CN101603854A - 旋转机械启停阶段非平稳振动信号瞬时频率估计算法 - Google Patents

Abstract

本发明涉及一种旋转机械启停阶段非平稳振动信号瞬时频率估计算法，首先建立旋转机械转子实验台工作模型，在参考轴水平、垂直方向安装测量振动信号的非平稳振动信号传感器，以及测量参考轴旋转速度的光电传感器；通过动态信号分析仪对获得的信号经上位机阶比分析软件分析后，得到含有多阶分量的STFT时频谱图；将旋转机械的工作频率作为估算的起始频率点，根据采样频率和计算精度的要求将STFT时频分析得到的频率等分成M组，启停阶段等分成N个时间点建立N个时间点和M组频率点的网格面；通过Viterbi算法计算起止间的最小偏差频率点的路径，拟合后获得旋转机械启停阶段非平稳振动信号参考轴的瞬时频率估计函数值。

Description

旋转机械启停阶段非平稳振动信号瞬时频率估计算法

技术领域

本发明涉及一种旋转机械启停阶段非平稳振动信号的瞬时频率估计算法，是一种基于Viterbi算法的旋转机械振动信号的瞬时频率估计算法。

背景技术

旋转机械故障诊断是近年来国内外发展较快的一门新兴技术，在航空、大型石油、电力、化工行业的发动机、气轮机、发电机、鼓风机等旋转机械设备中有着广泛的应用前景。大型旋转机械振动监测与诊断系统的研究与应用对于避免巨额的经济损失和灾难事故的发生有着重要意义。在故障诊断过程中，尤其是启停非平稳阶段，最重要、最关键而且最困难的问题就是故障特征信息提取。这是故障诊断中的瓶颈问题，直接关系到故障诊断的准确率和故障早期预报的可靠性。因此，为了从根本上解决故障诊断信息提取这个关键问题，必须借助于信号处理、特别是现代信号处理的理论方法和技术手段。从而，阶比分析技术应运而生。然而，如何精确地获得参考轴转速对应的瞬时频率估计(IFE)，对旋转机械升降速阶段振动信号阶比分析则显得尤为重要。瞬时频率估计在原理上利用了参考轴瞬时转速RPM_i(t)(t为时间，i表示瞬时)和瞬时频率f_i(t)的对应关系：RPM_i(t)＝60f_i(t)，实现了无须安装鉴相装置的情况下获取参考轴瞬时频率值。

Boashash对1992年以前出现的瞬时频率估计算法做了较为详细的综述分析，从物理学观点出发对多分量信号的估计算法进行了简单分类，其中包括相位差分法、相位建模法、时频分布(TFD)中心距法、时频分布谱峰检测法等几种算法，并指出了各种算法的适用性及存在的优缺点。谱峰检测法是目前常用的检测多分量信号瞬时频率的方法，主要包含：基于TFD的谱峰检测、基于短时傅立叶变换(STFT)的谱峰检测、基于线性调频小波变换(CT)的谱峰检测、基于离散演变变换(DET)的谱峰检测法及一种改进的Wigner Distribution的瞬时频率谱峰检测法等。在这些方法中，STFT又以其线性时频变换、不存在交叉项等优点应用最为广泛。

针对旋转机械振动信号的瞬时频率估计，目前用到的方法是传统的STFT谱峰检测法。传统的STFT谱峰检测法求取多分量信号的瞬时频率，一般是通过时频滤波将其它分量遮隔进而求取某一分量的IF，依次递推，从而求取所有分量瞬时频率。但是STFT谱峰检测法存在以下缺陷：一是遮隔技术增加了该类算法的计算量；二是在对某一分量信号进行遮隔时，需要设定滤波宽度，带宽的设定影响了瞬时频率估计精度；三是复杂的旋转机械设备在升降速阶段的振动信号中则有可能产生邻近阶比和交叉阶比分量，该方法则无能为力；四是在高噪声、高干扰情况下，STFT谱峰检测法精度低，若依据偏差较大的估计值进行阶比分析，则阶比分析结果不具可信度，甚至是错误的。

将STFT谱峰检测与Viterbi算法结合对旋转机械启停阶段非平稳振动信号的瞬时频率估计(我们把它自定义为STFT_VF算法，下同)，目前未见报道。

发明内容

本发明的目的在于：针对目前旋转机械振动信号的瞬时频率估计算法存在的问题，尤其是广泛使用的STFT谱峰检测法存在的遮隔时滤波带宽会影响瞬时频率估计精度、检测中对邻近阶比和交叉阶比分量无能为力、在高噪声、高干扰情况下STFT谱峰检测法精度低等一系列问题，提供一种新的旋转机械启停阶段非平稳振动信号瞬时频率估计算法。

本发明的目的是这样实现的：一种旋转机械启停阶段非平稳振动信号瞬时频率估计算法，包括STFT谱峰检测，其特征在于：以启停阶段非平稳振动信号的STFT时频谱为基础，利用Viterbi算法进行估算，具体方法是：

a)在试验台上建立被测旋转机械的工作模型，以电动机驱动的旋转机械转轴为被测定轴，在被测定轴的水平和垂直方向安装非平稳振动信号传感器，来测量轴在启停阶段的非平稳振动信号；同时安装测量参考轴转速的光电传感器；

b)通过动态信号分析仪获得试验台启动或停止阶段参考轴水平振动信号、垂直振动信号、参考轴转速，再经上位机阶比分析软件进行分析，从而获得含有多阶分量的STFT时频谱图；

c)将旋转机械的工作频率作为估算的起始频率点；

d)根据采样频率和计算精度的要求将STFT时频分析得到的频率等分成M组，以参考轴工作频率作为起始频率点。启动阶段按STFT分析得到的N个时间点从t_N到t₀计算；停机阶段按STFT分析得到的N个时间点从t₀到t_N计算。建立启动过程和停机过程中N个时间点和M组频率点的网格面；

e)在N个时间点和M组频率点的网格中，通过Viterbi算法计算由起始点到终点间非平稳振动信号参考轴瞬时最小偏差频率点的路径，对该组最小偏差频率点进行集合，即为旋转机械启停阶段参考轴的瞬时频率曲线，从而获得旋转机械启停阶段非平稳振动信号参考轴的瞬时频率估计函数值。

在本发明中：非平稳振动信号传感器为测量轴振的非接触式电涡流传感器，或测量瓦振的速度传感器；非平稳振动信号传感器通常是在水平和垂直方向上测量旋转机械振动信号。

在本发明中：参考轴是指：以电机驱动的旋转机械转轴；在试验台上建立被测旋转机械的工作模型是指：在参考轴上安装转子，从而能够实现在转子实验台上模拟现实旋转机械故障，建立旋转机械转子实验台的工作模型。

在本发明中：参考轴是指：电动机驱动的旋转机械转轴；在试验台上建立被测旋转机械的工作模型是指：将电动机与试验台的转轴对接，形成被测定轴的工作模型。

本发明的优点在于：STFT_VF算法和传统的STFT谱峰检测瞬时频率估计相比，其不再采用滤波技术而是将Viterbi算法引入STFT谱峰检测中。因此具有以下优点：(1)在高噪声和强干扰的情况下，传统的STFT谱峰检测瞬时频率估计算法因时频滤波带宽的影响精度低，若依据偏差较大的估计值进行阶比分析，则阶比分析结果不具可信度，甚至是错误的；而STFT_VF算法能够实现高精度的参考轴瞬时频率估计。(2)STFT_VF算法采用加比选较小偏差策略，在保证精度的提前下提高了计算效率。(3)STFT_VF算法的实现，解除了阶比分析技术对鉴相装置的依赖，实现了纯软件的阶比分析技术。(4)STFT_VF算法能够实现对复杂旋转机械非平稳振动信号的邻近阶比和交叉阶比分量分离，而传统的STFT谱峰检测算法则无能为力。

附图说明

图1是在转子试验台上建立工作模型的实施例；

图2是图1实施例的启动阶段含有多阶分量的STFT时频谱图；

图3是图1实施例经过STFT_VF算法后获得的启动阶段非平稳振动信号参考轴的瞬时频率估算的函数曲线；

图4是在试验台上建立卧式螺旋离心机(简称卧螺机，下同)工作模型的实施例；

图5是图4实施例停机阶段含有多阶分量的STFT时频谱图；

图6是图4实施例经过STFT_VF算法后获得的停机阶段非平稳振动信号参考轴的瞬时频率估算的函数曲线；

图7是Viterbi算法实现过程的网格模型推演。

图中：1、试验台，2、参考轴，3、转子，4、水平方向电涡流传感器，5、垂直方向电涡流传感器，6、水平方向速度传感器，7、垂直方向速度传感器，8、光电传感器，9、动态信号分析仪，10、上位机，11、电动机，12、卧式螺旋离心机

具体实施方式

实施例1

被测旋转机械：转子实验台，工作频率为100Hz

试验台：扬州联能生产的旋转机械转子实验台

动态信号分析仪：OROS R3.4动态信号分析仪

非接触式电涡流位移传感器：CWY-DO-502非接触式电涡流位移传感器

光电传感器：扬州联能生产

电脑：CPU为Pentium以上，内存不少于256M，1G剩余硬盘空间

应用软件：旋转机械阶比分析软件(OrdTra)

本实施例以对旋转机械启动阶段参考轴瞬时频率进行估算。

由图1可见在试验台1上建立被测旋转机械的工作模型：转子实验台转轴为参考轴2；在参考轴2上安装转子3；在参考轴的水平方向安装非接触式电涡流传感器4；在参考轴的垂直方向安装非接触式电涡流传感器5；在试验台1的基座上安装测量参考轴2转速的光电传感器8。

经过动态信号分析仪9获得启动阶段参考轴2的水平方向振动信号、垂直方向振动信号、参考轴转速(转速测量取值以脉冲前沿为触发参考)，经上位机10的阶比分析软件处理后，从而得到转子实验台启动阶段多分阶信号的STFT时频谱图(见图2)。

实施例2

被测旋转机械：L504C的卧式螺旋离心机，工作频率为55Hz

动态信号分析仪：OROS R3.4动态信号分析仪

测量瓦振的传感器：本特利速度传感器9200，灵敏度20mv/mm/s

非接触式电涡流位移传感器：东南仪器厂生产，灵敏度8v/mm

光电传感器：东南仪器厂生产

电脑：CPU为Pentium以上，内存不少于256M，1G剩余硬盘空间

应用软件：旋转机械阶比分析软件(OrdTra)

本实施例以对旋转机械停机阶段参考轴瞬时频率进行估算。

由图3可见，在试验台1上建立被测旋转机械的工作模型是：将被测定轴2(以大端为例)与试验台1的电动机11对接，在被测定轴2上安装测量轴振的非接触式电涡流位移传感器4；在卧螺离心机的机座上安装一组测量瓦振的速度传感器：水平方向的速度传感器6，垂直方向速度传感器7；同时在试验台1的基座上安装测量参考轴转速的光电传感器8。

通过动态信号分析仪9获得卧螺离心机停止阶段被测定轴2的水平振动信号、垂直振动信号、转轴转速(转速测量取值以脉冲前沿为触发参考)，再经上位机10的阶比分析软件处理，从而形成含有停机阶段多阶信号STFT时频谱图(见图4)。

实施例3

Viterbi算法的实现过程

根据采样频率和计算精度的要求将STFT时频分析得到的频率等分成M组，以参考轴工作频率作为起始频率点。启动阶段根据STFT分析得到的N个时间点从t_N到t₀计算；停机阶段根据STFT分析得到的N个时间点从t₀到t_N计算。建立启动过程和停机过程中N个时间点和M组频率点的网格面；

在一个由N个时间点和M组频率点组成的网格面中，求取第一个时间点对应的最优频率点到最后一个时间点对应的最优频率点的最优路径。

对于任意时间间隔n∈[n_i，n_i+1]，n_i、n_i+1之间的所有路径属于K。n_i、n_i+1两点之间的最佳路径表达式

$\widehat{\mathrm{\ω}}\left(n\right)=\arg \underset{k\left(n\right)\∈K}{\min }\left[\underset{n=n_i}{\overset{n_{i+1}}{\mathrm{\Σ}}}g(k\left(n\right),k(n+1))\right]=\arg \underset{k\left(n\right)\∈K}{\min }\mathrm{\Γ}(k\left(n\right);n_i,n_{i+1})---\left(1\right)$

式中Γ(k(n)；n_i，n_i+1)是由n_i到n_i+1沿路径k(n)的代价函数。函数g(x，y)＝g(|x-y|)，它是关于|x-y|的非增函数，代表x与y之间的绝对差值，即x＝k(n)和y＝k(n-1)两个连续时间点之间的距离。

$g(x,y)=\left\{\begin{array}{cc}0,& |x-y|\≤{\mathrm{\Δ}}_1\\ c\left(\right|x-y|-{\mathrm{\Δ}}_1)& {\mathrm{\Δ}}_2\≥|x-y|>{\mathrm{\Δ}}_1---\left(2\right)\\ c({\mathrm{\Δ}}_2-{\mathrm{\Δ}}_1)& |x-y|>{\mathrm{\Δ}}_2\end{array}\right.$

其中，Δ₁、Δ₂为阈值，其最优选择为两个连续点状态变化的最大期望值。在两个连续时间点对应的状态点变化小于Δ₁时，则代价函数为0。x和y之间状态突变时，其代价函数为c(Δ₂-Δ₁)。

Viterbi算法的迭代运算过程：

(1)选取从n₁时刻到n_i时刻的局部最优路径。将n₁时刻到n_i时刻的局部最优路径用π_i(n，ω_j)表示，其中n∈[n₁，n_i]，j∈[1，M]，i∈[1，N]

${\mathrm{\π}}_i(n,{\mathrm{\ω}}_j)=\arg \min \mathrm{\Γ}(\underset{k\left(n\right)\∈K_{\mathrm{ij}}}{k\left(n\right)};n_1,(n_i,{\mathrm{\ω}}_j))---\left(3\right)$

Γ(k(n)；n₁，(n_i，ω_j))是由n₁到n_i沿路径k(n)的代价函数和，K_ij包含从时刻n₁到点(n_i，ω_j)的所有路径。从n₁到n_i的最佳状态估计为：

${\widehat{\mathrm{\ω}}}_{\left(i\right)}=\arg \underset{\mathrm{\π}(n;\mathrm{\ω}),j\∈[1,M]}{\min }\mathrm{\Γ}({\mathrm{\π}}_i(n,{\mathrm{\ω}}_j);n_1,(n_i,{\mathrm{\ω}}_j))---\left(4\right)$

(2)第二步：确定当前时刻n_i到下一时刻n_i+1的最优路径，用式(4)求得的n₁到n_i的最优路径和n_i+1时刻的最优路径直接连接，得

π_i+1(n；ω_j)＝[π_i(n；ω_l)，(n_i+1，ω_j)]    (5)

其中，j∈[1，M]，l∈[1，M]，对每一个ω_j，j∈[1，M]，计算(4)的最小值，

Γ(π_i(n；ω_l)；n₁，(n_i，ω_l))+g(ω_l，ω_j)    (6)

为了确定式(5)的最小值，本文采用|ω_j-ω_l|的线性增加函数g(ω_l，ω_j)

①设ρ＝Δ；

②

$\hat{l}=\arg {\min }_{l\∈[j-\mathrm{\ρ},j+\mathrm{\ρ}]}[\mathrm{\Γ}({\mathrm{\π}}_i(n;{\mathrm{\ω}}_l);n_1,(n_i,{\mathrm{\ω}}_l))+g({\mathrm{\ω}}_l,{\mathrm{\ω}}_j)]$

π_i+1′(n；ω_j)＝[π_i(n；ω_j)，(n_i+1，ω_j)]；

③如果

$\mathrm{\&Gamma;}({\mathrm{\&pi;}}_i(n;{\mathrm{\&omega;}}_{\hat{l}});n_1,(n_i,{\mathrm{\&omega;}}_{\hat{l}}))+g({\mathrm{\&omega;}}_{\hat{l}},{\mathrm{\&omega;}}_j)<g({\mathrm{\&omega;}}_{j+\mathrm{\&rho;}+1},{\mathrm{\&omega;}}_j)+\min [{\mathrm{\&pi;}}_i(n,{\mathrm{\&omega;}}_j),j=1,M]$ 那么π_i+1(n；ω_j)＝π_i+1′(n；ω_j)为最优路径，停止搜索；否则，ρ＝ρ+1然后重复步骤②。

依据计算后获得实施例1，旋转机械启动阶段非平稳振动信号的STFT时频谱图(见图2)；旋转机械启动阶段非平稳振动信号参考轴的瞬时频率估算的函数曲线(见图3)。

依据计算后获得实施例2，旋转机械停机阶段非平稳振动信号的STFT时频谱图(见图5)，图5的颜色深浅代表振动信号幅值的高低，从图中可以看出振动信号中除了卧螺机各阶振动信号外，还包含了高噪声信号；利用SFTF_VF算法对高噪声、高干扰卧螺离心机停机阶段非平稳振动信号进行参考轴瞬时频率估算的函数曲线(见图6)。

实施例4

Viterbi算法实现过程的网格模型推演，对本发明作进一步的描述。

计算过程中，假设每一步最多保存4条幸存路径。

如图7，假设有6(N＝6)个时间点，4(M＝4)组频率点的网格面建立，两点之间的数值为代价函数值，作为幸存路径选取的依据(代价函数值和最小)，如图7(a)所示。

第一步：针对图7(a)中，以(n₁，m₁)作为起始点，计算(m₁，m₁)点到(n₂，m_j)点之间的幸存路径，从图中可以看出，从(n₁，m₁)点到(n₂，m_j)点有两条代价函数值为1的路径。根据每一步保留4条幸存路径的原则，因此在图7(b)中保留了(n₁，m₁)→(n₂，m₁)和(n₁，m₁)→(n₂，m₃)两条路径。

第二步：在图7(b)的基础上计算(n₂，m₁)点和(n₂，m₃)点到(n₃，m_j)之间的幸存路径。结合图7(a)和图7(b)可以看出(n₂，m₁)点和(n₂，m₃)点到(n₃，m_j)之间共有4了路径：(n₂，m₁)点到(n₃，m₁)的代价函数值为1，则(n₁，m₁)到(n₃，m₁)路径的代价函数值和为2；(n₂，m₁)点到(n₃，m₃)点的代价函数值为1，则(n₁，m₁)到(n₃，m₃)的代价函数值和为2；(n₂，m₃)点到(n₃，m₂)的代价函数值为2，则(n₁，m₁)到(n₃，m₂)的代价函数值和为3；(n₂，m₃)点到(n₃，m₄)点的代价函数值为0，则(n₁，m₁)到(n₃，m₄)的代价函数值和为1。根据每一步保留4条幸存路径的原则，则在图7(c)中保留了(n₁，m₁)→(n₂，m₁)→(n₃，m₁)、(n₁，m₁)→(n₂，m₁)→(n₃，m₃)、(n₁，m₁)→(n₂，m₃)→(n₃，m₂)、(n₁，m₁)→(n₂，m₃)→(n₃，m₄)四条路径。

第三步：计算(n₃，m₁)点、(n₃，m₂)点、(n₃，m₃)点和(n₃，m₄)点到(n₄，m_j)之间的幸存路径，结果如图7(d)。从图7(a)中可看出，(n₃，m₁)点、(n₃，m₂)点、(n₃，m₃)点和(n₃，m₄)点到(n₄，m_j)之间共有8条路径：(n₃，m₁)点到(n₄，m₁)点的代价函数值为0，则(n₁，m₁)→(n₂，m₁)→(n₃，m₁)→(n₄，m₁)权重因子和为2；(n₃，m₁)点到(n₄，m₃)点的权重因子为2，则(n₁，m₁)→(n₂，m₁)→(n₃，m₁)→(n₄，m₃)路径的代价函数值和为4；(n₃，m₂)点到(n₄，m₁)点的代价函数值为2，则(n₁，m₁)→(n₂，m₄)→(n₃，m₂)→(n₄，m₁)代价函数值和为5；(n₃，m₂)点到(n₄，m₃)点的代价函数值为0，则(n₁，m₁)→(n₂，m₃)→(n₃，m₂)→(n₄，m₃)的代价函数值和为3；(n₃，m₃)点到(n₄，m₂)点的代价函数值为1，则(n₁，m₁)→(n₂，m₁)→(n₃，m₃)→(n₄，m₂)的代价函数值和为3；(n₃，m₃)点到(n₄，m₄)点的代价函数值为1，则(n₁，m₁)→(n₂，m₁)→(n₃，m₃)→(n₄，m₄)的代价函数值和为3；(n₃，m₄)点到(n₄，m₂)点的代价函数值为1，则(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₂)代价函数值和为2；(n₃，m₄)点到(n₄，m₄)的代价函数值为1，则(n₁，m₁)→(n₂，m₃)→(n₃，m₄)(n₄，m₄)路径的代价函数值和为2。根据每一步保留4条幸存路径的原则，因此在图7(d)中保留了(n₁，m₁)→(n₂，m₁)→(n₃，m₁)→(n₄，m₁)、(n₁，m₁)→(n₂，m₃)→(n₃，m₂)→(n₄，m₃)、(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₂)、(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₄)四条路径。

第四步：从图7(a)中可以看到(n₄，m₁)点、(n₄，m₂)点、(n₄，m₃)点和(n₄，m₄)点到(n₅，m_j)之间的共有四条路径。结合图7(d)计算(n₄，m_j)到(n₅，m_j)的幸存路径：(n₄，m₁)点到(n₅，m₁)点的代价函数值为2，则(n₁，m₁)→(n₂，m₁)→(n₃，m₁)→(n₄，m₁)→(n₅，m₁)路径的代价函数值和为4；(n₄，m₂)点到(n₅，m₁)点的代价函数值为0，则(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₂)→(n₅，m₁)的权重因子和为2；(n₄，m₃)点到(n₅，m₂)点的代价函数值为1，则(n₁，m₁)→(n₂，m₃)→(n₃，m₂)→(n₄，m₃)→(n₅，m₂)的代价函数值和为4；(n₄，m₄)点到(n₅，m₂)点的代价函数值为1，则路径(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₄)→(n₅，m₂)的代价函数值和为3。根据每一步最多保留4条幸存路径的原则，选择保留(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₂)→(n₅，m₁)和(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₄)→(n₅，m₂)两条幸存路径。

第五步：计算(n₅，m₁)点、(n₅，m₂)点到(n₆，m₁)点的幸存路径。(n₅，m₁)点到(n₆，m₁)点的代价函数值子为1，则路径(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₂)→(n₅，m₁)→(n₆，m₁)的代价函数值和为3；(n₅，m₂)点到(n₆，m₁)点的代价函数值为1，则路径(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₄)→(n₅，m₂)→(n₆，m₁)的代价函数值和为4。根据最优路径选取原则，最终计算得最优路径为(n₁，m₁)→(n₂，m₃)→(n₃，m₄)→(n₄，m₂)→(n₅，m₁)→(n₆，m₁)，如图7(f)。并依此作为估算的函数值。

Claims (4)

1、一种旋转机械启停阶段非平稳振动信号瞬时频率估计算法，其特征在于：以启停阶段非平稳振动信号的STFT(Short Time FrequencyTransform)时频谱图为基础，采用Viterbi算法对参考轴非平稳振动信号进行瞬时频率估算，具体方法是：

a)建立旋转机械转子实验台工作模型，在参考轴的水平方向和垂直方向安装非平稳振动信号传感器，以测量参考轴在两个方向的振动信号；安装光电传感器测量参考轴的旋转速度；

b)通过动态信号分析仪获得实验台启动或停止阶段参考轴水平振动信号、垂直振动信号、参考轴转速，再经上位机阶比分析软件进行分析，从而得到含有多阶分量的STFT时频谱图；

c)将旋转机械的工作频率作为估算的起始频率点；

d)根据采样频率和计算精度的要求将STFT时频分析得到的频率等分成M组，以参考轴工作频率作为起始频率点；启动阶段按STFT分析得到的N个时间点从t_N到t₀计算，停机阶段按STFT分析得到的N个时间点从t₀到t_N计算，建立启动过程和停机过程中N个时间点和M组频率点的网格面；

e)在N个时间点和M组频率点的网格中，通过Viterbi算法计算由起始点到终点之间非平稳振动信号参考轴瞬时最小偏差频率点的路径，对该组最小偏差频率点进行拟合，即旋转机械启停阶段参考轴的瞬时频率曲线，从而获得旋转机械启停阶段非平稳振动信号参考轴的瞬时频率估计函数值。

2、根据权利要求1所述的旋转机械启停阶段非平稳振动信号瞬时频率估计算法，其特征在于：非平稳振动信号传感器为测量轴振的非接触式电涡流位移传感器，或测量瓦振的速度传感器。

3、根据权利要求1或2所述的旋转机械启停阶段非平稳振动信号瞬时频率估计算法，其特征在于：参考轴是指：电动机驱动的转子实验台转轴；建立转子实验台的工作模型是指：在参考轴上安装转子，以实现在转子实验台上模拟故障，建立旋转机械转子实验台的工作模型。

4、根据权利要求1或2所述的旋转机械启停阶段非平稳振动信号瞬时频率估计算法，其特征在于：参考轴是指：电动机驱动的旋转机械转轴；在试验台上建立被测旋转机械的工作模型是指：将电动机与试验台的转轴对接，形成被测定轴的工作模型。

Images