CN102663261B - 一种采用时频切片技术提取旋转机械转子轴心轨迹的方法 - Google Patents
一种采用时频切片技术提取旋转机械转子轴心轨迹的方法 Download PDFInfo
- Publication number
- CN102663261B CN102663261B CN201210126179.6A CN201210126179A CN102663261B CN 102663261 B CN102663261 B CN 102663261B CN 201210126179 A CN201210126179 A CN 201210126179A CN 102663261 B CN102663261 B CN 102663261B
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- time
- orbit
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种采用时频切片技术提取旋转机械转子轴心轨迹的方法,在旋转机械转子的垂直于轴系安装一对相互垂直的振动传感器,以测量转子的振动信号,然后选择频率切片函数,对2路信号分别进行频率切片小波变换,获得时频分布;根据振动信号各个分量的时频分布特点,选取时频切片,通过频率切片小波变换的逆变换,分离和提取构成轴心轨迹的信号分量,在此基础上,合成转子的轴心轨迹和转子的进动状态;在多次提取不同单频信号分量的基础上,综合这些提取的单频信号分量并构成一个多频分量信号,以此为基础,合成转子的多频分量的轴心轨迹和转子的进动状态。
Description
技术领域
本发明属于机械设备振动信号处理与故障特征提取技术领域,具体涉及一种采用时频切片技术提取旋转机械转子轴心轨迹的方法。
背景技术
旋转机械的转子轴心轨迹是转子轴心点相对于轴承座运动而形成的轨迹,通过在转子的同一横截面上设置2个相互垂直的传感器来测取振动位移,2个方向上的振动位移确定了该截面上轴心的振动漂移位置,随着转子的转动构成了轴心的轨迹。轴心轨迹包含了丰富的故障信息,它的形状是判断设备运行状态是否正常的一个重要的依据。通常现场获取的振动信号含有噪声,干扰较大,合成的轴心轨迹杂乱无章,妨碍了对设备状态分析的有效性。为了清楚地观察轴心轨迹,2个方向的振动信号需要经过消除噪声处理后,再进行拟合形成轴心轨迹。
常用的方法如下:
(1)用高通滤波器滤除振动信号中的直流分量以便于观察轴心轨迹。
(2)若需要同时了解轴心的轨迹及位置,还需用低通滤波器滤除振动信号中的高频分量。
(3)单频轴心轨迹分解,它可以有效地突出所关注的信号分量。
目前,对轴心轨迹提取的方法有数字滤波及小波变换等。文献[1]采用傅里叶变换提取各阶频率分量的方法合成[1],2路振动信号分别用傅里叶变换进行分析得到信号的幅频谱,用幅频谱选频,把信号分量简化为谐波分量,合成单频轴心轨迹分量图。采用离散小波变换和离散小波包变换提取轴心轨迹利用小波降噪方法,首先用小波变换把振动信号分解到不同的频带上,以获得不同频带上的振动信号的分量,然后只选取若干频带重构信号实现信号的滤波,用重构信号合成轴心轨迹。离散小波变换和离散小波包变换依赖小波基函数,选用不同的小波基函数其效果有差异;另外,二者按频带分解信号,如果需要获得单一频率成分的信号分量,必须增加分解层数,而增加分解层数,分解频带内的数据量减少,难以有效地表达信号的真实特征,因此,通常采用有限的分解层数,这样一个频带内含往往有多种成分的信号分量,不能理想地获取单频轴心轨迹;其次,即使采用正交小波,也存在分解频带间交叠的交叠问题,也使获取单频轴心轨迹困难[2,3]。大多数连续小波变换提供的是时间尺度分解信息,无法提取轴心轨迹所需的单频分量。谐波小波包变换的分析采用等采样点数的任意频带无能量泄漏分解的方法,该方法具有小波分析的窗口伸缩功能,由谐波窗分解得到的频域特征信号可以较好地重构所提取频带原始时域特征信号,可得到较理想的轴心轨迹,但是,实际应用中对于特定频带的选择直接影响轴心轨迹的形状[4,5,6]。
另外,根据旋转机械振动信号的特点,采用数学形态滤波器也可以提取轴心轨迹,利用数学形态学构成低通滤波器,对振动信号去噪及强化处理,消除信号噪声,然后重构出轴心轨迹。此种方法构造滤波时需要对待处理信号的局部形状特征有清楚的了解,实际应用受到一定的限制[7]。
以下是申请人检索的相关文献:
【1】杨昌棋,秦树人,汤宝平,基于FFT的虚拟式轴心轨迹分析仪,振动,测试与诊断,2000,20(s):138~142。
【2】杨建国,夏松波,刘永光,须根法,小波降噪在轴心轨迹特征提取中的应用[J].哈尔滨工业大学学报,1999,31(5):52~54。
【3】韩吉,蒋东翔,倪维斗,王风雨,利用最优小波包提取轴心轨迹故障特征[J].汽轮机技术,2001,43(3):133~136。
【4】张文斌,周晓军,杨先勇,林勇,沈路,基于谐波窗方法的转子轴心轨迹提纯[J],振动与冲击,2009,28(8):74~77。
【5】李舜酩,谐波小波包方法及其对转子亚频轴心轨迹的提取,机械工程学报[J],2004,40(9):133~137。
【6】李方,李友荣,王志刚,应用广义谐波小波提纯转子轴心轨迹,振动、测试与诊断[J],2008,28(1):55~57。
【7】安连锁,胡爱军,唐贵基,向玲,采用数学形态滤波器的轴心轨迹提纯,动力工程,2005,25(4):550~553,586。
发明内容
针对目前旋转机械转子轴心轨迹提取存在的缺陷或不足,本发明的目的是提供一种采用时频切片技术提取旋转机械转子轴心轨迹的方法,该方法不需要了解信号的局部特征,解决了小波变换方法以某一频带或多个频带的分量信号合成轴心轨迹不足,能够消除实际工程应用中小波分解频带选择不当对轴心轨迹影响。
为了实现上述任务,本发明采用的技术方案如下:
一种采用时频切片技术提取旋转机械转子轴心轨迹的方法,其特征在于,该方法在旋转机械转子的垂直于轴系安装一对相互垂直的振动传感器,以测量转子的振动信号,然后选择频率切片函数,对2路信号分别进行频率切片小波变换,获得时频分布;根据振动信号各个分量的时频分布特点,选取时频切片,通过频率切片小波变换的逆变换,分离和提取构成轴心轨迹的信号分量,在此基础上,合成转子的轴心轨迹和转子的进动状态;
在多次提取不同单频信号分量的基础上,综合这些提取的单频信号分量并构成一个多频分量信号,以此为基础,合成转子的多频分量的轴心轨迹和转子的进动状态。
所述的一对振动传感器为涡流传感器、或加速度传感器,垂直于轴系安装,二者相互垂直,其中,一个为水平方向,另一个为垂直方向。
所述的振动信号为数据采集系统采集的数字序列信号,等间隔采样,采样频率恒定。
所述的频率切片函数是频率切片小波变换的变换基函数,振动信号通过与其卷积的积分获取振动信号的时频能量分布。
所述的时频切片是在振动信号的时频能量分布图上截取的感兴趣特征时频区域区域,由于旋转机械转子是周而复始地旋转,时频特征会重复出现,为了准确地提取规律性强的时频特征,时频切片的时间区间选择为信号的整个时间历程,频率区间为提取特征的频率邻域。
所述的分离和提取构成轴心轨迹的信号分量是对选择的时频切片进行逆变换而获得的信号分量的时域形式。
所述的轴心轨迹是由分离提取的2个方向的信号分量合成的曲线。
所述的转子的进动状态是由分离提取的2个方向的信号分量合成的转子一个周期的轴心轨迹及其每个合成点的出现顺序,通过对比点的出现顺序与转子旋转方向确定转子的进动状态。
所述的单频信号分量是指信号中只包含一个频率成分,所述的多频信号分量是指信号中含有多个频率成分。
所述的多频分量信号构成方法是采用线性叠加原理把同一时间区间的不同频率的信号综合成一个信号。
本发明的用时频切片技术提取旋转机械转子轴心轨迹的方法,适用于涡流传感器和加速度传感器采集的振动信号,除了需要旋转机械的转速和信号采样频率之外,不需要了解信号的特性,解决了小波变换方法以某一频带或多个频带的分量信号合成轴心轨迹不足,消除实际工程应用中频带选择不当对轴心轨迹影响,可以同时获取轴心轨迹和转子进动状态。
附图说明
图1是传感器安装方式示意图;
图2是采用时频切片技术提取旋转机械转子轴心轨迹的原理框图;
图3是一个振动信号的时频能量分布图。
图4是时频切片示意图。
下面结合附图和实施例对本发明进一步的详细说明。
具体实施方式
在本实施例中,一对相互垂直安装的传感器如图1所示,以测量转子的振动信号,X为水平方向的传感器,Y为垂直方向的传感器,设传感器X采集的信号为fX(t),传感器Y采集的信号为fY(t),t为时间变量。
图2为采用时频切片技术提取旋转机械转子轴心轨迹的原理,设频率切片函数为其中,分别为fX(t)、fY(t)的傅里叶变换,fX(t)、fY(t)的频率切片小波变换为:
式中,σ为尺度因子,σ≠0,σ为ω和t的函数,σ∝ω,因此,令κ>0,κ与ω、u无关,用来调节频率或时间的灵敏度。
WX(t,ω,σ)和WY(t,ω,σ)可用时频能量分布图表示。图3为一个振动信号的时频能量分布图,横坐标表示频率,纵坐标表示时间,其色彩深浅表示其能量大小,颜色越深,能量越大。
时频切片是在振动信号的时频能量分布图上截取的感兴趣特征时频区域,由于旋转机械转子是周而复始地旋转,时频特征会重复出现,为了准确地提取规律性强的时频特征,时频切片的时间区间选择为信号的整个时间历程,频率区间为提取特征的频率邻域。图4为一个时频切片的选取示意图。
设信号f(t)的变换结果为W(t,ω,σ),在其时频分布图上,时间区间[t1,t2]、频率区间[ω1,ω2]的信号分量为f1(t)
把该区间称为时频切片,记为(t1,t2,ω1,ω2).
设振动信号的采样频率为fs,信号的数据长度为l,持续时间t0~t1,提取频率为fT的信号分量时,选取的时频切片为(t0,t1,ω0,ω1),其中ω0=2π(fT-Δf),ω1=2π(fT+Δf),Δf=fs/l.因此,分离出的频率为fx信号分量为:
以fx(t)、fy(t)分别作为横坐标和纵坐标合成轴心轨迹。
设旋转机械转子的转动频率为fr,从同一起始时刻起,分别取转子转动一周的fx(t)、fy(t)数据以及采样时刻,合成转子一周的轴心轨迹。提取不同频率fT的信号分量时,由式(4)和式(5)分离出对应的时域信号,采用线性叠加原理把这些同一时间区间的不同频率的信号综合成一个信号,在此基础上,合成多频分量的轴心轨迹。
Claims (7)
1.一种采用时频切片技术提取旋转机械转子轴心轨迹的方法,其特征在于,该方法在旋转机械转子的垂直于轴系安装一对相互垂直的振动传感器,以测量转子的振动信号,然后选择频率切片函数,对2路信号分别进行频率切片小波变换,获得时频分布;根据振动信号各个分量的时频分布特点,选取时频切片,通过频率切片小波变换的逆变换,分离和提取构成轴心轨迹的信号分量,在此基础上,合成转子的轴心轨迹和转子的进动状态;
在多次提取不同单频信号分量的基础上,综合这些提取的单频信号分量并构成一个多频分量信号,以此为基础,合成转子的多频分量的轴心轨迹和转子的进动状态;
所述的一对振动传感器为加速度传感器,垂直于轴系安装,二者相互垂直,其中,一个为水平方向,另一个为垂直方向。
所述的时频切片是在振动信号的时频能量分布图上截取的感兴趣特征时频区域;时频切片的时间区间选择为信号的整个时间历程,频率区间为提取的特征频率邻域,与采样频率、信号的数据长度有关。
振动信号的采样频率为fs,信号的数据长度为l,持续时间t0~t1,提取频率为fT的信号分量时,选取的时频切片为(t0,t1,ω0,ω1),其中ω0=2π(fT-Δf),ω1=2π(fT+Δf),Δf=fs/l.因此,分离出的频率为fx信号分量为:
以fx(t)、fy(t)分别作为横坐标和纵坐标合成轴心轨迹。
2.如权利要求1所述的方法,其特征在于,所述的振动信号为数据采集系统采集的数字序列信号,等间隔采样,采样频率恒定。
3.如权利要求1所述的方法,其特征在于,所述的频率切片函数是频率切片小波变换的变换基函数,振动信号通过与其卷积的积分获取振动信号的时频能量分布。
4.如权利要求1所述的方法,其特征在于,所述的分离和提取构成轴心轨迹的信号分量是对选择的时频切片进行频率切片小波逆变换而获得的信号分量的时域形式,包含单一的频率成分。
5.如权利要求1所述的方法,其特征在于,所述的轴心轨迹是由分离提取的2个方向的信号分量合成的曲线。
6.如权利要求1所述的方法,其特征在于,所述的转子的进动状态是由提取的2个方向的信号分量合成的转子一个周期的轴心轨迹及其每个合成点的出现顺序所表现的状态。
7.如权利要求1所述的方法,其特征在于,所述的单频信号分量是指信号中只包含一个频率成分,所述的多频分量信号构成方法是采用线性叠加原理对同一时间区间的不同频率的信号的综合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210126179.6A CN102663261B (zh) | 2012-04-27 | 2012-04-27 | 一种采用时频切片技术提取旋转机械转子轴心轨迹的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210126179.6A CN102663261B (zh) | 2012-04-27 | 2012-04-27 | 一种采用时频切片技术提取旋转机械转子轴心轨迹的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663261A CN102663261A (zh) | 2012-09-12 |
CN102663261B true CN102663261B (zh) | 2015-02-04 |
Family
ID=46772751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210126179.6A Expired - Fee Related CN102663261B (zh) | 2012-04-27 | 2012-04-27 | 一种采用时频切片技术提取旋转机械转子轴心轨迹的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663261B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499445B (zh) * | 2013-09-28 | 2015-11-18 | 长安大学 | 一种基于时频切片分析的滚动轴承故障诊断方法 |
CN104165686B (zh) * | 2014-06-17 | 2017-10-03 | 中州大学 | 一种基于二元经验模态分解的转子轴心轨迹提纯方法 |
CN105890855B (zh) * | 2015-01-25 | 2019-03-15 | 雅砻江流域水电开发有限公司 | 一种水轮发电机内部故障诊断定位的方法 |
CN106017876A (zh) * | 2016-05-11 | 2016-10-12 | 西安交通大学 | 基于等权局部特征稀疏滤波网络的轮对轴承故障诊断方法 |
CN106126840B (zh) * | 2016-06-29 | 2019-05-21 | 电子科技大学 | 基于轴心轨迹的旋转机械转速计算装置及方法 |
CN112686181B (zh) * | 2021-01-04 | 2023-06-23 | 西安理工大学 | 一种基于插值轴心轨迹的水轮机故障诊断方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387575A (zh) * | 2008-10-20 | 2009-03-18 | 兖矿国泰化工有限公司 | 一种转子轴承系统故障全信息分析方法及装置 |
CN101451882A (zh) * | 2008-12-24 | 2009-06-10 | 南京大学 | 一种用于机械转子单截面轴振分析的短时幅值频谱阵列 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7038770B2 (en) * | 2003-09-25 | 2006-05-02 | Siemens Power Generation, Inc. | Virtual-tight-wire system for assembly and repair of rotary machinery |
-
2012
- 2012-04-27 CN CN201210126179.6A patent/CN102663261B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387575A (zh) * | 2008-10-20 | 2009-03-18 | 兖矿国泰化工有限公司 | 一种转子轴承系统故障全信息分析方法及装置 |
CN101451882A (zh) * | 2008-12-24 | 2009-06-10 | 南京大学 | 一种用于机械转子单截面轴振分析的短时幅值频谱阵列 |
Non-Patent Citations (1)
Title |
---|
基于时频切片分析的故障诊断方法及应用;段晨东等;《振动与冲击》;20110925;第30卷(第9期);第1-5页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102663261A (zh) | 2012-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663261B (zh) | 一种采用时频切片技术提取旋转机械转子轴心轨迹的方法 | |
Liu et al. | Adaptive spectral kurtosis filtering based on Morlet wavelet and its application for signal transients detection | |
Wang et al. | Subband averaging kurtogram with dual-tree complex wavelet packet transform for rotating machinery fault diagnosis | |
Zhang et al. | Weak fault signature extraction of rotating machinery using flexible analytic wavelet transform | |
Chen et al. | Fault diagnosis method based on integration of RSSD and wavelet transform to rolling bearing | |
Zhang et al. | Time-varying singular value decomposition for periodic transient identification in bearing fault diagnosis | |
Lei et al. | Application of an improved kurtogram method for fault diagnosis of rolling element bearings | |
Randall et al. | The relationship between spectral correlation and envelope analysis in the diagnostics of bearing faults and other cyclostationary machine signals | |
He et al. | Multiscale noise tuning of stochastic resonance for enhanced fault diagnosis in rotating machines | |
Zhang et al. | Multi-fault diagnosis of gearbox based on resonance-based signal sparse decomposition and comb filter | |
Guo et al. | Envelope order tracking for fault detection in rolling element bearings | |
CN103499445B (zh) | 一种基于时频切片分析的滚动轴承故障诊断方法 | |
Ou et al. | A new rolling bearing fault diagnosis method based on GFT impulse component extraction | |
Zhang et al. | Weighted envelope spectrum based on the spectral coherence for bearing diagnosis | |
Yan et al. | Harmonic wavelet-based data filtering for enhanced machine defect identification | |
Wang et al. | Multi-scale enveloping order spectrogram for rotating machine health diagnosis | |
Ming et al. | Fault feature extraction and enhancement of rolling element bearing in varying speed condition | |
CN108647667B (zh) | 一种基于信号时频分解的频域幅值谱峭度图的实现方法 | |
Meng et al. | General synchroextracting chirplet transform: Application to the rotor rub-impact fault diagnosis | |
Feng et al. | Spectral negentropy based sidebands and demodulation analysis for planet bearing fault diagnosis | |
Wang et al. | Bearing fault diagnosis of direct-drive wind turbines using multiscale filtering spectrum | |
CN108021871A (zh) | 一种基于主成分分析的特征频率提取方法 | |
Zhang et al. | Enhancement of adaptive mode decomposition via angular resampling for nonstationary signal analysis of rotating machinery: Principle and applications | |
Kong et al. | Fault feature extraction of planet gear in wind turbine gearbox based on spectral kurtosis and time wavelet energy spectrum | |
Patel et al. | Induction motor bearing fault identification using vibration measurement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150204 Termination date: 20160427 |