CN101634589A - 一种设备振动信号的处理方法 - Google Patents

Abstract

本发明涉及一种设备振动信号的处理方法，它包括以下步骤：步骤(1)、测得设备振动信号的步骤；步骤(2)、对设备振动信号进行处理的步骤，具体为：步骤(2.1)、用第二代小波包技术将设备振动信号分解为四个以上独立的频带；步骤(2.2)、分别计算分解后的各频带能量；步骤(2.3)、选取能量最大的频带，对其对应的第二代小波包分解信号做自回归谱处理，得到自回归谱图；步骤(3)、根据自回归谱图判断设备故障隐患的步骤。本发明处理方法对变工况设备振动信号进行处理后，可获得利于判断的波形图，为准确诊断设备故障隐患创造条件。

Description

一种设备振动信号的处理方法

技术领域

本发明涉及检测设备故障隐患的方法，具体涉及利用设备振动信号检测设备故障隐患的方法，特别是对测得的设备振动信号进行处理的方法。

背景技术

为了能提前检测到设备的故障隐患，人们发明了以机械设备振动信号为状态参量的设备故障隐患检测方法。

目前，利用设备振动信号检测设备故障隐患的方法，一般是基于平稳过程的传统信号处理方法，如信号滤波法、时域平均法、自适应消噪法等，这些处理方法的采用使故障的早期诊断取得了许多进展。但上述处理方法也存在缺陷：如信号滤波法一般不能同时得到滤波通带以外的信息；时域平均法要求信号平稳并严格按周期采样，这在实际应用中受到运行工况非平稳的限制，难以实施；自适应消噪法要求信号和噪声平稳且相互独立，在现场信号和噪声不仅是非平稳，而且存在不同程度的相关性，因此，目前的设备振动信号处理方法对于变工况设备振动信号处理不理想，影响诊断设备故障隐患的准确性。

发明内容

本发明所要解决的技术问题是：提供一种设备振动信号的处理方法，该方法对变工况设备振动信号进行处理后，可获得利于判断的波形图，为准确诊断设备故障隐患创造条件。

本发明解决上述技术问题所采用的技术方案是：

一种设备振动信号的处理方法，它包括以下步骤：

步骤(1)、测得设备振动信号的步骤；

步骤(2)、对设备振动信号进行处理的步骤，具体为：

步骤(2.1)、用第二代小波包技术将设备振动信号分解为四个以上独立的频带；

步骤(2.2)、分别计算分解后的各频带能量；

步骤(2.3)、选取能量最大的频带，对其对应的第二代小波包分解信号做自回归谱处理，得到自回归谱图。

上述方案中，步骤(2.2)具体为：

分别计算分解后的各频带能量，归一化的各个频带的能量，画出能量特征直方图。

与现有技术相比，本发明具有以下优点：

1、采用第二代小波包技术，除了具有传统小波分析的优点外，还克服了传统小波分析的不足。第二代小波方法相对于传统小波算法而言，是一种更为快速、有效的小波变换实现方法，它不依赖于Fourier变换，完全在时域完成了对双正交小波滤波器的构造。这种构造方法在结构化设计和自适应构造方面的突出优点弥补了传统频域构造方法的不足。由第二代小波变换得到的第二代小波包技术能够把平稳的或非平稳的信号映射到一个由小波伸缩而成的一组基函数上，信息量完整无缺，在通频范围内的得到分布在不同频带内的分解序列，具有对非平稳信号进行局部化分析的功能，弥补了现有处理方法的缺陷，也弥补了小波分析只对信号低频进行细致刻画，对信号的高频的分析不够细致的缺陷。考虑到第二代小波包分解经过一层分解后数据的个数减半的特点，本发明结合自回归谱分析用于提取故障信息。自回归谱分析较傅里叶分析得到的频率成分更精确而且在处理小量数据时更能体现其优越性。

2、自回归谱处理在短数据的情况下较FFT能取得更好的效果，能有效的提取信号中的频率信息，获得利于判断的波形图，为准确诊断设备故障隐患创造条件。

附图说明

图1为测得的设备振动原始信号时域波形

图2为三层小波包分解示意图

图3、4为第二代小波分析的分解过程示意图

图5为归一化后各频带能量的直方图

图6、7为第二代小波分析的重构过程示意图

图8为第二代小波包三层分解第一频段自回归谱图

具体实施方式

本发明设备振动信号的处理方法实施例，本实施例用于对变工况低速重载变速箱的振动信号进行处理，本实施例包括以下步骤：

步骤(1)、测得设备振动信号的步骤，具体为：

将SRI50声发射固定设置在变速箱的外壳上，声发射的位置尽量靠近变速箱主要轴承，声发射的输出端通过A/D转换输入计算机，采样频率f_s为1000Hz，计算机得到的振动信号时域波形如图1所示，该时域波形无法直接用于诊断设备故障隐患。

步骤(2)、对设备振动信号进行处理的步骤，具体为：

步骤(2.1)、用第二代小波包技术将设备振动信号分解为八个独立的频带；分解示意图如图2所示，它为3层小波包分解。

第二代小波包分解过程由剖分、预测和更新组成。如图3、4所示，设数据序列S＝{s(k)，k∈Z}，基于提升模式的第二代小波变换的分解过程如下，其中P(·)为预测器，U(·)为更新器。

A、剖分，将数据序列{s(k)，k∈Z}分为奇样本序列s_o(k)和偶样本序s_e(k)。

s_o(k)＝s(2k+1)k∈Z

s_e(k)＝s(2k)k∈Z

B、预测，设P(·)为预测器，用s_e(k)预测s_o(k)，定义预测偏差为细节信号d(k)。

d(k)＝s_o(k)-P[s_e(k)]k∈Z

则细节信号序列D＝{d(k)，k∈Z}

C、更新，设U(·)为更新器，在细节信号d(k)的基础上更新s_e(k)，其结果定义为逼近信号c(k)。

c(k)＝s_e(k)+U[d(k)]k∈Z

则逼近信号序列为C＝{c(k)，k∈Z}

本实施例利用第二代小波包技术将信号无冗余、无疏漏、正交地分解到独立的频带。本实施例信号的采样频率f_s为1000Hz，则其分析频率500Hz，对信号进行3层第二代小波包分解，分解得到八个频带依次是：[0，62.5Hz]、[62.5Hz，125Hz]、[125Hz，187.5Hz]、[187.5Hz，250Hz]、[250Hz，312.5Hz]、[312.5Hz，375Hz]、[375Hz，437.5Hz]、[437.5Hz，500Hz]。

步骤(2.2)、分别计算分解后再重构的各频带能量；具体为：分别计算分解后的各频带能量(假设s₀(n)为3层第二代小波包分解后[0，62.5Hz]频带的信号，则[0，62.5Hz]频带的能量计算为：

$e=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\left[s_0\left(i\right)\right]}^2$

e为能量，n为s₀(n)的数据长度。同理其它七个频带依次为s₁(n)、s₂(n)、s₃(n)、s₄(n)、s₅(n)、s₆(n)、s₇(n)。

归一化的各个频带的能量，画出能量特征直方图(如图5所示)，从直方图中看出第一频带[0，62.5Hz]所占百分比最大。

步骤(2.3)、选取能量最大的频带——[0，62.5Hz]频带，对其对应的第二代小波包分解信号做自回归谱处理，得到自回归谱图——[0，62.5Hz]频带的自回归谱图(如图8所示)。

如图6、7所示，第二代小波重构过程为分解过程的逆过程，由恢复更新、恢复预测和合并组成。

s_e(k)＝c(k)-U[d(k)]k∈Z

s_o(k)＝d(k)+P[s_e(k)]k∈Z

由奇偶样本序列合并构成重构信号s。

假设预测器长度N＝2，更新器长度N＝4。

自回归谱处理的原理：

设通过第二代小波包分解后的某一频段序列为{x_k}，k＝1，2，…，N_l，其M阶自回归模型AR(M)为

$x_k=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_i{x}_{k-i}+a_k$

其中φ₁，φ_i，……，φ_M为自回归模型系数a_k为白噪声输入且a_k～NID(0，δ_a ²)。N_l为分界了l层后每个频道内的数据长度。

自回归模型的阶数由经验公式AIC指标定阶， $\mathrm{AIC}=\ln P_M+\frac{2M}{N}$ 式中^[2]：

N表示采样点数，M表示模型阶数，P_M表示第M阶AR模型预报误差，

当取得AIC值最小时的阶数M作为AR模型的最佳阶数。自回归系数φ_i通过Marple算法求出。则第二代小波包分解得到的第l层第i序列的M阶自回归普表达式如下：

$S_x(f-f_{\mathrm{li}})=\frac{{\mathrm{\δ}}_a^2/f_{\mathrm{ls}}}{{|1-\underset{k=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\φ}}_k{e}^{-j2\mathrm{\πk}(f-f_{\mathrm{li}})/f_{\mathrm{ls}}}|}^2}$

式中，采样频率f_ls、起始频率f_li与第二代小波包分解层数有关。原始数据采样频率为f_N，数据长度为N，则第二代小波包分解第l层时可得到位于不同频段的2^l个序列，它们的采样频率为：f_ls＝2^-l*f_Ns，每个序列的长度为：N_l＝2^-l*N，起始频率按小波包理论为：

f_li＝f_ls*(i-1)/2。

从自回归谱图(如图8所示)中看到了4.364HZ频率成分存在。这个频率成分与轴承的轴频4.469Hz非常接近，对此我们可以得到信息是：变速箱存在故障隐患，建议停产检修变速箱轴承的轴。

Claims (2)

1、一种设备振动信号的处理方法，其特征在于：它包括以下步骤：

步骤(1)、测得设备振动信号的步骤；

步骤(2)、对设备振动信号进行处理的步骤，具体为：

步骤(2.1)、用第二代小波包技术将设备振动信号分解为四个以上独立的频带；

步骤(2.2)、分别计算分解后的各频带能量；

步骤(2.3)、选取能量最大的频带，对其对应的第二代小波包分解信号做自回归谱处理，得到自回归谱图；

步骤(3)、根据自回归谱图判断设备故障隐患的步骤。

2、如权利要求1所述的处理方法，其特征在于：步骤(2.2)具体为：

分别计算分解后的各频带能量，归一化的各个频带的能量，画出能量特征直方图。

Images