CN101344427A - 一种信号中的周期瞬态特征的检测方法 - Google Patents

Abstract

本发明公开了一种信号中的周期瞬态特征的检测方法，利用传感装置输入并进行模/数转换，获得信号x(t)，检测信号x(t)中是否存在周期为T₁，T₂，…或T_m的瞬态特征，m为正整数，其特征在于，包括如下步骤：对信号x(t)进行时频分解，得到信号特征的时频表示TFR_X(t，f)；分别按照周期T₁，T₂，…，T_m，建立m个极坐标映射；将各映射表示在极坐标图上；当对应周期T_n(1≤n≤m)的极坐标图中出现增强的特征表示时，判定待检测的信号中存在有周期为T_n的瞬态特征。本发明方便地实现了周期判断，提高周期判断的效率和准确性，并可实现周期瞬态特征的自动检测；特别适用于对机械设备的故障的自动识别。

Description

一种信号中的周期瞬态特征的检测方法

技术领域

本发明涉及一种信号的分析检测方法，具体涉及一种对信号中的周期瞬态特征进行检测的方法，可用于机械设备的故障诊断与状态监测及生物医学信号的检测。

背景技术

对于信号中的瞬态成分的检测，尤其是具有周期性的瞬态特征的检测，在机械设备的故障诊断与状态监测、生物医学信号的检测等领域具有广泛的应用。由于检测过程中获得的信号中存在着各种原因引起的噪声，因而其中的瞬态成分亦会被噪声污染。

最直接的瞬态成分检测方法就是直接判断时域信号中是否存在瞬态成分，但是由于信号中的瞬态成分往往被夹杂在噪声中，直接判断信号中瞬态成分的准确性较低，效率也较低。

进行自相关表示是检测信号中的周期成分的一种有效方法，但是对于信号中的瞬态成分，由于持续时间短，瞬态成分的分布往往是高斯的，因此通过自相关往往不能得到清晰的特征。

通过信号的功率谱估计也是分析信号中周期特征的一种的常用的方法。但是对于信号中持续时间短的周期瞬态特征，在功率谱中表现为较小的幅值，往往被噪声淹没，同时，瞬态特征本身是高频成分，所以功率谱在高频段且对频率的跨度很大，通过功率谱检测往往不能得到显著的特征。实践中，常用的周期瞬态特征的检测方法是对信号进行包络，然后对包络信号进行自相关或者计算功率谱，自相关所反映的周期或者功率谱所反映的周期就是信号中瞬态成分的周期。但是，该方法需要计算包络，且要求信号的噪声较弱，对于在强噪声中存在的周期瞬态冲击，仍然能力一般。

时频分布(包括小波变换)是分析信号中的瞬态冲击的主要方法，能够将信号的特征表现在时频平面上，从而可以分析信号的瞬态特征在时频平面上的分布情况。然而，对于具有周期性的瞬态特征，需要在时频图上读取周期，这个工作是繁琐的；对信号中的周期的判断依然需要通过手工完成，效率和准确性较低。

发明内容

本发明目的是提供一种信号中的周期瞬态特征的检测方法，以检测信号中的瞬态特征的周期，提高周期判断的效率和准确性。

为达到上述目的，本发明采用的技术方案是：一种信号中的周期瞬态特征的检测方法，利用传感装置输入并进行模/数转换，获得信号x(t)，检测信号x(t)中是否存在周期为T₁，T₂，…或T_m的瞬态特征，m为正整数，包括如下步骤：

(1)对信号x(t)进行时频分解，得到信号特征的时频表示TFR_x(t，f)，其中，t表示时间，f表示频率；

(2)分别按照周期T₁，T₂，…，T_m，依下式

${P_x}^T(r,\mathrm{\θ})=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\left|\mathrm{TF}{R}_x(\mathrm{kT}+\frac{T}{2\mathrm{\π}}\mathrm{\θ},r)\right|$

建立m个映射

Λ，

式中，r为极径，θ为极角，θ∈[0，2π)，n为小于等于m的正整数；

(3)分别将

Λ，表示在极坐标图上；

(4)当对应周期T_n(1≤n≤m)的极坐标图中出现增强的特征表示时，判定待检测的信号中存在有周期为T_n的瞬态特征。

如果信号中存在周期的且具有相同频率特性的瞬态成分，那么小波变换将这些瞬态成分表示在时频平面上相对时间轴等间隔分布的区域，相对于频率轴具有同样的频宽。对信号x(t)进行时频分解，得到其时频表示为TFR_x(t，f)，给定周期T，令：

${P_x}^T(r,\mathrm{\θ})=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\left|\mathrm{TF}{R}_x(\mathrm{kT}+\frac{T}{2\mathrm{\π}}\mathrm{\θ},r)\right|$

其中：r为极径，θ为极角，θ∈[0，2π)，n为正整数。

则上式将时间频率平面上的点映射到极坐标平面上P_x(r，θ)，且P_x(r，θ)反映了时间频率平面上同一频率、等时间间隔的所有系数绝对值的和。

显然，如果信号x(t)中存在周期为T的成分，那么信号特征的时频表示TFR_x(t，f)也有存在周期为T的成分，这一点可以由连续小波变换的线性性质确定。那么，将存在周期为T的成分的时频表示TFR_x(t，f)进行上式所示的变换，则信号x(t)中有关于τ的周期成分，且信号x(t)中周期为T的成分在极坐标上映射为一点。

所以，如果信号x(t)中存在周期为T的成分，首先进行连续时频表示，然后建立从平面直角坐标到极坐标的映射，则信号中的周期成分可以映射到极坐标平面上的一点，且该点系数的大小是各个周期点系数绝对值之和的大小，因而周期特征相对于信号x(t)或者其特征的时频表示TFR_x(t，f)是增强的。因为这种增强策略适用于周期信号中的周期成分，且在将直角坐标映射到极坐标的过程中，采用的周期是与信号的周期同步的，所以可以把这种策略称为“基于时频表示的周期特征的极坐标同步增强方法”。

对于具有周期特征的旋转设备故障，在时频表示的基础上，如果将瞬态特征的周期与极坐标的2π对应，而将同一频率、所有2kπ处的时频系数相加，将直角坐标转换为极坐标，则信号的瞬态特征的时频分布将映射在极坐标上的同一角位置，并且得到加强。

因而，上述信号中的周期瞬态特征的检测方法可以应用于设备故障检测中，在待检测设备的壳体上安装加速度传感器，检测设备的振动加速度信号，作为检测信号x(t)，根据设备可能的故障位置确定检测信号中对应可能存在的各周期值，采用上述的检测方法对检测信号进行检测，当检测信号中存在有周期为T_n的瞬态特征时，则判定设备中对应该周期的可能故障位置存在有故障。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：

1.本发明通过首先对信号进行时频分解，再将直角坐标转换为极坐标的方法，可以使对应周期的信号的瞬态特征映射在极坐标中的同一角位置，并得到加强，由此方便地实现周期判断，提高周期判断的效率和准确性，进一步，结合极坐标的图像识别，可以实现周期瞬态特征的自动检测。

2.通过对机械设备的振动信号的瞬态特征的周期检测，本发明可以实现对机械设备的故障的自动识别。

附图说明

图1是实施例一中轴承无故障时的时域波形图与相应的时间尺度特征；

图2是实施例一中轴承内圈故障时的时域波形图与相应的时间尺度特征；

图3是实施例一中轴承外圈故障时的时域波形图与相应的时间尺度特征；

图4是实施例一中轴承滚动体故障时的时域波形图与相应的时间尺度特征；

图5是实施例一中轴承无故障时的极坐标示意图；

图6是实施例一中轴承内圈故障时的极坐标示意图；

图7是实施例一中轴承外圈故障时的极坐标示意图；

图8是实施例一中轴承滚动体故障时的极坐标示意图；

图9是实施例二中齿轮箱内部传动结构示意简图；

图10是实施例二中齿轮箱三档齿轮正常状态时的时域波形和时间尺度特征；

图11是实施例二中齿轮箱三档齿轮正常状态的极坐标增强特征表示图；

图12是实施例二中齿轮箱三档齿轮断齿状态的时域波形和时间尺度特征；

图13是实施例二中齿轮箱三档齿轮断齿时的极坐标增强特征表示图。

具体实施方式

下面结合附图及实施例对本发明作进一步描述：

实施例一：一种轴承局部故障的检测

轴承的外圈、内圈和滚动体是轴承故障的主要发生部位，发生在这些部位的局部故障(如局部的剥落、腐蚀等)往往会导致轴承振动中出现瞬态冲击，在轴承转速恒定的情况下，振动信号中存在周期的瞬态冲击。然而，由于局部故障引起的振动的持续时间短，同时该瞬态冲击往往是夹杂在背景噪声中，表现不明显，表现为时域信号的能量增加不显著，在频域内的频带较宽，不易检测。

实验对象为安装在减速机轴端的圆锥滚子轴承，型号为33207。试验时压电加速度传感器安装在减速机壳体上接近轴承的位置。振动加速度信号经压电加速度传感器、电荷放大器后由计算机采集并存储。

试验是在设置故障的状态下进行的。分别设置轴承的典型故障：内圈局部故障、外圈故障局部和滚动体局部故障。在这种情况下，根据轴承的结构参数和实验时转速1430r/min，计算各种运动学参数，如表1。表1中的周期表明，在轴承的外圈发生局部故障时候，振动信号中存在发生周期为0.0059s的周期冲击成分，同样在内圈和滚动体故障局部故障时，分别存在发生周期为0.00426s和0.0143s的冲击特征。

表1轴承33207的运动学参数

采集轴承正常和外圈局部故障、内圈局部故障和滚动体局部故障时的振动信号，并对这些信号进行连续小波变换。图1至图4分别是轴承无故障以及轴承内圈故障、外圈故障、滚动体故障时的时域波形图与相应的时间频率特征表示。从图中可以看出，信号时域波形对信号的故障特征的表示是不直接的，需要仔细在噪声中区分辨认瞬态冲击的存在及其周期。同样，在时间频率图中，反映故障的瞬态特征也需要根据分解系数的大小分布情况辨认才能确定。

采用连续小波变换，分别对输入的振动信号进行时频表示，此处采用的具体方法是连续小波变换，得到信号的时频表示TFR_x(t，f)，然后分别对应三个周期T₁＝0.00426，T₂＝0.0059，T₃＝0.0143，依下式

${P_x}^T(r,\mathrm{\θ})=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\left|\mathrm{TF}{R}_x(\mathrm{kT}+\frac{T}{2\mathrm{\π}}\mathrm{\θ},r)\right|$

式中，r为极径，θ为极角，θ∈[0，2π)，n为小于等于3的正整数；

将信号的时频特征映射到极坐标平面，并将结果表示在极坐标图上，如图5-图8所示。图中，(a)T₁＝0.00426，(b)T₂＝0.0059，(c)T₃＝0.0143。

从图5可以看出，在轴承正常时候，由于轴承的振动信号中不存在明显的周期瞬态冲击成分，即在时间频率特征表示中，不存在明显的周期特征分布，所以在与三个周期对应的同步增强特征表示中没有明显的增强区域，这种情况表示了不存在与设定的三个周期对应的故障。

从图6可以看出，当轴承的内圈故障时，在与滚动体通过内圈故障部位的周期对应的特征图上，存在一个特征系数较大的区域，说明冲击特征得到加强，如图6(a)所示，这就说明信号中反映局部故障的冲击的周期是0.00426，因而说明内圈存在局部故障，引起轴承振动的冲击。而在图6(b)和图6(c)中，显然特征系数较大的区域零散分布在整个图上，说明信号中的特征不能得到加强，也说明信号的冲击的周期不是0.0059和0.0143，就说明与这两个周期对应的外圈和滚动体不存在局部故障。

同样，根据图7，可以判断所分析的信号反映的是外圈存在局部故障，根据图8，可以判断所分析的信号反映的是滚动体存在局部故障。

从本实施例可以看出，同步增强特征表示法能够将轴承的故障以一种简洁而易读的形式表示在极坐标图上，实现了轴承局部故障的监测与诊断。

同步增强的周期瞬态特征的自动检测方法的特点决定了该方法适用于引起振动存在周期特征的，在时频特征表示中存在对时间的周期特征分布，进而在极坐标中可以得到增强的特征。同时该方法对一个信号对所有的周期进行映射表示，因此该方法只能适用于有限周期特征的故障检测。

实施例二：齿轮断齿故障检测

齿轮的某个齿断裂后，会引起振动信号中存在瞬态冲击成分，且该成分加载在噪声和齿轮的啮合频率中，需要进行检测才能以清晰的特征表示出来。

对象为某汽车变速器的三档啮合齿轮故障的检测，齿轮箱的动力传递结构如图9所示。试验过程中在变速器的壳体上安装压电加速动传感器，用于拾取振动加速度信号。振动加速度信号经压电加速度传感器、电荷放大器后由计算机采集并存储。

对于该齿轮箱的三档齿轮，周期有4个：分别是主动齿轮的旋转周期、被动齿轮的旋转周期、常啮合主动齿轮的旋转周期、常啮合被动齿轮的旋转周期。这四个周期分别为：(a)T＝0.050(b)T＝0.054(c)T＝0.040(d)T＝0.030。对三档啮合状态下的振动信号特征进行极坐标同步增强检测。

由图10与图11，可见在三档不存在故障的情况下，振动信号中没有明显的冲击存在，在信号的时间尺度特征表示中也不存在明显的周期特征；相应地对此信号进行四个可能的故障周期进行特征增强表示，以检测信号中是否含有与这四个周期相对应的周期中级特征，结果表明，与四个周期对应的同步增强特征表示中没有明显的增强区域，这种情况表示了不存在与设定的四个周期对应的故障。

由图12与图13，可见而当三档齿轮存在断齿故障时，振动信号中存在周期性冲击成分，这个冲击成分的周期是0.05秒，这个特征在信号的时间尺度特征表示中也表现为明显的周期特征，但是周期需要人工判读；相应的对此信号进行四个可能的故障周期进行特征特征增强表示，以检测信号中是否含有与这四个周期相对应的周期中级特征，结果表明，在与四个周期对应的特征极坐标增强表示中，只有与0.05秒对应的那个极坐标图上存在明显的增强特征，而其他三个极坐标特征增强图上不存在明显的增强特征。所以，通过极坐标增强表示检测出了信号中存在周期为0.05秒的瞬态冲击成分。而0.05秒的周期正式三档主动齿轮的周期，所以可以判断此时在三档主动齿轮存在局部故障；而另外三个周期对应的同步增强特征表示中没有明显的增强区域，这种情况表示了不存在与这三个周期对应的故障。这个结论与实际是一致的，说明应用同步增强特征表示能够有效检测信号中存在的有限个周期瞬态冲击特征。

Claims (2)

1.一种信号中的周期瞬态特征的检测方法，利用传感装置输入并进行模/数转换，获得信号x(t)，检测信号x(t)中是否存在周期为T₁，T₂，…或T_m的瞬态特征，m为正整数，其特征在于，包括如下步骤：

(1)对信号x(t)进行时频分解，得到信号特征的时频表示TFR_x(t，f)，其中，t表示时间，f表示频率；

(2)分别按照周期T₁，T₂，…，T_m，依下式

$P_x^T(r,\mathrm{\θ})=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}\left|{\mathrm{TFR}}_x(\mathrm{kT}+\frac{T}{2\mathrm{\π}}\mathrm{\θ},r)\right|$

建立m个映射 $P_x^{T_1}(r,\mathrm{\θ}),P_x^{T_2}(r,\mathrm{\θ}),\mathrm{\Λ},P_x^{T_m}(r,\mathrm{\θ}),$

式中，r为极径，θ为极角，θ∈[0，2π)，n为小于等于m的正整数；

(3)分别将 $P_x^{T_1}(r,\mathrm{\θ}),P_x^{T_2}(r,\mathrm{\θ}),\mathrm{\Λ},P_x^{T_m}(r,\mathrm{\θ})$ 表示在极坐标图上；

(4)当对应周期T_n(1≤n≤m)的极坐标图中出现增强的特征表示时，判定待检测的信号中存在有周期为T_n的瞬态特征。

2.权利要求1所述信号中的周期瞬态特征的检测方法在设备故障检测中的应用，其特征在于：在待检测设备的壳体上安装传感器，检测设备的振动信号，作为检测信号x(t)，根据设备可能的故障位置确定检测信号中对应可能存在的各周期值，采用权利要求1所述的检测方法对检测信号进行检测，当检测信号中存在有周期为T_n的瞬态特征时，则判定设备中对应该周期的可能故障位置存在有故障。

Images