CN102032942B - 基于高斯平滑的设备振动信号全频带特征提取和报警方法 - Google Patents

Abstract

本发明涉及设备状态监测和报警，尤其涉及一种设备振动信号全频带特征提取和报警方法。一种基于高斯平滑的设备振动信号全频带特征提取和报警方法，它使用高斯函数模板平滑振动信号的频谱数据，获得全频带谱线的幅值包络，以平滑长度作为调节参数，以超限总值作为报警参数，实现机械设备异常状态的自动辨识。本发明能够减弱工况和噪声的干扰影响，适用于位移、速度和加速度等多种振动信号，满足工业现场的频域自动报警要求。

Description

基于高斯平滑的设备振动信号全频带特征提取和报警方法

技术领域

本发明涉及设备状态监测和报警，尤其涉及一种设备振动信号全频带特征提取和报警方法。

背景技术

对振动传感器采集的信号进行傅里叶变换，以频率为独立变量建立振动信号与频率的函数关系，称为频谱分析，或频域分析。频谱分析将复杂的时间信号，分解为若干单一的谐波分量来研究，获得信号的频率结构以及各谐波幅值和相位信息，是机械设备状态监测和故障诊断中最常用也是最重要的分析方法之一。

在正常运行的状态下，设备振动信号的频谱结构相对稳定，一旦出现零部件的异常或故障，产生新的振动源，将导致频率分量或频段内振动能量的改变，引起频谱结构的变化。因此，技术人员可以通过对频谱结构的观察与比较，发现设备异常，进而追溯异常谱线的产生原因，实现故障部位的判断。随着工业生产规模的不断扩大，越来越多的机械设备纳入振动监控的范围内，依靠技术人员的经验已无法处理海量增长的振动信号，必须寻找高效合理的频谱特征提取方法，设置相应的监测阈值，实现自动报警。

常用的频谱自动报警方法是设置典型故障所对应频率分量幅值或频段能量值的阈限，其缺点如下：

1、受工况影响大。设备在运行过程中转速和负荷都会出现变化，因此即使在正常状态下，振动信号的频谱结构也有一定的波动，造成监测频率分量和频段的定位困难，引发误报警和漏报警。

2、与频谱结构密切相关。对干扰小、谱线少的位移信号最为有效，而现场中最常用的速度和加速度信号，由于频率成分复杂，报警效果差。

3、针对频谱局部特征。机械设备是多零部件组成的复杂系统，对每一个零部件每一种工况下的每一种故障都进行特征频率监测，在应用中无法实现。

因此，提取振动信号全频带的特征作为报警依据，成为异常辨识和故障诊断的一个新思路。但从目前的应用情况来看，主要是进行一些简单的统计包络计算，并不能合理描述全频带内谱线的分布特征，很多情况下仍然依赖人工调整。随着机械设备状态监测和故障诊断的综合化智能化的发展，迫切需要切实可行的新方法来提高频谱的自动分析能力和报警的准确性。

发明内容

本发明旨在解决上述缺陷，提供一种基于高斯平滑的设备振动信号全频带特征提取和报警方法。本发明能够减弱工况和噪声的干扰影响，适用于位移、速度和加速度等多种振动信号，满足工业现场的频域自动报警要求。

本发明是这样实现的：

一种基于高斯平滑的振动信号全频带特征提取与报警方法，使用高斯函数模板平滑振动信号的频谱数据，获得全频带谱线的幅值包络，以平滑长度作为调节参数，以超限总值作为报警参数，实现机械设备异常状态的自动辨识。包括以下步骤：

1)对振动信号进行傅里叶变换，得到振动幅值与频率分量{A_i，f_i|i＝0，…，N-1}，N为谱线数；

2)选择大于1的正奇数L作为平滑长度，计算高斯函数模板的中心位置 $c=\frac{L-1}{2},$ 计算高斯函数模板的宽度系数 $\mathrm{\σ}=\sqrt{\frac{c}{3}},$ 得到高斯函数序列 $G_j=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{(j-c)}^2}{2{\mathrm{\σ}}^2}},j=0,\·\·\·,L-1,$ 其中，L的选择范围为3～15；

3)高斯函数序列的每一个元素除以中心元素G_c，得到高斯函数模板， $M_j=\frac{G_j}{G_c},j=0,\·\·\·,L-1;$

4)振动幅值序列前后各延长c个点，得到长度为M+2c的幅值序列{0，…，0，A₀，A₁，…，A_N-1，0，…，0}；

5)从幅值序列中依次选择长度为L的子序列与高斯函数模板进行内积运算，相同频率分量对应的内积结果相加，得到各频率分量对应幅值的包络序列 $E_i=\underset{j=-c}{\overset{c}{\mathrm{\Σ}}}{A}_{i-j}{M}_{c+j},i=0,\·\·\·,N-1;$

6)将{E_i，f_i|i＝0，…，N-1}作为振动信号的全频带分布特征，新的振动信号频谱{A_i′，f_i|i＝0，…，N-1}获得后，计算超限总值 $I=\underset{A_i^{\′}>E_i}{\text{\Σ}}(A_i^{\′}-E);$

7)设置报警阈值 $T=(0.001~1)\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{E}_i,$ 如果I＞T，则进行报警。

本发明具有以下特点：

1、平滑长度L是平滑效果的唯一控制参数，高斯函数模板由该参数推导得出。

2、以幅值包络 $E_i=\underset{j=-c}{\overset{c}{\mathrm{\Σ}}}{A}_{i-j}{M}_{c+j},i=0,\·\·\·,N-1$ 作为振动信号的全频带分布特征，减少了噪声和工况的干扰，突出能量集中区域。

3、以超限总值 $I=\underset{A_i^{\′}>E_i}{\mathrm{\Σ}}(A_i^{\′}-E)$ 作为报警变量，设置报警阈值 $T=(0.001~1)\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{E}_i,I>T$ 则产生异常报警。

本发明克服了传统方法受工况与噪声影响大、不适用于复杂频谱结构、针对局部特征的缺点，为实现振动信号频域自动报警提供了新的思路。

附图说明

下面，结合附图对本发明作进一步的说明：

图1是本发明的流程图；

图2是高斯函数模板图；

图3是平滑长度L＝7时的振动信号频域幅值包络图；

图4是平滑长度L＝15时的振动信号频域幅值包络图。

具体实施方式

如图1所示，本发明的主要流程如下：

1)计算高斯函数模板选择大于1的正奇数L作为平滑长度，计算高斯函数模板的中心位置 $c=\frac{L-1}{2},$ 计算高斯函数模板的宽度系数 $\mathrm{\σ}=\sqrt{\frac{c}{3}},$ 得到高斯函数序列 $G_j=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{(j-c)}^2}{2{\mathrm{\σ}}^2}},j=0,\·\·\·,L-1.$ 高斯函数序列的每一个元素除以中心元素G_c，得到高斯函数模板 $M_j=\frac{G_j}{G_c},j=0,\·\·\·,L-1.$

2)计算滑动内积。

选择正常状态下的振动信号频谱作为基准，记做{A_i，f_i|i＝0，…，N-1}，其中N为谱线数，A_i为振动幅值，f_i为A_i对应的频率值。将幅值序列前后各延长c个点，得到长度为M+2c的序列{0，…，0，A₀，A₁，…，A_N-1，0，…，0}，从中依次选择长度为L的子序列与高斯函数模板进行内积运算，相同频率分量对应的内积结果相加，得到各频率分量对应幅值的包络序列 $E_i=\underset{j=-c}{\overset{c}{\mathrm{\Σ}}}{A}_{i-j}{M}_{c+j},i=0,\·\·\·,N-1.$ 该序列即为振动信号的全频带分布特征，由于高斯函数模板的平滑作用，每条谱线对±2c条领域谱线的包络幅值产生影响，幅值越大影响越大，能量集中区域被横向扩展和纵向提升，从而实现对工况波动的良好包容。

3)计算超限总值

将{E_i，f_i|i＝0，…，N-1}作为振动信号的全频带分布特征，新的振动信号频谱{A_i′，f_i|i＝0，…，N-1}获得后，计算超限总值 $I=\underset{A_i^{\′}>E_i}{\mathrm{\Σ}}(A_i^{\′}-E).$ 异常和故障的出现会导致振动信号频谱的机构变化和能量增大，通过超限总值能够准确把握当前设备状态与基准状态之间的差异。

4)报警

设置报警阈值 $T=(0.001~1)\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{E}_i,$ 如果I＞T，则进行报警。T的设置与包络序列之和有关，表明报警取决于特定机械设备在正常状态下的频谱结构。

参照图2所示，横轴表示数据序号，纵轴表示高斯函数模板值。由平滑长度L＝7和L＝15的高斯函数模板可知，L越大，模板作用范围越大，每条谱线的影响区域也越广，能量集中区域的突出效果增强，微小的细节信息被更多的平滑消除。

参照图3与图4所示，横轴表示频率，纵轴表示幅值。对某加热炉风机的振动信号进行全频带特征提取，在平滑长度L＝7时，得到的幅值包络更接近原始频谱，细节特征被更多的保留，而在平滑长度L＝15时，幅值包络对工况波动的包容能力更强。两条包络线均有效描述出振动能量在整个频谱范围内的分布情况。

使用本发明方法对该加热炉风机进行报警监测，选择平滑长度L＝7，设置报警阈值 $T=0.45\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{E}_i,$ 2006年10月20产生报警。由于未进行相关处理，该设备11月底故障停机，检修解体后发现，电机轴承保持架断裂，滚动体破碎，充分证明本发明方法的有效性和及时性。

Claims (1)

1.一种基于高斯平滑的设备振动信号全频带特征提取和报警方法，其特征在于，该方法包括：

1)对振动信号进行傅里叶变换，得到振动幅值A_i与频率分量f_i：{A_i，f_i|i＝0，…，N-1}，N为谱线数；

2)选择大于1的正奇数L作为平滑长度，计算高斯函数模板的中心位置 

计算高斯函数模板的宽度系数 

得到高斯函数序列 

j＝0，…，L-1，其中，L的选择范围为3-15；

3)高斯函数序列的每一个元素除以中心元素G_c，得到高斯函数模板， 

j＝0，…，L-1；

4)振动幅值序列前后各延长c个点，得到长度为M+2c的幅值序列{0，…，0，A₀，A₁，…，A_N-1，0，…，0}；

5)从幅值序列中依次选择长度为L的子序列与高斯函数模板进行内积运算，相同频率分量对应的内积结果相加，得到各频率分量对应幅值的包络序列

i＝0，…，N-1；

6)将{E_i，f_i|i＝0，…，N-1}作为振动信号的全频带分布特征，新的振动信号频谱{A′_i，f_i|i＝0，…，N-1}获得后，计算超限总值 

7)设置报警阈值 如果I＞T，则进行报警。 

Images