CN102620945B - 基于1/3-二叉树稀疏谱图的非稳态信号检测方法 - Google Patents

Abstract

本发明提供一种基于1/3-二叉树稀疏谱图的非稳态信号检测方法，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)，通过1/3-二叉树结构滤波器组对信号x(t)进行滤波得到滤波信号，然后再计算滤波所得的子频带信号的稀疏值并且按照1/3-二叉树结构绘制信号x(t)的稀疏谱图，找出系数谱图中的稀疏值最大所对应的子频带，查看这一选定的子频带滤波后信号，通过对信号解调并分析其频谱，即可得出故障相关的非稳态信号频率进而判断该非稳态信号频率所对应的故障。

Description

基于1/3-二叉树稀疏谱图的非稳态信号检测方法

技术领域

本发明涉及一种非稳态信号的分析检测方法，具体涉及一种对振动信号中反映故障特征的非稳态信号进行检测的方法。

背景技术

对于信号中的非稳态成分的检测，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。

最常见的非稳态成分检测方法就是在时域信号中观察是否存在非稳态成分，但是由于检测过程中不可避免的会混入噪声，因而其中的表征故障的非稳态成分亦会被噪声污染，直接观察的方式准确性和效率都很低。

另外一种常用的方法是通过频域分析信号中的周期特征。但是对于信号中持续时间短的非稳态信号，在频谱中表现为较小的幅值，甚至被噪声淹没，通过频域分析检测往往不能得到显著的特征。

另外，滤波分析是去除信号中噪声干扰，从而提取非稳态成分的一种有效方法，但是效果受滤波器的截止频率、带宽、中心频率等因素影响很大。实践中，常用的检测方法是对信号进行小波包层层分解，然后对小波节点信号进行解调，分析频域特征，进而得到信号中非平稳成分的周期。

发明内容

本发明目的在于提供一种基于1/3-二叉树稀疏谱图的非稳态信号检测方法，它用于旋转机械设备的故障诊断与状态监测，通过检测待测设备的振动信号中的非平稳信号的频率(周期)确定设备故障发生所在，提高旋转设备故障判断的效率和准确性。

为了解决现有技术中的这些问题，本发明提供的技术方案是：

一种基于1/3-二叉树稀疏谱图的非稳态信号检测方法，它包括传感装置、模/数转换单元，传感装置接收外部输入信号，模/数转换单元对所接收到的外部信号进行模/数转换获得长度为L的检测信号x(t)，其特征在于，它还包括一系列不同中心频率的低通和高通滤波器，假设一个低通滤波器g(n)，其对应的两个拟解析低通和高通滤波器分别为，

g₀(n)＝g(n)e^jπn/4

g₁(n)＝g(n)e^j3πn/4

式中，g₀(n)为0至1/4频率低通滤波器，g₁(n)为1/4至1/2频率高通滤波器，

具体包括如下步骤：

(1)初始化滤波器组，根据需要分解的层次，进行相应数目滤波器组的初始化，为保证每个分解层次数据总长度相等，对上一层数据采用下采样方式进入下一层，由分解层次来看：

a)对于整数分解层次(k＝0，1，2...4)，采用下2采样的方式保证该层滤波后总数据长度等于L，有2^k个子滤波器，记为i＝0，1，2...2^k-1，经过滤波后的序列记为i＝0，1...，2^k-1，中心频率为(i+2^-1)×2^-k-1，带宽为2^-k-1；

b)对于非整数分解层次(k+0.6，k＝1，2，3)，采用下3采样的方式保证该层滤波后总数据长度等于L，有[2^k+0.6]个子滤波器，记为i＝0，1，2...[2^k+0.6]-1，经过滤波后的序列记为i＝0，1...，[2^k+0.6]-1，带宽为1/[2^k+1.6]-2；

(2)将信号x(t)经过上述的1/3-二叉树结构滤波器组滤波，得到滤波信号i＝0，1...，2^k-1，k＝0，1，2，3，4，j＝0，1...，[2^k+0.6]-1，k＝1，2，3；

(3)计算各子频带信号的稀疏值，公式如下：

$\mathrm{SV}=\left\{\begin{array}{c}\frac{\sqrt{{\mathrm{\Σ}}_n{\left(x_k^i\left(n\right)\right)}^2}}{{\mathrm{\Σ}}_n\left|x_k^i\left(n\right)\right|}=\frac{{\left|\right|x_k^i\left(n\right)\left|\right|}_2}{{\left|\right|x_k^i\left(n\right)\left|\right|}_1},i=\mathrm{0,1}...,2^k-1,k=\mathrm{0,1,2,3,4}\\ \frac{\sqrt{{\mathrm{\Σ}}_n{\left(x_{k+0.6}^j\left(n\right)\right)}^2}}{{\mathrm{\Σ}}_n\left|x_{k+0.6}^j\left(n\right)\right|}=\frac{{\left|\right|x_{k+0.6}^j\left(n\right)\left|\right|}_2}{{\left|\right|x_{k+0.6}^j\left(n\right)\left|\right|}_1},j=\mathrm{0,1}...,\left[2^{k+0.6}\right]-1,k=\mathrm{1,2,3}\end{array}\right.$

(4)按照1/3-二叉树结构绘制信号x(t)的稀疏谱图；

(5)从稀疏谱图中找出稀疏值最大对应的子频带；

(6)查看选择的子频带滤波后信号，通过对信号解调及其分析其频谱，即可看出故障相关的非稳态信号频率继而判断该非稳态信号频率所对应的故障。

对于上述技术方案，我们具有进一步的优化措施，作为补充，所述的传感装置为加速度传感器，所述的加速度传感器安设于待检测设备的壳体上，用于检测设备的振动加速度信号，即检测信号x(t)。

所述的非稳态信号频率与待检测设备某零件的故障特征频率吻合，则判定待检测设备中与该频率对应的零件位置存在有故障。

相对于现有技术中的方案，本发明的优点是：

1.本发明所提供的非稳态信号检测方法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)，通过1/3-二叉树结构滤波器组对信号x(t)进行滤波得到滤波信号，然后再计算滤波所得的子频带信号的稀疏值并且按照1/3-二叉树结构绘制信号x(t)的稀疏谱图，找出稀疏谱图中的最大稀疏值所对应的子频带，查看这一选定的子频带滤波后信号，通过对信号解调并分析其频谱，即可得出故障相关的非稳态信号频率进而判断该非稳态信号频率所对应的故障，本发明具备各种带宽的滤波范围，从而能更好地获取非稳态信号，通过计算滤波信号稀疏值的检测方法判断合适的滤波范围，该检测标准具有更高的准确性；

2.本发明通过对机械设备的振动信号的非稳态成分的检测，本发明可以实现对机械设备的故障的自动识别。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本实施例中1/3-二叉树结构；

图2是实施例中轴承外圈局部故障时时域波形；

图3是实施例中轴承外圈局部故障1/3-二叉树结构稀疏谱图；

图4是实施例中轴承外圈局部故障有效频率范围滤波信号解调结果及其频谱。

具体实施方式

以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做进一步调整，未注明的实施条件通常为常规实验中的条件。

实施例：

本实施例所描述的是针对轴承外圈局部故障的检测，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非稳态冲击，在轴承转速恒定的情况下，振动信号中即会存在周期的非稳态冲击成分。然而，由于局部故障引起的振动的持续时间短，同时该非稳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。

实验对象为火车上常用的滚柱轴承，型号为NJ(P)3226X1，主要机构参数如表1所示。试验时压电加速度传感器安装在轴承座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。

表1圆柱滚子轴承主要结构参数

试验是在设置外圈故障的状态下进行的，在这种情况下，实验时转速1440r/min，采样频率为50KHz。外圈故障特征频率为135Hz。表明存在外圈故障时候，振动信号中存在周期为7.4ms的周期非稳态冲击成分。

图1为1/3-二叉树结构示意图，图2为采集的轴承外圈故障时域信号x(t)波形，其中存在周期为7.4ms的非稳态冲击成分，从图中能看出周期的存在，但无法定量判断；

利用本发明方法将时域信号x(t)经过1/3-二叉树结构滤波器组进行滤波，得到不同频率范围和中心频率的子频带；

计算各子频带的稀疏值，计算公式为：

$\mathrm{SV}=\left\{\begin{array}{c}\frac{\sqrt{{\mathrm{\Σ}}_n{\left(x_k^i\left(n\right)\right)}^2}}{{\mathrm{\Σ}}_n\left|x_k^i\left(n\right)\right|}=\frac{{\left|\right|x_k^i\left(n\right)\left|\right|}_2}{{\left|\right|x_k^i\left(n\right)\left|\right|}_1},i=\mathrm{0,1}...,2^k-1,k=\mathrm{0,1,2,3,4}\\ \frac{\sqrt{{\mathrm{\Σ}}_n{\left(x_{k+0.6}^j\left(n\right)\right)}^2}}{{\mathrm{\Σ}}_n\left|x_{k+0.6}^j\left(n\right)\right|}=\frac{{\left|\right|x_{k+0.6}^j\left(n\right)\left|\right|}_2}{{\left|\right|x_{k+0.6}^j\left(n\right)\left|\right|}_1},j=\mathrm{0,1}...,\left[2^{k+0.6}\right]-1,k=\mathrm{1,2,3}\end{array}\right.$

以第四层第12个子频带滤波后信号为例，根据1/3-二叉树结构分布，其信号长度为记为 将各信号点值代入下述计算公式，计算其稀疏值：

$\mathrm{SV}=\frac{\sqrt{\underset{n=1}{\overset{L/16}{\mathrm{\Σ}}}{\left(x_4^{12}\left(n\right)\right)}^2}}{\underset{n=1}{\overset{L/16}{\mathrm{\Σ}}}\left|x_4^{12}\left(n\right)\right|}$

待各子频带信号稀疏值计算完成后，生成1/3-二叉树稀疏谱如图3所示；

如图3所示的1/3-二叉树稀疏谱图为色彩象征图，右侧的色条由下至上表征的稀疏值为0.02至0.024，由稀疏谱图可很容易地寻找最大稀疏值对应的子频带。该子频带所在分解层次为3.6层，带宽为1563Hz，频带范围为17188～18750Hz；

提取该子滤波器滤波后的信号并解调如图4所示，反应轴承外圈故障的非稳态信号周期清楚的反应在时域信号中，图4中信号频谱清晰反应了外圈特征频率及其谐波。

从本实例可以看出，基于1/3-二叉树稀疏谱图的非稳态信号检测方法能有效检测出故障特征频率与周期，从而有效诊断出故障。

上述实例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于1/3-二叉树稀疏谱图的非稳态信号检测方法，它包括传感装置、模/数转换单元，传感装置接收外部输入信号，模/数转换单元对所接收到的外部信号进行模/数转换获得长度为L的检测信号x(t)，其特征在于，它还包括一系列不同中心频率的低通和高通滤波器，假设一个低通滤波器g(n)，其对应的两个拟解析低通和高通滤波器分别为，

g₀(n)＝g(n)e^jπn/4

g₁(n)＝g(n)e^j3πn/4

式中，g₀(n)为0至1/4频率低通滤波器，g₁(n)为1/4至1/2频率高通滤波器，具体包括如下步骤：

(1)初始化滤波器组，根据需要分解的层次，进行相应数目滤波器组的初始化，为保证每个分解层次数据总长度相等，对上一层数据采用下采样方式进入下一层，由分解层次来看：

a)对于整数分解层次k＝0,1,2...4，采用下2采样的方式保证该层滤波后总数据长度等于L，有2^k个子滤波器，记为经过滤波后的序列记为中心频率为(i+2^-1)×2^-k-1，带宽为2^-k-1；

b)对于非整数分解层次k+0.6，k＝1,2,3，采用下3采样的方式保证该层滤波后总数据长度等于L，有[2^k+0.6]个子滤波器，记为经过滤波后的序列记为带宽为1/[2^k+1.6]-2；

(2)将信号x(t)经过上述的1/3-二叉树结构滤波器组滤波，得到滤波信号 $x_k^i\left(n\right),i=\mathrm{0,1}...,2^k-1,k=\mathrm{0,1,2,3,4},x_{k+0.6}^j\left(n\right),j=\mathrm{0,1}...,\left[2^{k+0.6}\right]-1,k=\mathrm{1,2,3};$

(3)计算各子频带信号的稀疏值，公式如下：

$\mathrm{SV}=\left\{\begin{array}{c}\frac{\sqrt{{\mathrm{\Σ}}_n{\left(x_k^i\left(n\right)\right)}^2}}{{\mathrm{\Σ}}_n\left|x_k^i\left(n\right)\right|}=\frac{{\left|\right|x_k^i\left(n\right)\left|\right|}_2}{{\left|\right|x_k^i\left(n\right)\left|\right|}_1},i=\mathrm{0,1}...,2^k-1,k=\mathrm{0,1,2,3,4}\\ \frac{\sqrt{{\mathrm{\Σ}}_n{\left(x_{k+0.6}^j\left(n\right)\right)}^2}}{{\mathrm{\Σ}}_n\left|x_{k+0.6}^j\left(n\right)\right|}=\frac{{\left|\right|x_{k+0.6}^j\left(n\right)\left|\right|}_2}{{\left|\right|x_{k+0.6}^j\left(n\right)\left|\right|}_1},j=\mathrm{0,1}...,\left[2^{k+0.6}\right]-1,k=\mathrm{1,2,3}\end{array}\right.$

(4)按照1/3-二叉树结构绘制信号x(t)的稀疏谱图；

(5)从稀疏谱图中找出稀疏值最大对应的子频带；

(6)查看选择的子频带滤波后信号，通过对信号解调及其分析其频谱，即可看出故障相关的非稳态信号频率继而判断该非稳态信号频率所对应的故障。

2.根据权利要求1所述的基于1/3-二叉树稀疏谱图的非稳态信号检测方法，其特征在于，所述的传感装置为加速度传感器，所述的加速度传感器安设于待检测设备的壳体上，用于检测设备的振动加速度信号，即检测信号x(t)。

3.根据权利要求1或2所述的基于1/3-二叉树稀疏谱图的非稳态信号检测方法，其特征在于，所述的非稳态信号频率与待检测设备某零件的故障特征频率吻合，则判定待检测设备中与该频率对应的零件位置存在有故障。