CN102243140B - 一种基于子带信号分析的机械设备状态监测方法 - Google Patents

Abstract

本发明涉及一种基于子带信号分析的机械设备状态监测方法，属于机械设备状态监测领域。该方法用多级滤波器对从机械设备测取的状态信号进行多级滤波后得到一组子带信号，求取该组子带信号的包络，针对原始状态信号、子带信号及其包络信号进行信号处理，然后进行故障征兆提取，再根据提取的故障征兆信息来判断机械设备的运行状态。本方法通过子带信号分析，并结合对原始信号的分析进行故障诊断，可以更有效的监测机械设备的状态，本发明的方法可以广泛应用于石油、化工、冶金等众多行业的机械设备状态的离线和在线监测。

Description

一种基于子带信号分析的机械设备状态监测方法

技术领域

本发明涉及一种机械设备状态监测方法，具体地涉及一种基于子带信号分析的机械设备状态监测方法，属于机械设备状态监测领域。

背景技术

随着工业生产的日益现代化和安全生产意识的不断提高，机械设备的安全运行不仅是企业生产正常进行的必要条件，也是避免生产事故的前提。状态监测技术可以及时发现机械设备的故障，并且能够在一定程度上预报机械设备潜在的故障而得到了广泛应用。

机械设备状态监测用于为工程技术人员提供详细、全面的设备运行状态信息，提供设备的故障征兆信息，为设备的及时维修提供依据。机械设备的状态监测一般包括：状态信号的获取、故障征兆提取、运行状态识别及故障诊断三个步骤。故障诊断依赖于完善有效的故障征兆，也依赖于可靠的信号处理方法。因此可以说，故障征兆提取是机械设备状态监测的关键，而先进的信号处理方法是实现故障征兆提取的有力保障。

机械设备的一些故障征兆信息往往只出现某一窄带范围内，比如，齿轮故障的很多信息就以调制边频带的形式出现在齿轮啮合频率的周围。包络检波是目前提取边频带成分的一种有效方法，而通过单一的带通滤波器进行包络分析，很难全面提取隐含在不同调制频带内的故障征兆信息，甚至会在包络中引入虚假频率成分。将信号分解成若干个子带信号，通过分析子带信号有助于提取故障的特征信息。小波变换可以将信号从高频到低频分解成一组子带信号，可是子带信号的带宽与小波变换分解的层数有关，不能根据实际需要而灵活变更，况且实际应用中对众多小波基的合理选取也是一个难题。经验模态分解(EMD)虽然能够自适应的将信号分解成若干个子带信号，但EMD目前还缺乏严格的理论基础，它不能确保分解得到的每个子带信号都有明确的物理意义。因此，通过分析这些方法的子带信号来监测机械设备的状态在技术上还不够成熟。

发明内容

本发明的目的是为了解决现有子带信号分析用于机械设备状态监测不足的问题，提出一种基于子带信号分析的机械设备状态监测方法，用于机械设备运行状态的分析，以更好的监测机械设备的运行状态。

该方法的原理为：用多级滤波器对从机械设备测取的状态信号进行多级滤波后得到一组子带信号，求取该组子带信号的包络，针对原始状态信号、子带信号及其包络信号进行信号处理，然后进行特征提取以获取机械设备的故障征兆信息，再根据提取的故障征兆信息来判断机械设备的运行状态。

本发明的一种基于子带信号分析的机械设备状态监测方法，具体包括如下步骤：

步骤1.对于待监测的机械设备，利用传感器测取该机械设备运行的状态信号；

步骤2.对步骤1获取的状态信号进行预处理，得到适合计算机处理的数字信号；

步骤3.设计多级滤波器，对步骤2处理后的数字信号进行多级滤波处理，得到一组子带信号；

步骤4.对步骤3得到的子带信号进行包络分析，求取子带信号的包络；

步骤5.对步骤2预处理后的状态信号、步骤3得到的子带信号和步骤4得到的子带信号的包络信号进行信号处理；

步骤6.对步骤5的信号处理结果进行特征提取；

步骤7.利用步骤6提取的特征，对机械设备的运行状态进行分析，得到该机械设备的运行状态的分析结果。

有益效果

本发明利用多级滤波器来处理机械设备运行的状态信号，可将测取的信号分解成一组窄带子带信号，进而从子带信号中提取机械设备的状态信息。通过对子带信号的分析来诊断机械设备的故障，可以有效检测出形成边频带的低频信号，可用于轴承、齿轮箱等部件的状态监测。结合对原始信号的处理，可以更有效的监测机械设备的状态。本发明的方法既适用于机械设备状态的在线实时监测，也适用于机械设备状态的离线监测。本发明的方法可以广泛应用于石油、化工、冶金等众多行业的机械设备状态监测。

附图说明

图1为本发明的基于子带信号分析的机械设备状态监测原理图；

图2为本发明的具体实施方式中多级滤波器模块结构框图；

图3为本发明的具体实施方式中仿真信号及其频谱；

图4为本发明的具体实施方式中对图3信号多级滤波后的子带信号；

图5为图4中各子带信号的频谱；

图6为图4中各子带信号的上包络；

图7为图6中各上包络信号的频谱。

具体实施方式

为了更好的说明本发明的目的和优点，下面结合附图和实施例对本发明作进一步的详细说明：

一种基于子带信号分析的机械设备状态监测方法，其总体技术方案如图1所示，具体包括如下步骤：

步骤1.对于待监测的机械设备，利用传感器测取该机械设备运行的状态信号；

机械设备运行的状态信号包括振动信号、噪声信号、温度信号等能够反映机械设备运行状态的信号；

步骤2.对步骤1的状态信号进行预处理，预处理过程包括功率放大、滤波、调制与解调、采样与量化处理，得到适合计算机处理的数字信号，处理后的信号记为x(n)；

步骤3.设计多级滤波器，对步骤2处理后的信号进行多级滤波处理，得到一组子带信号v_k(n)；

本发明的多级滤波器模块如图2所示，其中HPF表示高通滤波器，多级滤波器由若干个高通滤波器组成，高通滤波器的截止频率和个数根据实际需要来设置；假设多级滤波器由i＞1个高通滤波器组成，第一级到第i级高通滤波器的截止频率分别记为ω₁，ω₂，…ω_i，那么就有ω₁＞ω₂＞…＞ω_i，亦即若b₁＝ω_i/ω_i-1，则有b_i∈(0，1)，而b₁，b₂，…b_i的取值可以相同，也可以不同；

多级滤波器对信号x(n)的处理过程如下：

1)信号x(n)经一个高通滤波器滤波后得到一个高频信号v₁(n)；

2)从信号x(n)中减去高频信号v₁(n)，得到r₁(n)＝x(n)-v₁(n)；

3)将信号r₁(n)高通滤波后得到高频信号v₂(n)，信号r₁(n)与v₂(n)相减后得到r₂(n)＝r₁(n)-v₂(n)；

4)继续对信号r₂(n)进行高通滤波，以得到更多的子带信号，子带信号的个数取决于多级滤波器中高通滤波器的个数；

步骤4.对步骤3得到的子带信号进行包络分析，求取子带信号的包络信号，并记为e_k(n)；

信号的包络可用RC网络来硬件获取；也可以用软件获取，软件获取的方法是首先找出信号的所有局部极值点，然后针对局部极大值序列进行样条插值拟合形成上包络线，针对局部极小值序列进行样条插值拟合形成下包络线；若子带信号v_k(n)是窄带信号，也可以用希尔伯特(Hilbert)变换方法来提取包络信号，即e_k(n)可以表示为

$\left|e_k\left(n\right)\right|=\sqrt{v_k^2\left(n\right)+{\hat{v}}_k^2\left(n\right)}$

其中表示v_k(n)的Hilbert变换。

步骤5.对步骤2预处理后的状态信号x(n)、步骤3得到的子带信号v_k(n)和步骤4得到的子带信号的包络信号进行信号处理；

信号处理的过程包含从时域、频域、时-频域的角度对信号进行的描述，具体包括：时域波形分析、相关分析、统计分析、频谱分析、短时傅里叶变换、Wigner-Ville分布、细化谱分析、功率谱分析、倒谱分析、基于人工神经网络的专家系统等分析方法；

步骤6.对步骤5的信号处理结果进行特征提取，得到一组能够反映设备状态的信息；

步骤7.利用步骤6提取的特征，对机械设备的运行状态进行分析，得到该机械设备的运行状态的分析结果。

实施例

以一个仿真信号为例来进行说明。图3为本实施例的仿真信号及其频谱，其中上面是时域波形图，下面是频谱图，仿真信号的组成为

$x\left(t\right)=\underset{j=1}{\overset{5}{\mathrm{\Σ}}}{x}_j\left(t\right)+(1+x_6\left(t\right)+x_7\left(t\right))x_8\left(t\right)+n\left(t\right)$

其中n(t)表示加性高斯白噪声信号，由频谱图上可以看到，该仿真信号中含有一些高次谐频成分，并在高频成分460Hz周围伴有一些边带信息；

对图3信号进行多级滤波器滤波后得到的子带信号如图4所示，其中多级滤波器由4个高通滤波器组成。图4中的各个子带信号的频谱如图5所示。结合图4和图5可以看到，图3的信号经多级滤波器分解后的子带信号相互之间在频谱上重叠很少，这些子带信号无论在时域还是在频域都能够更清晰的反映原始信号的局部信息。

图4中各子带信号的上包络如图6所示，而上包络的频谱图如图7所示。由图5可知，高频信号及其边带被分解到了第三个子带信号v₃中，而由图7可知子带信号v₃的上包络频谱中26Hz和52Hz是幅值最大的两个频率成分，结合图3原始信号的频谱图可以发现，这两个频率成分正是被460Hz频率成分调制的低频信号，也就是有效的提取了形成边频带的低频信号，从而可以更加完备的提取机械设备的故障征兆信息。另外，由图7的第四个子图和第五个子图可以看到，它们都含有60Hz的频率成分，结合图5可知，这个60Hz频率成分是高次谐频周期性出现的结果。

需要指出的是，对多级滤波器参数的不同配置，尤其是高通滤波器截止频率设置的不同，会导致子带信号的不同，得到的包络信号也就会有所差异。

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于子带信号分析的机械设备状态监测方法，其特征在于：具体包括如下步骤：

步骤1.对于待监测的机械设备，利用传感器测取该机械设备运行的状态信号；

步骤2.对步骤1获取的状态信号进行预处理，得到适合计算机处理的数字信号；

步骤3.设计多级滤波器，对步骤2处理后的数字信号进行多级滤波处理，得到一组子带信号；

步骤4.对步骤3得到的子带信号进行包络分析，求取子带信号的包络；

步骤5.对步骤2预处理后的状态信号、步骤3得到的子带信号和步骤4得到的子带信号的包络信号进行信号处理；

步骤6.对步骤5的信号处理结果进行特征提取；

步骤7.利用步骤6提取的特征，对机械设备的运行状态进行分析，得到该机械设备的运行状态的分析结果。

2.根据权利要求1所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：所述步骤1中机械设备运行的状态信号包括振动信号、噪声信号、温度信号中的一种或者几种。

3.根据权利要求1所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：所述步骤2中对信号进行预处理的过程包括功率放大、滤波、调制与解调、采样与量化处理方法。

4.根据权利要求1所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：所述的步骤3中多级滤波器由若干个高通滤波器组成，高通滤波器的截止频率和个数根据实际需要来设置；若第i级高通滤波器的截止频率记为ω_i，并且令b_i＝ω_i/ω_i-1，则有b_i∈(0，1)，亦即高通滤波器的截止频率从第一级到最后一级逐级减小；对于整个多级滤波器，b₁，b₂，…b_i的取值可以相同，也可以不同。

5.根据权利要求1或权利要求4所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：多级滤波器对信号x(n)的多级滤波过程如下：

1)信号x(n)经一个高通滤波器滤波后得到一个高频信号v₁(n)；

2)从信号x(n)中减去高频信号v₁(n)，得到r₁(n)＝x(n)-v₁(n)；

3)将信号r₁(n)高通滤波后得到高频信号v₂(n)，信号r₁(n)与v₂(n)相减后得到r₂(n)＝r₁(n)-v₂(n)；

4)继续对信号r₂(n)进行高通滤波，以得到更多的子带信号，子带信号的个数取决于多级滤波器中高通滤波器的个数。

6.根据权利要求1所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：所述的步骤4中子带信号的包络采用RC网络的硬件方法获取或者采用软件方法获取。

7.根据权利要求6所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：所述采用软件方法获取是首先找出子带信号的所有局部极值点，然后针对局部极大值序列进行样条插值拟合形成上包络线，针对局部极小值序列进行样条插值拟合形成下包络线。

8.根据权利要求6所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：子带信号满足窄带信号条件时可采用希尔伯特变换方法来提取包络信号。

9.根据权利要求1所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：步骤5所述的信号处理方法包含从时域、频域和时-频域角度对信号进行的描述，具体描述方法包括：时域波形分析、相关分析、统计分析、频谱分析、短时傅里叶变换、Wigner-Ville分布、细化谱分析、功率谱分析、倒谱分析和基于人工神经网络的专家系统。

10.根据权利要求1所述的一种基于子带信号分析的机械设备状态监测方法，其特征在于：步骤6所述的特征提取是指从步骤5信号处理的结果中提取一组能够反映设备的状态的信息。

Images