System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种适用于变转速工况的特征模式分解方法技术_技高网

一种适用于变转速工况的特征模式分解方法技术

技术编号:43141841 阅读:0 留言:0更新日期:2024-10-29 17:44
本发明专利技术涉及一种适用于变转速工况的特征模式分解方法,首先利用传感器采集原始振动信号和速度信号,截取分析片段;然后通过汉宁窗初始化一组FIR滤波器,对采集信号做滤波处理,选择出使得滤波结果的平均峭度最大的故障特征频次进行后续计算;采用求导方法,以平均峭度为目标函数,迭代更新滤波器系数;每组迭代过后,依据分解模式间的相关系数和其平均峭度值对模式进行筛选,最终保留预设的模式数,即为表征机械故障特征信号的分解模式;最后对分解模式进行阶次包络分析,识别轴承故障部件。本发明专利技术利用了汉宁窗初始化滤波器组,可快速锁定故障频带;以平均峭度为目标函数,对于变转速工况具有优秀的适应性,对随机冲击噪声具有较强的鲁棒性;采用一组滤波器对信号进行滤波和筛选,最终能够诊断出多个故障模式。本发明专利技术可有效应用于变转速的工况和多故障混合的情况。

【技术实现步骤摘要】

本专利技术涉及旋转机械设备故障信号分解诊断,特别涉及一种适用于变转速工况的特征模式分解方法


技术介绍

1、旋转机械设备的智能化和集成化程度不断提高,其安全稳定运行也备受重视。振动分析,是对旋转机械设备进行故障诊断最有效的方法之一。由于轴承或齿轮在早期故障阶段会引发周期性的冲击信号,依据周期性和冲击性这两个特点,可以对信号中的故障成分进行提取。但是,随着现代机械设备的集成化发展,振动分析存在三大问题:第一,大型设备零部件复杂,激励源众多,在采集到的振动信号中混杂着多种信号,难以将其分离开,进行全面的故障特征提取;第二,机械设备通常是在变转速、变负载等非平稳工况下运行的,这使得故障成分在时域上的周期性弱化消失,在信号包络谱中表示故障特征频率的谱线也模糊混乱,故障特征难以辨别;第三,机械故障产生的冲击信号在激励源到传感器的传递路径中,会受到幅值和转频上的调制,以及多种噪声干扰,将故障特征信号精细地还原出来较为困难。

2、目前,解卷积方法和分解方法提取故障信号较为有效的两类方法。解卷积方法针对信号中故障成分的特征,构造一个自适应的逆滤波器,对振动信号进行处理,以期还原出故障特征信号。分解方法依据某种分解准则,构造一种分解算法,将信号中的各种成分分离开,得到表征故障的分解模式。解卷积方法虽能较为精细完备地提取故障特征,但其采用最优选择策略,难以同时滤波出离散的多种故障成分;分解方法可以分离多种信号成分,但大多数分解方法并不是在机械故障诊断领域提出,也无法针对机械具体的工况进行自适应和优化。


技术实现思路

1、为为了克服上述缺点,本专利技术提供一种适用于变转速工况的特征模式分解方法,在转速变化的情况下,实现对多种故障成分的分离,实现精确的故障诊断。

2、本专利技术采取的技术方案为:

3、适用于变转速工况的特征模式分解方法,包括以下步骤:

4、步骤一:将振动加速度传感器固定于待测滚动轴承的轴承座上,对测试到的信号进行高频采样、去均值处理,将处理后的信号记为x(n),信号的长度为n,设定模式数n和滤波器长度l;

5、步骤二:初始化一组模式分解滤波器。将信号频带平均分为k个窄带,窄带的上下截止频率fl和fu满足

6、

7、其中fz为测试信号的采样频率。在每个窄带上汉宁窗初始化长度为l的滤波器。采用汉宁窗初始化均匀分布于整个分析频带的滤波器组{fk,k=1,2,…,k},每个滤波器的长度为l;

8、步骤三:利用轴承各部件的故障特征频率作为先验知识,对信号进行预滤波,并计算滤波结果的平均峭度值

9、

10、其中km为信号每个故障周期的峭度,表示为

11、

12、其中n1,n2,n3,...,nm为第m个故障周期的起始采样点,m为故障周期总数。对于每个故障周期的起始采样点,利用理论内圈相位间隔θ(m)在角域上进行划分,然后与实际采样点对应的相位θ(n)进行对比得到。其中,θ(m)和θ(n)分别表示为

13、

14、其中,fco为故障特征频次,m为故障周期数。

15、

16、其中,n为采样点,fs为采样率,ft为键相传感器获取的转速信号,单位为r/s。选择使得滤波结果平均峭度值最大的故障特征阶次,进行后续计算;

17、步骤四:初始化滤波次数i=1,利用初始滤波器组中的k个滤波器对测试信号x(n)进行滤波处理,得到k个分解模式

18、

19、其中

20、

21、步骤五:使用滤波器和故障特征阶次更新滤波器,滤波记数i增加1。迭代计算过程以平均峭度指标最大为目标,要求解滤波器满足

22、

23、其中,uk(n)为滤波后的模式,xk(n)是输入信号和滤波器fk(l)的卷积,满足

24、

25、采用求导方法,求解ak最大值。令

26、

27、最终化简可得

28、

29、令可简化为矩阵形式

30、

31、设置最大迭代次数,对滤波器系数进行循环迭代求解。

32、步骤六:判断是否达到预设迭代次数,如达到,进行步骤七,否则返回步骤五;

33、步骤七:得到第k个滤波器算得的分解模式;

34、步骤八:计算各分解模式之间的相关系数矩阵cc(k×k),在具有最大相关系数的两个模式中,舍弃平均峭度值较小的模式,设置模式数k=k-1;

35、步骤九:判断此时模式数是否达到预设模式数n,若达到,输出最终的n个分解模式;若没有达到,返回步骤四.

36、本专利技术相比于传统技术,具有以下优势:

37、本专利技术使用平均峭度作为目标函数,同时考虑了故障信号的周期性和脉冲性,对于变转速的工况具有良好的适应性。

38、采用汉宁窗初始化滤波器组,可有效提升滤波过程的效率,更快得到故障信号成分。

39、本专利技术使用自适应滤波,不受滤波器形状的约束,并且能够自适应调整滤波器中心频率与带宽,有助于精细提取故障特征信号,对复杂频带特征具有较强的适应性。

本文档来自技高网...

【技术保护点】

1.一种适用于变转速工况的特征模式分解方法,其特征在于:包括以下步骤:

【技术特征摘要】

1.一种适用于变转速工况的特征模式分...

【专利技术属性】
技术研发人员:苗永浩刘彦彤胡森夏雨林京
申请(专利权)人:北京航空航天大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1