CN115683580A - 一种基于相位域自适应滤波的旋转机械故障诊断方法 - Google Patents
一种基于相位域自适应滤波的旋转机械故障诊断方法 Download PDFInfo
- Publication number
- CN115683580A CN115683580A CN202110843446.0A CN202110843446A CN115683580A CN 115683580 A CN115683580 A CN 115683580A CN 202110843446 A CN202110843446 A CN 202110843446A CN 115683580 A CN115683580 A CN 115683580A
- Authority
- CN
- China
- Prior art keywords
- signal
- filtering
- signals
- noise
- vibration
- 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.)
- Withdrawn
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明提供了一种基于相位域自适应滤波的旋转机械故障诊断方法,包括S1、通过多个传感器采集旋转机械的转子原始振动信号;S2、采用中值滤波滤除该信号中的脉冲噪声和部分白噪声;S3、将S2中处理后的振动信号输入到塔式算法中进行多小波变换;S4、根据信号分析理论,寻找使分解信号能量最大的基元函数组合;S5、通过连接算法使得所有基元函数信号的总能量最大,进而求得转速信号;S6、对转速信号进行等角度重采样,对重采样信号进行双谱分析得到最终振动信号的阶比谱;S7、对最终振动信号的阶比谱进行分析,从最终振动信号中进行旋转设备的故障诊断。本发明有效滤除脉冲噪声和白噪声,降低了噪声,提高了信噪比,同时提高故障诊断的精确度。
Description
技术领域
本发明涉及旋转机械故障诊断技术领域,具体提供一种基于相位域自适应滤波的旋转机械故障诊断方法。
技术背景
机械设备(***)状态监测与故障诊断的实践中,被监测与诊断的对象往往不是单台机械设备,而是同时运转的多台机械设备。齿轮和滚动轴承是旋转机械设备中的核心部件,但由于其易损性,大部分的机械故障都是由其所引起,当齿轮和轴承发生故障时,受噪声和调制等影响,振动信号将会表现出非高斯性和歪斜性,因此不能使用传统傅里叶变换,否则会出现严重的“频率模糊现象”安装在机械设备上的振动传感器所测得的信号一方面包含其它机械的振动,另一方面还包含自身零部件产生的振动,不同机械之间的振动以及不同零部件产生的振动之间互相干扰。
目前机械设备(***)状态监测与故障诊断所检测的振动信号往往是多个振动源信号以及干扰噪声耦合的结果。而目前所采用的诊断知识往往是针对某个部件的理论分析结论,这严重影响了故障诊断的准确性,甚至造成谎报或漏报情况的发生。
因此,需要对所检测的振动信号进行提纯;通过提纯振动源信号方法的故障诊断方法,才能提高故障诊断的准确性。
发明内容
为了解决现有技术中的技术问题,本发明提供一种基于相位域自适应滤波的旋转机械故障诊断方法,包括以下步骤:
S1、通过多个传感器采集旋转机械的转子原始振动信号;
S2、采用中值滤波滤除该信号中的脉冲噪声和部分白噪声;
S3、将S2中处理后的振动信号输入到塔式算法中进行多小波变换;
S4、根据信号分析理论,寻找使分解信号能量最大的基元函数组合;
S5、通过连接算法使得所有基元函数信号的总能量最大,进而求得转速信号;
S6、对转速信号进行等角度重采样,对重采样信号进行双谱分析得到最终振动信号的阶比谱;
S7、对最终振动信号的阶比谱进行分析,从最终振动信号中进行旋转设备的故障诊断。
进一步的,步骤S1中所述传感器的个数大于或等于可能纯在的故障源个数。
进一步的,步骤S1中所述传感器采用加速度传感器或位移传感器。
进一步的,步骤S2中包括以下步骤:
S2.1、对原始振动信号进行预处理,包括相干斑抑制,强点剔除和双边滤波,得到预处理后信号;
S2.2、对预处理后信号进行滤波变换,通过多角度多尺度滤波器进行滤波处理,在相位域滤波后进行信号二值化处理,得到无噪声的信号。
有益效果:
本发明的诊断方法使用中值滤波方法对旋转机械转子***耦合故障振动信号进行降噪,能够有效滤除脉冲噪声和白噪声,降低了噪声,提高了信噪比;多小波既保持了单小波诸多特性,又克服了单小波缺点,拥有对称性、正交性、紧致性、高阶消失矩等许多良好的性质,提高了故障诊断的精确度,降低了***对安装空间的依赖和***复杂度,此外该方法易于实现,过程简洁,适用性广,有良好的实用价值。
附图说明
图1、为本发明整体流程框图。
具体实施方式
下面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、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明提供一种基于相位域自适应滤波的旋转机械故障诊断方法,如图1所示,包括以下步骤:
S1、通过多个传感器采集旋转机械的转子原始振动信号;
S2、采用中值滤波滤除该信号中的脉冲噪声和部分白噪声;
S3、将S2中处理后的振动信号输入到塔式算法中进行多小波变换;
S4、根据信号分析理论,寻找使分解信号能量最大的基元函数组合;
S5、通过连接算法使得所有基元函数信号的总能量最大,进而求得转速信号;
S6、对转速信号进行等角度重采样,对重采样信号进行双谱分析得到最终振动信号的阶比谱;
S7、对最终振动信号的阶比谱进行分析,从最终振动信号中进行旋转设备的故障诊断。
在本实施例中,本发明的诊断方法使用中值滤波方法对旋转机械转子***耦合故障振动信号进行降噪,能够有效滤除脉冲噪声和白噪声,降低了噪声,提高了信噪比;多小波既保持了单小波诸多特性,又克服了单小波缺点,拥有对称性、正交性、紧致性、高阶消失矩等许多良好的性质,提高了故障诊断的精确度,降低了***对安装空间的依赖和***复杂度,此外该方法易于实现,过程简洁,适用性广,有良好的实用价值。
在本实施例中,优选的步骤S1中所述传感器的个数大于或等于可能纯在的故障源个数。
在本实施例中,优选的步骤S1中所述传感器采用加速度传感器或位移传感器。
在本实施例中,步骤S2中包括以下步骤:
S2.1、对原始振动信号进行预处理,包括相干斑抑制,强点剔除和双边滤波,得到预处理后信号;
S2.2、对预处理后信号进行滤波变换,通过多角度多尺度滤波器进行滤波处理,在相位域滤波后进行信号二值化处理,得到无噪声的信号。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (4)
1.一种基于相位域自适应滤波的旋转机械故障诊断方法,其特征在于,包括以下步骤:
S1、通过多个传感器采集旋转机械的转子原始振动信号;
S2、采用中值滤波滤除该信号中的脉冲噪声和部分白噪声;
S3、将S2中处理后的振动信号输入到塔式算法中进行多小波变换;
S4、根据信号分析理论,寻找使分解信号能量最大的基元函数组合;
S5、通过连接算法使得所有基元函数信号的总能量最大,进而求得转速信号;
S6、对转速信号进行等角度重采样,对重采样信号进行双谱分析得到最终振动信号的阶比谱;
S7、对最终振动信号的阶比谱进行分析,从最终振动信号中进行旋转设备的故障诊断。
2.根据权利要求1所述的一种基于相位域自适应滤波的旋转机械故障诊断方法,其特征在于,步骤S1中所述传感器的个数大于或等于可能纯在的故障源个数。
3.根据权利要求1所述的一种基于相位域自适应滤波的旋转机械故障诊断方法,其特征在于,步骤S1中所述传感器采用加速度传感器或位移传感器。
4.根据权利要求1所述的一种基于相位域自适应滤波的旋转机械故障诊断方法,其特征在于,步骤S2中包括以下步骤:
S2.1、对原始振动信号进行预处理,包括相干斑抑制,强点剔除和双边滤波,得到预处理后信号;
S2.2、对预处理后信号进行滤波变换,通过多角度多尺度滤波器进行滤波处理,在相位域滤波后进行信号二值化处理,得到无噪声的信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110843446.0A CN115683580A (zh) | 2021-07-26 | 2021-07-26 | 一种基于相位域自适应滤波的旋转机械故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110843446.0A CN115683580A (zh) | 2021-07-26 | 2021-07-26 | 一种基于相位域自适应滤波的旋转机械故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115683580A true CN115683580A (zh) | 2023-02-03 |
Family
ID=85044881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110843446.0A Withdrawn CN115683580A (zh) | 2021-07-26 | 2021-07-26 | 一种基于相位域自适应滤波的旋转机械故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115683580A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861219A (zh) * | 2023-09-01 | 2023-10-10 | 华能新能源股份有限公司山西分公司 | 一种风电机组变桨故障诊断方法 |
-
2021
- 2021-07-26 CN CN202110843446.0A patent/CN115683580A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116861219A (zh) * | 2023-09-01 | 2023-10-10 | 华能新能源股份有限公司山西分公司 | 一种风电机组变桨故障诊断方法 |
CN116861219B (zh) * | 2023-09-01 | 2023-12-15 | 华能新能源股份有限公司山西分公司 | 一种风电机组变桨故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104655380B (zh) | 一种旋转机械设备故障特征提取方法 | |
Yang et al. | Vibration feature extraction techniques for fault diagnosis of rotating machinery: a literature survey | |
He et al. | Tunable Q-factor wavelet transform denoising with neighboring coefficients and its application to rotating machinery fault diagnosis | |
CN108151869B (zh) | 一种机械振动特征指标提取方法、***及装置 | |
CN112557038A (zh) | 多重降噪处理的轴承早期故障诊断方法 | |
CN111238813B (zh) | 一种强干扰下提取滚动轴承故障特征的方法 | |
CN109883706A (zh) | 一种滚动轴承局部损伤微弱故障特征提取方法 | |
CN114371001B (zh) | 一种齿轮箱故障缺陷检测*** | |
CN109029999B (zh) | 基于增强调制双谱分析的滚动轴承故障诊断方法 | |
Kong et al. | Fault feature extraction of planet gear in wind turbine gearbox based on spectral kurtosis and time wavelet energy spectrum | |
CN112487882B (zh) | 一种基于谱相干生成非稀疏指标指导的增强包络谱的方法 | |
Singh et al. | A review of vibration analysis techniques for rotating machines | |
Elasha et al. | A novel condition indicator for bearing fault detection within helicopter transmission | |
CN110987431B (zh) | 一种基于tqwt辅助spc的轴承状态监测及故障诊断的方法 | |
CN115683580A (zh) | 一种基于相位域自适应滤波的旋转机械故障诊断方法 | |
Chan et al. | A novel, fast, reliable data transmission algorithm for wireless machine health monitoring | |
JP2014010139A (ja) | 動的設備の状態監視システムとその方法とそのプログラム | |
CN112465068A (zh) | 一种基于多传感器数据融合的旋转设备故障特征提取方法 | |
CN112597969A (zh) | 一种滚动轴承故障诊断方法、***及介质 | |
Chen et al. | A fault characteristics extraction method for rolling bearing with variable rotational speed using adaptive time-varying comb filtering and order tracking | |
CN116383629A (zh) | 一种变转速滚动轴承故障诊断方法 | |
CN115235768A (zh) | 一种滚动轴承故障诊断方法及*** | |
CN113049251A (zh) | 一种基于噪声的轴承故障诊断方法 | |
Zhang et al. | Gearbox vibration source separation by integration of time synchronous averaged signals | |
Zhang et al. | Enhanced bearing fault detection and degradation analysis based on narrowband interference cancellation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230203 |
|
WW01 | Invention patent application withdrawn after publication |