幅值Am:
进一步地,所述步骤6具体包括以下步骤:
步骤601:角域信号加窗:
w=Am·*h(n)
步骤602:利用离散傅里叶变换,将信号w转换到阶次域W:
步骤603:定位阶次谱W中能量显著的故障特征阶次Oc,实现故障诊断。
与现有技术相比,本发明具有以下优点:
(1)本发明在无需键相触发器、控制电路等硬件设备下即可进行阶次跟踪处理,显著降低了故障诊断成本和检测复杂程度;
(2)通过实验表明:本发明故障特征阶次OC幅值明显,与真实值相比误差在3%以内,计算精度高,诊断效果好;
(3)本发明适用于大转速波动(变化率大于30%)的使用条件,可以用于启停车、快速升速和降速等多种情况,使用范围更加广泛;
(4)本发明可以分离重构出相关模态的时域波形xi(t)、瞬时频率(IF)和瞬时幅值(IA),有利于进一步深入分析故障特征信息。
附图说明
图1为本发明旋转机械转速波动无键相阶次跟踪方法的流程示意图;
图2为本发明实施例中齿轮箱振动信号时域图;
图3为本发明实施例中齿轮箱振动信号频域图;
图4为本发明实施例中齿轮箱振动信号时频谱图;
图5为本发明实施例中DFRE时频脊线估计结果示意图;
图6为本发明实施例中VNCMD时域波形重构图,其中(a)为真实模态分量时域波形图,(b)为提取模态分量时域波形图;
图7为本发明实施例中VNCMD瞬时频率提取结果图,其中(a)为提取模态分量瞬时频率,(b)为计算出的误差曲线示意图;
图8为本发明实施例中加窗后平稳角域波形图;
图9为本发明实施例中的阶次谱图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
需要说明的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
实施例1
如图1所示,为一种旋转机械转速波动无键相阶次跟踪方法,假设变转速振动信号为x(t),该方法具体包含以下步骤:
步骤1:在旋转机械附近安装振动加速度传感器,采集变转速工况运行时的振动加速度信号x(t);
步骤2:对所采集的信号进行离散短时傅里叶变换(STFT),获得时频表达式 TFR(t,f),具体包括以下步骤:
步骤201:设置窗函数长度NW和傅里叶点数LF,构造相应窗函数g(t):
式中,σ为窗函数系数;
步骤202:对变转速振动加速度信号x(t)进行离散短时傅里叶变换(STFT),获得时频表达式TFR(t,f):
式中,x(k)为信号x(t)的离散化,g(k)为窗函数g(t)的离散化,Δt是等时间采样间隔,N为总采样点数,k,m,n=0,1,2,…,N-1为离散步数;
步骤3:利用双侧快速脊线提取(DFRE),估计时频表达式TFR(t,f)中的初始时频脊线,具体包括以下步骤:
步骤301:初始化参数,设置滤波器带宽bw、目标模态个数Q以及最大频率变化Δf;
步骤305:重复上述步骤,所得时频脊线数量i等于预设数量Q时停止:
步骤4:利用变分非线性调频模态分解(VNCMD),分离重构对应数量的模态分量及其瞬时频率,具体包括以下步骤:
步骤401:初始化参数,设置惩罚因子α,β,噪声变量w以及收敛容限δ,输入振动信号x(t)和初始时频脊线fi;
式中,fi=[fi(t0),fi(t1),…,fi(tN-1)]T,x=[x(t0),x(t1),…,x(tN-1)]T,i代表第i个模态分量,k 代表第k次迭代求解,α为惩罚因子,为改进二阶差分算子;
步骤403:利用交替方向乘子法(ADMM)更新各参数,噪声变量wk更新后为:
当梯度为0时得解:
拉格朗日乘子λk更新后为:
步骤404:若初始时频脊线fi估计误差大,重构后所得信号与真实值相比残差大于预设的残差阈值,则利用重启动算法,重新设置有关参数和矩阵;
则利用重启动算法(RS),重新设置拉格朗日乘子λ和解调信号矩阵ui,vi:
λk+1=0 (19)
步骤405:当各模态分量xi更新前后误差小于收敛容限δ时,则终止计算,输出重构结果g:
步骤5:通过希尔伯特变换(HT)和解卷绕(Unwrap),估计目标模态的瞬时相位曲线(IP),然后进行等角度重采样,获得平稳的角域信号,具体包括以下步骤:
步骤501:对目标分量gk(t)进行希尔伯特变换(HT):
式中,Re{·}为取实部,Im{·}为取虚部;
式中,k为整数,φ(t)为卷绕相位,unwrap(·)为解卷绕运算符;
步骤504:利用最小二乘拟合法,建立时间-角度之间的映射关系ψ(t):
ψ(t)=αntn-1+αn-1tn+…+α2t+α1 (30)
步骤505:确定采样阶次Om以及等角度间隔Δθ大小:
式中,fs为采样频率,fr(t)为参考轴转频,min{·}为取最小值;
步骤506:利用三次样条插值法,给定插值点(t0,x(t0)),(t1,x(t1)),…,(tn,x(tn)),求得时间段[ti,ti+1](i=0,1,2,…,n-1)中三次样条函数Sp(t):
式中,hi=ti+1-ti为时间段长度,x(ti+1),x(ti)为信号x(t)对应插值点ti+1,ti的值;
设S′p(t0)=x′(t0)=m0,S′p(tn)=x′(tn)=mn可得关于系数w的矩阵:
以及对应的角域信号幅值Am:
步骤6:角域信号加窗并利用离散傅里叶变换(DFT)转换至阶次域,进行谱分析并实现故障诊断,具体包括以下步骤:
步骤601:角域信号加窗:
w=Am·*h(n) (38)
步骤602:利用离散傅里叶变换(DFT),将信号w转换到阶次域W:
步骤603:定位阶次谱W中能量显著的故障特征阶次Oc,实现故障诊断;
如图2所示,为一种旋转机械转速波动无键相阶次跟踪技术的实施例二,构造齿轮箱振动仿真信号x(t),参考轴瞬时转频为:
f(t)=[500+1000*sin(2π·0.1t)]/50 (40)
故障引起的幅值调制和相位调制函数为:
齿轮箱振动信号x(t)为:
本实施例的具体实施结果如下:
利用快速傅里叶变换(FFT)方法,将齿轮箱振动信号x(t)转换至频域,如图3 所示。可以看出,由于转速变化的存在,频谱发生了严重的“频谱模糊”,从图中无法分析齿轮箱的啮合故障信息。
设置窗函数长度NW=1024,傅里叶点数LF=1024,进行离散短时傅里叶变换(STFT),获得齿轮箱振动信号x(t)的时频表达式TFR(t,f),如图4所示。可以看出,时频谱图可以反映出齿轮啮合频率的变化情况,但是存在明显的端点模糊问题并且无法直接利用其中的时频脊线信息。
设置滤波器带宽目标模态个数Q=2,最大频率变化Δf=20,进行双侧快速脊线提取(DFRE),估计得到时频表达式TFR(t,f)中的时频脊线,如图5所示。可以看到,两条时频脊线f1和f2光滑平顺,斜率较大,整体上与TFR(t,f)中保持一致,估计精度良好。
设置惩罚因子α=1×10-8,β=1×10-12,噪声变量w=1,收敛容限δ=1×10-10,输入振动信号x(t)和初始时频脊线fi(t),i=1,2,进行变分非线性调频模态分解(VNCMD),分离重构得到模态gk(t),k=1,2的时域波形和瞬时频率。对比分析图6(a)和图6(b),可以看到,重构模态分量的时域波形与真实模态分量相比,整体物理特征基本一致,相似度很高;对比分析图7(a)和图7(b),可以看到,提取模态分量的瞬时相位曲线光滑平顺,斜率较大,计算误差在5%以内,中间位置的误差甚至在2%以内,计算精度高,提取效果好,有效地保证了后续阶次跟踪的准确性和可靠性。
设置最大阶数n=5,对修正瞬时相位进行最小二乘法拟合,得到映射关系ψ(t),然后设置采样阶次Om=400,等角度间隔Δθ=0.0157,求解反函数ψ-1(kΔθ)得到对应时间利用三次样条插值获得角域信号幅值Am并加上等长汉宁窗h(n),实现等角度重采样并获得角域波形,如图8所示。
对角域信号w进行离散傅里叶变换(DFT),获得阶次谱图W,如图9所示。齿轮啮合特征阶次Oc的计算结果分析如表1所示,可以看到,与真实值相比误差均在0.5%以下。此外,齿轮啮合特征阶次Oc的幅值分别为0.35和0.29,底部干扰成分最大幅值为0.041,相差近10倍,有效故障信息十分突出。综上所述,本发明方法有着很高的计算精度和优良的诊断效果。
表1计算结果分析
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种旋转机械转速波动无键相阶次跟踪方法,其特征在于,包括以下步骤:
步骤1:获取旋转机械在变转速工况运行时的振动加速度信号;
步骤2:对所述振动加速度信号进行离散短时傅里叶变换,获取时频表达式;
步骤3:通过双侧快速脊线提取法,估计所述时频表达式的初始时频脊线;
步骤4:通过变分非线性调频模态分解法,根据所述振动加速度信号和初始时频脊线,分离重构模态分量及其瞬时频率,提取信号动态特征;
步骤5:对所述信号动态特征进行希尔伯特变换和解卷绕计算,获取模态分量的瞬时相位曲线,然后进行等角度重采样,获得角域信号;
步骤6:对所述角域信号进行加窗处理并利用离散傅里叶变换转换至阶次域,进行谱分析并实现故障诊断。
2.根据权利要求1所述的一种旋转机械转速波动无键相阶次跟踪方法,其特征在于,所述步骤2包括以下步骤:
步骤201:设置窗函数长度NW和傅里叶点数LF,构造相应窗函数g(t):
步骤202:对变转速的振动加速度信号x(t)进行离散短时傅里叶变换,获得时频表达式TFR(t,f)。
5.根据权利要求4所述的一种旋转机械转速波动无键相阶次跟踪方法,其特征在于,所述步骤3具体包括以下步骤:
步骤301:初始化参数:设置滤波器带宽bw、目标模态个数Q以及最大频率变化Δf;
TFR(t,f)=0
步骤305:重复上述步骤301至步骤305,所得时频脊线数量i等于预设数量Q时停止,该步骤的计算表达式为:
7.根据权利要求6所述的一种旋转机械转速波动无键相阶次跟踪方法,其特征在于,所述步骤4具体包括以下步骤:
步骤401:初始化参数,设置惩罚因子α,β,噪声变量w以及收敛容限δ,输入振动信号x(t)和初始时频脊线fi;
式中,fi=[fi(t0),fi(t1),…,fi(tN-1)]T,x=[x(t0),x(t1),…,x(tN-1)]T,i代表第i个模态分量,k代表第k次迭代求解,α为惩罚因子,为改进二阶差分算子;
步骤403:利用交替方向乘子法更新各参数,噪声变量wk更新后为:
当梯度为0时得解:
第i个时频脊线fi k更新后为:
增量Δfi k+1通过反正切解调方法求解:
拉格朗日乘子λk更新后为:
步骤404:若初始时频脊线fi估计误差大,重构后所得信号与真实值相比残差大于预设的残差阈值,则利用重启动算法,重新设置有关参数和矩阵;
则利用重启动算法(RS),重新设置拉格朗日乘子λ和解调信号矩阵ui,vi:
λk+1=0
步骤405:当各模态分量xi更新前后误差小于收敛容限δ时,则终止计算,输出重构结果g:
9.根据权利要求8所述的一种旋转机械转速波动无键相阶次跟踪方法,其特征在于,所述步骤5具体包括以下步骤:
步骤501:对目标分量gk(t)进行希尔伯特变换:
式中,k为整数,φ(t)为卷绕相位,unwrap(·)为解卷绕运算符;
步骤504:利用最小二乘拟合法,建立时间-角度之间的映射关系ψ(t):
ψ(t)=αntn-1+αn-1tn+…+α2t+α1
步骤505:确定采样阶次Om以及等角度间隔Δθ大小:
式中,fs为采样频率,fr(t)为参考轴转频,min{·}为取最小值;
步骤506:利用三次样条插值法,给定插值点(t0,x(t0)),(t1,x(t1)),…,(tn,x(tn)),求得时间段[ti,ti+1](i=0,1,2,…,n-1)中三次样条函数Sp(t):
式中,hi=ti+1-ti为时间段长度,x(ti+1),x(ti)为信号x(t)对应插值点ti+1,ti的值;
设S′p(t0)=x′(t0)=m0,S′p(tn)=x′(tn)=mn可得关于系数w的矩阵:
以及对应的角域信号幅值Am:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263749.5A CN113125179B (zh) | 2021-03-11 | 2021-03-11 | 一种旋转机械转速波动无键相阶次跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263749.5A CN113125179B (zh) | 2021-03-11 | 2021-03-11 | 一种旋转机械转速波动无键相阶次跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113125179A true CN113125179A (zh) | 2021-07-16 |
CN113125179B CN113125179B (zh) | 2022-04-01 |
Family
ID=76773206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110263749.5A Active CN113125179B (zh) | 2021-03-11 | 2021-03-11 | 一种旋转机械转速波动无键相阶次跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113125179B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113702046A (zh) * | 2021-09-13 | 2021-11-26 | 长沙理工大学 | 基于移动设备的变转速工况下轴承故障诊断方法 |
CN113820004A (zh) * | 2021-09-16 | 2021-12-21 | 航天智控(北京)监测技术有限公司 | 一种鲁棒的振动信号初始相位估计方法 |
CN113887360A (zh) * | 2021-09-23 | 2022-01-04 | 同济大学 | 一种基于迭代扩展频散模态分解的频散波提取方法 |
CN113984282A (zh) * | 2021-10-12 | 2022-01-28 | 厦门大学 | 一种无键相变转速下转子动平衡故障特征提取方法 |
CN114353927A (zh) * | 2021-12-28 | 2022-04-15 | 嘉兴市特种设备检验检测院 | 无线式振动探头 |
CN114383718A (zh) * | 2021-12-13 | 2022-04-22 | 北京化工大学 | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 |
CN114492539A (zh) * | 2022-02-21 | 2022-05-13 | 西南交通大学 | 轴承的故障检测方法、装置、电子设备及存储介质 |
CN114674410A (zh) * | 2022-03-24 | 2022-06-28 | 安徽大学 | 一种分量数时变的水声信号瞬时频率估计方法 |
CN114942338A (zh) * | 2022-05-09 | 2022-08-26 | 重庆大学 | 基于嵌入式重力加速度感知的转子或旋转件的转动参数预估方法及*** |
CN116010806A (zh) * | 2023-03-28 | 2023-04-25 | 湖北工业大学 | 旋转机械时变多分量信号的时频分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107941513A (zh) * | 2017-12-25 | 2018-04-20 | 北京建筑大学 | 一种列车走行部轴承非平稳运维的时频阶比跟踪方法 |
CN108225764A (zh) * | 2017-12-05 | 2018-06-29 | 昆明理工大学 | 一种基于包络提取的高精度无键相信号阶次跟踪方法及*** |
CN109668733A (zh) * | 2018-12-21 | 2019-04-23 | 苏州大学 | 变分非线性模式分解变转速轴承故障诊断方法 |
CN110991564A (zh) * | 2019-12-24 | 2020-04-10 | 安徽工业大学 | 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 |
CN112229627A (zh) * | 2020-09-29 | 2021-01-15 | 电子科技大学 | 基于短时稀疏傅里叶变换的旋转机械瞬时转速估计方法 |
-
2021
- 2021-03-11 CN CN202110263749.5A patent/CN113125179B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225764A (zh) * | 2017-12-05 | 2018-06-29 | 昆明理工大学 | 一种基于包络提取的高精度无键相信号阶次跟踪方法及*** |
CN107941513A (zh) * | 2017-12-25 | 2018-04-20 | 北京建筑大学 | 一种列车走行部轴承非平稳运维的时频阶比跟踪方法 |
CN109668733A (zh) * | 2018-12-21 | 2019-04-23 | 苏州大学 | 变分非线性模式分解变转速轴承故障诊断方法 |
CN110991564A (zh) * | 2019-12-24 | 2020-04-10 | 安徽工业大学 | 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 |
CN112229627A (zh) * | 2020-09-29 | 2021-01-15 | 电子科技大学 | 基于短时稀疏傅里叶变换的旋转机械瞬时转速估计方法 |
Non-Patent Citations (4)
Title |
---|
RODOPOULOS K等: "A Parametric Approach for the Estimation of the Instantaneous Speed of Rotating Machinery", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 * |
徐智: ""基于解卷积级联变分模态分解的滚动轴承微弱故障特征增强"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑 (月刊)工业通用技术及设备》 * |
王亚涛: ""变转速工况下的滚动轴承复合故障诊断方法研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑 (月刊) 工业通用技术及设备》 * |
王友仁等: "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", 《中国机械工程》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113702046A (zh) * | 2021-09-13 | 2021-11-26 | 长沙理工大学 | 基于移动设备的变转速工况下轴承故障诊断方法 |
CN113702046B (zh) * | 2021-09-13 | 2024-06-11 | 长沙理工大学 | 基于移动设备的变转速工况下轴承故障诊断方法 |
CN113820004B (zh) * | 2021-09-16 | 2024-05-28 | 航天智控(北京)监测技术有限公司 | 一种鲁棒的振动信号初始相位估计方法 |
CN113820004A (zh) * | 2021-09-16 | 2021-12-21 | 航天智控(北京)监测技术有限公司 | 一种鲁棒的振动信号初始相位估计方法 |
CN113887360A (zh) * | 2021-09-23 | 2022-01-04 | 同济大学 | 一种基于迭代扩展频散模态分解的频散波提取方法 |
CN113887360B (zh) * | 2021-09-23 | 2024-05-31 | 同济大学 | 一种基于迭代扩展频散模态分解的频散波提取方法 |
CN113984282A (zh) * | 2021-10-12 | 2022-01-28 | 厦门大学 | 一种无键相变转速下转子动平衡故障特征提取方法 |
CN113984282B (zh) * | 2021-10-12 | 2022-07-19 | 厦门大学 | 一种无键相变转速下转子动平衡故障特征提取方法 |
CN114383718A (zh) * | 2021-12-13 | 2022-04-22 | 北京化工大学 | 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法 |
CN114353927A (zh) * | 2021-12-28 | 2022-04-15 | 嘉兴市特种设备检验检测院 | 无线式振动探头 |
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 |
CN114492539A (zh) * | 2022-02-21 | 2022-05-13 | 西南交通大学 | 轴承的故障检测方法、装置、电子设备及存储介质 |
CN114674410A (zh) * | 2022-03-24 | 2022-06-28 | 安徽大学 | 一种分量数时变的水声信号瞬时频率估计方法 |
CN114942338B (zh) * | 2022-05-09 | 2023-10-20 | 重庆大学 | 基于嵌入式重力加速度感知的转子或旋转件的转动参数预估方法及*** |
CN114942338A (zh) * | 2022-05-09 | 2022-08-26 | 重庆大学 | 基于嵌入式重力加速度感知的转子或旋转件的转动参数预估方法及*** |
CN116010806A (zh) * | 2023-03-28 | 2023-04-25 | 湖北工业大学 | 旋转机械时变多分量信号的时频分析方法 |
CN116010806B (zh) * | 2023-03-28 | 2023-09-01 | 湖北工业大学 | 旋转机械时变多分量信号的时频分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113125179B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113125179B (zh) | 一种旋转机械转速波动无键相阶次跟踪方法 | |
Chen et al. | Fault diagnosis of planetary gearbox under variable-speed conditions using an improved adaptive chirp mode decomposition | |
CN110617964A (zh) | 用于滚动轴承故障诊断的同步压缩变换阶比分析法 | |
Gryllias et al. | Estimation of the instantaneous rotation speed using complex shifted Morlet wavelets | |
CN111665051A (zh) | 基于能量权重法的强噪声变转速条件下轴承故障诊断方法 | |
CN114216676B (zh) | 一种时变工况下无转速计的行星齿轮箱复合故障诊断方法 | |
Wei et al. | Variational nonlinear component decomposition for fault diagnosis of planetary gearboxes under variable speed conditions | |
CN113405823B (zh) | 一种基于迭代扩展本征模态分解的旋转机械故障诊断方法 | |
CN110926594B (zh) | 一种旋转机械信号时变频率特征提取方法 | |
CN112101245A (zh) | 基于频域窗函数的短时傅里叶变换机械冲击特征提取方法 | |
Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
CN113761466B (zh) | 一种旋转机械振动信号阶比谱构造方法及装置 | |
Liu et al. | An online bearing fault diagnosis technique via improved demodulation spectrum analysis under variable speed conditions | |
Lopatinskaia et al. | Monitoring varying speed machinery vibrations—II recursive filters and angle domain | |
CN111738068A (zh) | 一种转速波动工况下的传动轴故障诊断方法和*** | |
CN113702043A (zh) | 一种基于povmd和fdtw的时变转速下行星齿轮箱故障诊断方法 | |
Zhao et al. | Rolling element bearing instantaneous rotational frequency estimation based on EMD soft-thresholding denoising and instantaneous fault characteristic frequency | |
CN108398260B (zh) | 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法 | |
CN110376437B (zh) | 一种克服非阶次频率成分干扰的阶次分析方法 | |
CN111855208A (zh) | 一种基于阶次分析和稀疏编码的旋转机械微弱故障信号提取方法 | |
Wang et al. | Tacholess order-tracking approach for wind turbine gearbox fault detection | |
CN117571316A (zh) | 一种复合故障诊断方法及*** | |
Liu et al. | Synchronous fault feature extraction for rolling bearings in a generalized demodulation framework | |
CN104459186A (zh) | 基于稀疏分段拟合与积分逼近的无转速计阶比分析方法 | |
CN111323233A (zh) | 一种用于低速旋转机械故障诊断的局部均值分解方法 |
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 |