CN105512369B - 基于阶次谱的Vold-Kalman滤波带宽优选方法 - Google Patents
基于阶次谱的Vold-Kalman滤波带宽优选方法 Download PDFInfo
- Publication number
- CN105512369B CN105512369B CN201510849398.0A CN201510849398A CN105512369B CN 105512369 B CN105512369 B CN 105512369B CN 201510849398 A CN201510849398 A CN 201510849398A CN 105512369 B CN105512369 B CN 105512369B
- Authority
- CN
- China
- Prior art keywords
- order
- bandwidth
- vold
- spectrum
- order spectrum
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Abstract
本发明公开了一种基于阶次谱的Vold‑Kalman滤波带宽优选方法,实现过程简便,为该技术在旋转机械故障诊断中的有效利用起到了重要的推动作用,为工程维护人员提供了一种简便、可靠而有效的方法实现Vold‑Kalman滤波阶次跟踪。原本工程维护人员无法有效的判断Vold‑Kalman滤波结果的准确性,随意性很大,而通过采用本方法,工程维护人员可以自行设置置信区间,有效的评价Vold‑Kalman滤波结果的准确性。
Description
技术领域
本发明属于机械设备故障监测技术领域,具体涉及一种基于阶次谱的Vold-Kalman滤波带宽优选方法的设计。
背景技术
旋转机械是各种类型机械设备中数量最多、应用最广泛的一类机械;特别是一些大型旋转机械,如离心式压缩机、气轮机、球磨机、大型钻机、风力发电涡轮机组等,在石化、电力、冶金等支持国家经济命脉的一些工业部门发挥着重要的作用。一旦机械发生故障,其造成的损失及影响将是十分严重的。目前旋转机械故障诊断的主要方法之一是采用振动信号进行状态监测和故障诊断。传统的振动信号技术多是基于稳态假设的分析方法,如基于傅里叶变换的频谱分析,这类分析技术在处理转速不断变化的旋转机械的振动信号时,会发生频率模糊现象,很难对旋转机械进行有效的故障诊断。而随着现代工业迅猛发展,许多重要的旋转机械设备的工作特点就是转速不断发生着变化,如风力发电设备、汽车和轮船在启动和停止时的齿轮传动系统等等。此外,严格意义上讲,任何一台旋转机械都不可能保持一个非常精确的稳定转速,都会随着工况的改变而发生相应的转速波动。因此在旋转机械的故障诊断中,处理转速变化情况下的振动信号就变得越来越具有重要的实际意义。
Vold-Kalman跟踪滤波阶次跟踪方法是一种跟踪转速变化而引起的旋转机械振动信号的滤波跟踪技术。该方法在1993年由Vold和Leuridan首先提出,并由ma对其理论进行程序化设计,最终在Matlab中实现。然而,Vold-Kalman跟踪滤波阶次跟踪方法仍然存在一个重要的应用过程瓶颈,就是合适滤波带宽的选择。虽然在1999年,Herlufen分析了Vold-Kalman滤波器的时频特性,并提出了一种基于信号共振频率的滤波带宽选择经验方案,可是该方案需要信号中存在共振信息,同时还需要确定3dB的共振信号带宽及阶次通过时间等信息,并且还要通过经验公式进行计算,这些的实现难度均很大。因此,Blough也他的著作中也特别提到Vold-Kalman滤波阶次跟踪的实现对分析人员的经验要求很高,滤波过程的准确性很难保证。虽然Vold-Kalman滤波器可以很好的跟踪旋转机械由于转速变化而产生的非平稳态振动信号,但是其滤波带宽的优化选择却成为了该方法深入应用的瓶颈。
发明内容
本发明的目的是为了解决现有技术中Vold-Kalman滤波器带宽选择缺少简便而可靠的方法的问题,提出了一种基于阶次谱的Vold-Kalman滤波带宽优选方法。
本发明的技术方案为:一种基于阶次谱的Vold-Kalman滤波带宽优选方法,包括以下步骤:
S1、结合转速信息对旋转机械的振动信号进行计算阶次分析,获得振动信号的完整阶次谱,记为阶次谱0;
S2、根据目标跟踪阶次及其置信度构建一个阶次矩形窗;
S3、利用S2中的阶次矩形窗在阶次谱0中获得给定置信区间的目标阶次谱,记为阶次谱1;
S4、对S1中的振动信号,在设定的带宽库中选择一个滤波带宽,通过Vold-Kalman滤波器获得目标跟踪阶次的时域信号;
S5、对S4中获得的目标跟踪阶次时域信号进行计算阶次分析,获得该带宽下相应的目标跟踪阶次的阶次谱,记为阶次谱2;
S6、将阶次谱1和阶次谱2相减得到剩余信号;
S7、计算剩余信号的标准差;
S8、在设定的带宽库中依次选择一个滤波带宽,重复S4到S7,直到带宽库中的所有滤波带宽都经过选择,得到一系列剩余信号的标准差;
S9、在得到的所有剩余信号的标准差中选择最小值,其对应的滤波带宽即为最佳带宽。
进一步地,S2中阶次矩形窗的幅值设定为1。
进一步地,S3中获得阶次谱1的具体方法为:利用S2中构建的阶次矩形窗,将目标阶次谱按照置信区间的形式从阶次谱0中分离开来,从而得到阶次谱1,以实现后续与Vold-Kalman滤波跟踪结果的对比。
进一步地,S4中滤波带宽的个数取决于对滤波精确度的要求。
本发明的有益效果是:本发明实现过程简便,为该技术在旋转机械故障诊断中的有效利用起到了重要的推动作用,为工程维护人员提供了一种简便、可靠而有效的方法实现Vold-Kalman滤波阶次跟踪。通过采用本发明提供的方法,工程维护人员可以自行设置置信区间,有效的评价Vold-Kalman滤波结果的准确性。
附图说明
图1为本发明提供的一种基于阶次谱的Vold-Kalman滤波带宽优选方法流程图。
图2为本发明实施例的旋转机械的仿真模型图。
图3为本发明实施例的转子的转速图。
图4为本发明实施例的转子的振动信号时域图。
图5为本发明实施例的转子振动信号计算阶次分析后的阶次谱图。
图6为本发明实施例的利用阶次矩形窗获得目标阶次谱的过程图。
图7为本发明实施例的转子振动信号经过阶次矩形窗获得的目标阶次谱图。
图8为本发明实施例的转子振动信号经过Vold-Kalman滤波器后时域信号波形图。
图9为本发明实施例的转子振动信号经Vold-Kalman滤波器后的振动信号进行计算阶次分析后的谱图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
本发明提供了一种基于阶次谱的Vold-Kalman滤波带宽优选方法,如图1所示,包括以下步骤:
S1、结合转速信息对旋转机械的振动信号进行计算阶次分析,获得振动信号的完整阶次谱,记为阶次谱0。
S2、根据目标跟踪阶次及其置信度构建一个阶次矩形窗。
本发明实施例中,阶次矩形窗幅值设定为1。阶次矩形窗的宽度可由分析者自行选定,通常应包含目标阶次,同时为了避免阶次重叠,其带宽不宜选得过大而导致包含过多其他阶次信息。
S3、利用S2中构建的阶次矩形窗,将目标阶次谱按照置信区间的形式从阶次谱0中分离开来,从而获得给定置信区间的目标阶次谱,记为阶次谱1,以实现后续与Vold-Kalman滤波跟踪结果的对比。
S4、对S1中的振动信号,在设定的带宽库中选择一个滤波带宽,通过Vold-Kalman滤波器获得目标跟踪阶次的时域信号。
滤波带宽的个数取决于对滤波精确度的要求,可根据具体的精确度要求提高或减少选择带宽的个数。根据实际情况可以调整带宽库的大小以便有足够多的滤波带宽进行尝试。
S5、对S4中获得的目标跟踪阶次时域信号进行计算阶次分析,获得该带宽下相应的目标跟踪阶次的阶次谱,记为阶次谱2。
S6、将阶次谱1和阶次谱2相减得到剩余信号。
S7、计算剩余信号的标准差。
S8、在设定的带宽库中依次选择一个滤波带宽,重复S4到S7,直到带宽库中的所有滤波带宽都经过选择,得到一系列剩余信号的标准差。
S9、在得到的所有剩余信号的标准差中选择最小值,其对应的滤波带宽即为最佳带宽。
下面以一个具体实施例对本发明提供的一种基于阶次谱的Vold-Kalman滤波带宽优选方法作进一步说明:
图2为旋转机械的仿真模型,其中K为弹性系数,C为粘性阻尼系数,mu为转子不平衡质量,ru为不平衡质量块偏离中心轴的距离,M为转子的质量。仿真模型简化为图2右下方的弹簧质量块模型。ω为旋转机械转子的转速。F为施加在转子上的激励力,计算公式为F=muruω2sin(4ωt)+muruω2sin(10ωt)。各参数大小如下表所示:
符号 | 参数 | 数值 |
k | 刚度 | 5000.00N/m |
m | 转子质量 | 20.00kg |
ru | 偏心距 | 0.10m |
mu | 不平衡质量 | 0.05kg |
c | 阻尼系数 | 100.00Ns/m |
t0 | 开始时间 | 0.00s |
tf | 结束时间 | 5.00s |
N | 采样点数 | 4096.00 |
nn | 旋转次数 | 40.00 |
ω | 角速度 | 6.03t rad/s |
F | 外部激励 | F=muruω2sin(4ωt)+muruω2sin(10ωt) |
S1、结合如图3所示转速信息对如图4所示的旋转机械的振动信号进行计算阶次分析,获得振动信号的完整阶次谱,记为阶次谱0,如图5所示。
S2、选择一个根据感兴趣的目标跟踪阶次,如4.00,并选择适当的置信度,如0.2,构建一个阶次矩形窗。
S3、将阶次矩形窗乘以阶次谱0可得到目标阶次谱1(4.00阶次左右各0.1阶次图谱),具体过程如图6所示,阶次谱1如图7所示。
S4、对S1中的振动信号,在设定的带宽库中选择一个滤波带宽(6%),通过Vold-Kalman滤波器获得目标跟踪阶次的时域信号,如图8所示。
S5、对S4中获得的目标跟踪阶次时域信号进行计算阶次分析,获得该带宽下相应的目标跟踪阶次的阶次谱,记为阶次谱2,如图9所示。
S6、将阶次谱1和阶次谱2相减得到剩余信号。
S7、计算剩余信号的标准差。
S8、在设定的带宽库中依次选择一个滤波带宽,重复S4到S7,直到带宽库中的所有滤波带宽都经过选择,得到一系列剩余信号的标准差。
S9、由下表可知带宽为4.6%时剩余信号标准差最小,即为Vold-Kalman滤波器最佳带宽。
Vold-Kalman滤波带宽 | 剩余信号的标准差 |
0.0% | 6.7351 |
2.6% | 4.3824 |
4.6% | 3.6129 |
6.6% | 3.8966 |
8.6% | 4.2699 |
10.6% | 4.5575 |
12.6% | 4.7653 |
14.6% | 4.9159 |
16.6% | 5.0272 |
18.6% | 5.1113 |
20.6% | 5.1760 |
40.6% | 5.4194 |
60.6% | 5.4735 |
80.6% | 5.4936 |
100.0% | 5.5031 |
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (3)
1.一种基于阶次谱的Vold-Kalman滤波带宽优选方法,其特征在于,包括以下步骤:
S1、结合转速信息对旋转机械的振动信号进行计算阶次分析,获得振动信号的完整阶次谱,记为阶次谱0;
S2、根据目标跟踪阶次及其置信度构建一个阶次矩形窗;
S3、利用S2中的阶次矩形窗在阶次谱0中获得给定置信区间的目标阶次谱,记为阶次谱1;所述S3中获得阶次谱1的具体方法为:利用S2中构建的阶次矩形窗,将目标阶次谱按照置信区间的形式从阶次谱0中分离开来,从而得到阶次谱1,以实现后续与Vold-Kalman滤波跟踪结果的对比;
S4、对S1中的振动信号,在设定的带宽库中选择一个滤波带宽,通过Vold-Kalman滤波器获得目标跟踪阶次的时域信号;
S5、对S4中获得的目标跟踪阶次时域信号进行计算阶次分析,获得该带宽下相应的目标跟踪阶次的阶次谱,记为阶次谱2;
S6、将阶次谱1和阶次谱2相减得到剩余信号;
S7、计算剩余信号的标准差;
S8、在设定的带宽库中依次选择一个滤波带宽,重复S4到S7,直到带宽库中的所有滤波带宽都经过选择,得到一系列剩余信号的标准差;
S9、在得到的所有剩余信号的标准差中选择最小值,其对应的滤波带宽即为最佳带宽。
2.根据权利要求1所述的基于阶次谱的Vold-Kalman滤波带宽优选方法,其特征在于,所述S2中阶次矩形窗的幅值设定为1。
3.根据权利要求1所述的基于阶次谱的Vold-Kalman滤波带宽优选方法,其特征在于,所述S4中滤波带宽的个数取决于对滤波精确度的要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510849398.0A CN105512369B (zh) | 2015-11-27 | 2015-11-27 | 基于阶次谱的Vold-Kalman滤波带宽优选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510849398.0A CN105512369B (zh) | 2015-11-27 | 2015-11-27 | 基于阶次谱的Vold-Kalman滤波带宽优选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105512369A CN105512369A (zh) | 2016-04-20 |
CN105512369B true CN105512369B (zh) | 2018-05-01 |
Family
ID=55720349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510849398.0A Expired - Fee Related CN105512369B (zh) | 2015-11-27 | 2015-11-27 | 基于阶次谱的Vold-Kalman滤波带宽优选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512369B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107167306B (zh) * | 2017-05-27 | 2020-11-06 | 南京航空航天大学 | 基于阶次提取的旋转机械转子运行状态模态分析方法 |
FR3102858B1 (fr) | 2019-11-05 | 2021-10-29 | Safran | Procédé, dispositif et programme d’ordinateur de surveillance d’une machine tournante d’un aéronef |
CN113643679B (zh) * | 2021-10-14 | 2021-12-31 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于级联滤波器的旋翼和尾桨气动噪声分离方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866010A (zh) * | 2012-09-28 | 2013-01-09 | 苏州大学 | 一种信号的谱峭度滤波方法及相关装置 |
CN103424258A (zh) * | 2013-08-06 | 2013-12-04 | 昆明理工大学 | 一种滚动轴承的故障诊断方法 |
CN104596756A (zh) * | 2015-02-02 | 2015-05-06 | 华北电力大学 | 用于旋转机械故障诊断的多频带包络谱阵 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5455298B2 (ja) * | 2007-11-06 | 2014-03-26 | オークマ株式会社 | 軸受状態診断装置 |
-
2015
- 2015-11-27 CN CN201510849398.0A patent/CN105512369B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866010A (zh) * | 2012-09-28 | 2013-01-09 | 苏州大学 | 一种信号的谱峭度滤波方法及相关装置 |
CN103424258A (zh) * | 2013-08-06 | 2013-12-04 | 昆明理工大学 | 一种滚动轴承的故障诊断方法 |
CN104596756A (zh) * | 2015-02-02 | 2015-05-06 | 华北电力大学 | 用于旋转机械故障诊断的多频带包络谱阵 |
Non-Patent Citations (1)
Title |
---|
"变转速下机械设备动态信号分析方法的回顾与展望";林京等;《中国科学》;20150720;第669页至第679页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105512369A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2294287B1 (de) | Verfahren und vorrichtung zur risserkennung an verdichterlaufschaufeln | |
CN105651376B (zh) | 机械设备离线检测系统振动信号频谱分析和报警方法 | |
US5148711A (en) | Apparatus and method for removing common mode vibration data from digital turbine blade vibration data | |
CN105512369B (zh) | 基于阶次谱的Vold-Kalman滤波带宽优选方法 | |
DE102006060650A1 (de) | Vorrichtung und Verfahren zur berührungslosen Schaufelschwingungsmessung | |
CN104266747A (zh) | 一种基于振动信号阶次分析的故障诊断方法 | |
CN110553844B (zh) | 旋转机械的不对中故障检测方法及其检测系统 | |
WO2011029926A1 (de) | Verfahren zur ermittlung von rissen in turbinenschaufeln | |
EP1476733B1 (de) | Verfahren und einrichtung zur detektion einer impulsartigen mechanischen einwirkung auf ein anlagenteil | |
CN109540482B (zh) | 一种涡轮机叶片无键相同步振动参数分析方法及分析装置 | |
CN105675113A (zh) | 基于微型传感器的旋转机械角域振动信号获取装置和方法 | |
CN105628176A (zh) | 一种旋转机械扭转振动信号采集分析方法 | |
CN104200118A (zh) | 自动平衡机振动信号处理方法 | |
DE102011057175A1 (de) | Verfahren zur Schwingungsmessung an Rotorblättern von Windenergieanlagen | |
CN110231166A (zh) | 一种变转速工况下三级传动齿轮箱的智能诊断方法 | |
AU2015201595A1 (en) | Vibration measurement and analysis | |
CN110646138A (zh) | 一种旋转机械无键相无试重动平衡方法和分析装置 | |
CN116933024B (zh) | 旋转类设备运行状态监控方法及系统 | |
DE102017104414B3 (de) | Verfahren und Vorrichtung zum Bestimmen eines Indikators für eine Vorhersage einer Instabilität in einem Verdichter sowie Verwendung | |
CN109085375A (zh) | 一种旋转机械的键相脉冲信号监测方法及装置 | |
CN110219816A (zh) | 用于风机故障诊断的方法和系统 | |
CN104459186A (zh) | 基于稀疏分段拟合与积分逼近的无转速计阶比分析方法 | |
CN112664379A (zh) | 水轮机组故障预判方法及装置 | |
DE102009009714A1 (de) | Vorrichtung und Verfahren zur Drehmomentmessung an einer Turbinenwelle | |
CN107436244B (zh) | 基于频率分段振动数据采集的设备故障报警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180501 Termination date: 20201127 |
|
CF01 | Termination of patent right due to non-payment of annual fee |