CN105651376A - 机械设备离线检测系统振动信号频谱分析和报警方法 - Google Patents

Abstract

本发明公开了一种机械设备离线检测系统振动信号频谱分析和报警方法，本方法对振动信号进行傅里叶变换，得到振动幅值序列和频率分量序列；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，设置报警阈值，以超限总值作为报警参数；自适应频段划分，得到的频段数随数据的频谱复杂程度自动调整，以各频段的振动能量值为基准，设置各频段振动能量值的相对报警阈值，以识别新产生的振动信号的振动能量分布异常，实现机械设备异常状态的自动辨识。本方法克服传统振动信号频谱分析的缺陷，提高振动信号频谱的自动分析能力和报警的准确性，满足机械设备运行保障需求，保证机械设备的安全、可靠运行。

Description

机械设备离线检测系统振动信号频谱分析和报警方法

技术领域

本发明涉及一种机械设备离线检测系统振动信号频谱分析和报警方法。

背景技术

机械设备离线检测系统中，对振动传感器检测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，也是机械设备离线检测系统中的核心诊断工具。

在机械设备正常运行的状态下，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，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。

目前机械设备离线检测系统中大多采用人工分析的方法处理振动信号频谱，凭经验辨识异常的频率分量或频段。少量检测系统中具有频率报警设置的功能，但其设置工作还是依赖于技术人员经验，且通用性差。随着机械设备运行保障的要求逐步提高，越来越多的回转机械设备纳入振动监控的范围内，依靠技术人员的经验分析已无法处理海量增长的振动信号，因此必须研发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。

目前现有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，该报警方式受工况影响大，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。同时与频谱结构密切相关，对干扰小、谱线少的位移信号较为有效，但生产现场中最常用的速度和加速度信号，由于频率成分复杂，导致报警效果较差。其次该报警方式针对频谱的局部特征，但机械设备是多零部件组成的复杂系统，对每一个零部件在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。

以Commtest公司的Ascent振动监测诊断软件为例，其在频谱报警方面主要有频谱包络和频段报警两个功能，但其频谱包络仅提供了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，而频段报警设置完全依赖人工调整。

发明内容

本发明所要解决的技术问题是提供一种机械设备离线检测系统振动信号频谱分析和报警方法，本方法克服了传统振动信号频谱分析的缺陷，提高了振动信号频谱的自动分析能力和报警的准确性，满足机械设备运行保障的需求，保证了机械设备的安全、可靠运行。

为解决上述技术问题，本发明机械设备离线检测系统振动信号频谱分析和报警的方法包括如下步骤：

步骤一、对振动信号进行傅里叶变换，得到振动幅值序列和频率分量序列{A_i,f_i|i＝0,Λ,N-1}，其中A_i为振动幅值、f_i为频率分量、N为谱线数；

步骤二、采用高斯函数模板平滑振动信号的频谱数据，选择大于3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＝(L-1)/2，计算高斯函数模板的宽度系数得到高斯函数序列j＝0,Λ,L-1；

步骤三、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＝G_j/G_c,j＝0,Λ,L-1；

步骤四、振动幅值序列前后各延长c个点，得到长度为N+2c的幅值序列，即原振动幅值序列为{A₀,A₁,L,A_N-1}，前后各加c个零的幅值序列为{0,Λ,0,A₀,A₁,Λ,A_N-1,0,Λ,0}；

步骤五、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振动幅值A_i的包络序列i＝0,Λ,N-1，其中A_i为振动幅值，M_j为高斯模板函数值，E_i为包络序列；

步骤六、将{E_i,f_i|i＝0,Λ,N-1}作为振动信号的全频带分布特征，获得新的振动信号频谱{A′_i,f_i|i＝0,Λ,N-1}，其中A′_i为新采集到的振动信号幅值，计算A′_i与包络序列E_i的相对总值和单谱线相对最大值

步骤七、设置报警阈值T＝1.1～2，如果I₁>T或I₂>T，则给出报警信号。

进一步，以10～20倍频率分辨率将新采集振动信号的{A_i,f_i|i＝0,Λ,N-1}频谱等分为l段，计算各段振动能量之和在总振动能量中所占的比例，得到能量比例序列e₁，e₂，…e_l，其中振动能量为各频率分量处振动幅值的平方；

在能量比例序列中从大到小选取能量峰值点，直到剩余的能量峰值均小于平均能量比例的1/l或者已选取的能量峰值点能量总和大于0.7，组成新的能量峰值序列其中p₁,L,p_n为选取能量峰值点在能量比例序列中的序号，n为能量峰值点个数；

峰值序列中相邻两个能量峰值点为和i＝1,L,n-1，在能量比例序列中序号为p_i和p_i+1的能量比例值中查找小于剩余平均能量比例e_s的极小值，其中剩余平均能量为原能量比例序列中去掉能量峰值点后的序列，则如果极小值个数大于2，则将第一个极小值和最后一个极小值作为分段的频段边界，如果极小值个数小于或等于2，则选择较小的一个极小值作为分段的频段边界，如果不存在极小值，在相邻能量峰值间不作频段划分；设定各分段的频段振动能量值的1～2倍作为相对报警阈值，以识别新产生的振动信号的振动能量分布异常。

进一步，上述平滑长度L的选择范围为3～15。

由于本发明机械设备离线检测系统振动信号频谱分析和报警方法采用了上述技术方案，即本方法对振动信号进行傅里叶变换，得到振动幅值序列和频率分量序列；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，设置报警阈值，以超限总值作为报警参数；自适应频段划分，得到的频段数随数据的频谱复杂程度自动调整，以各频段的振动能量值为基准，设置各频段振动能量值的相对报警阈值，以识别新产生的振动信号的振动能量分布异常，实现机械设备异常状态的自动辨识。本方法克服了传统振动信号频谱分析的缺陷，提高了振动信号频谱的自动分析能力和报警的准确性，满足机械设备运行保障的需求，保证了机械设备的安全、可靠运行。

附图说明

下面结合附图和实施方式对本发明作进一步的详细说明：

图1为本方法的流程框图。

具体实施方式

实施例如图1所示，本包括如下步骤：

步骤一、对振动信号进行傅里叶变换，得到振动幅值序列和频率分量序列{A_i,f_i|i＝0,Λ,N-1}，其中A_i为振动幅值、f_i为频率分量、N为谱线数；

步骤二、采用高斯函数模板平滑振动信号的频谱数据，选择大于3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＝(L-1)/2，计算高斯函数模板的宽度系数得到高斯函数序列j＝0,Λ,L-1；

步骤三、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＝G_j/G_c,j＝0,Λ,L-1；

步骤四、振动幅值序列前后各延长c个点，得到长度为N+2c的幅值序列，即原振动幅值序列为{A₀,A₁,L,A_N-1}，前后各加c个零的幅值序列为{0,Λ,0,A₀,A₁,Λ,A_N-1,0,Λ,0}；

步骤五、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振动幅值A_i的包络序列i＝0,Λ,N-1，其中A_i为振动幅值，M_j为高斯模板函数值，E_i为包络序列；

步骤六、将{E_i,f_i|i＝0,Λ,N-1}作为振动信号的全频带分布特征，获得新的振动信号频谱{A′_i,f_i|i＝0,Λ,N-1}，其中A′_i为新采集到的振动信号幅值，计算A′_i与包络序列E_i的相对总值和单谱线相对最大值

步骤七、设置报警阈值T＝1.1～2，如果I₁>T或I₂>T，则给出报警信号。

进一步，以10～20倍频率分辨率将新采集振动信号的{A_i,f_i|i＝0,Λ,N-1}频谱等分为l段，计算各段振动能量之和在总振动能量中所占的比例，得到能量比例序列e₁，e₂，…e_l，其中振动能量为各频率分量处振动幅值的平方；

在能量比例序列中从大到小选取能量峰值点，直到剩余的能量峰值均小于平均能量比例的1/l或者已选取的能量峰值点能量总和大于0.7，组成新的能量峰值序列其中p₁,L,p_n为选取能量峰值点在能量比例序列中的序号，n为能量峰值点个数；

峰值序列中相邻两个能量峰值点为和i＝1,L,n-1，在能量比例序列中序号为p_i和p_i+1的能量比例值中查找小于剩余平均能量比例e_s的极小值，其中剩余平均能量为原能量比例序列中去掉能量峰值点后的序列，则如果极小值个数大于2，则将第一个极小值和最后一个极小值作为分段的频段边界，如果极小值个数小于或等于2，则选择较小的一个极小值作为分段的频段边界，如果不存在极小值，在相邻能量峰值间不作频段划分；设定各分段的频段振动能量值的1～2倍作为相对报警阈值，以识别新产生的振动信号的振动能量分布异常。

进一步，上述平滑长度L的选择范围为3～15。对于设备结构复杂的振动信号频谱，L选取较大值，频谱谱线简单则L选取较小值。

在机械设备离线检测系统中采用传感器采集设备的振动信号，本方法首先对采集的振动信号进行傅里叶变换，得到振动信号频谱，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，设置报警阈值，以超限总值作为报警参数。进一步，对振动信号频谱作自适应频段划分，得到的频段数随数据的频谱复杂程度自动调整，以各划分频段的振动能量值为基准，设置各划分频段振动能量值的相对报警阈值，以识别新产生的振动信号的振动能量分布异常，实现机械设备异常状态的自动辨识。

将本方法编制成软件模块并加入机械设备离线检测系统中，提高了机械设备离线检测系统对振动信号频谱的自动分析能力和报警的准确性，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、针对局部特征的缺陷，为实现振动信号频域自动报警提供了有效的技术手段。本方法得到的频段数随数据的频谱复杂程度自动调整，对于加速度信号，得到的频段数多，对于频谱结构比较简单的速度信号，得到的频段数少，因此具有很强的通用性，并且能够通过程序自动实现。本方法可应用于位移、速度和加速度等多种振动信号的分析，经实测数据验证，满足生产现场的频域自动报警要求。特别是在加热炉风机、轴承、齿轮箱等回转机械零部件的监测与诊断分析中，取得了满意的结果，实现自动化的异常识别，帮助技术人员及时捕捉故障先兆，减少无效的重复工作，提高诊断的效率和准确性，对减少诊断分析工作量，保障设备安全运行起到积极的推进作用。

Claims (3)

1.一种机械设备离线检测系统振动信号频谱分析和报警方法，其特征在于本方法包括如下步骤：

步骤一、对振动信号进行傅里叶变换，得到振动幅值序列和频率分量序列{A_i,f_i|i＝0,Λ,N-1}，其中A_i为振动幅值、f_i为频率分量、N为谱线数；

步骤二、采用高斯函数模板平滑振动信号的频谱数据，选择大于3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＝(L-1)/2，计算高斯函数模板的宽度系数得到高斯函数序列j＝0,Λ,L-1；

步骤三、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＝G_j/G_c,j＝0,Λ,L-1；

步骤四、振动幅值序列前后各延长c个点，得到长度为N+2c的幅值序列，即原振动幅值序列为{A₀,A₁,L,A_N-1}，前后各加c个零的幅值序列为{0,Λ,0,A₀,A₁,Λ,A_N-1,0,Λ,0}；

步骤五、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振动幅值A_i的包络序列i＝0,Λ,N-1，其中A_i为振动幅值，M_j为高斯模板函数值，E_i为包络序列；

步骤六、将{E_i,f_i|i＝0,Λ,N-1}作为振动信号的全频带分布特征，获得新的振动信号频谱{A′_i,f_i|i＝0,Λ,N-1}，其中A′_i为新采集到的振动信号幅值，计算A′_i与包络序列E_i的相对总值和单谱线相对最大值

步骤七、设置报警阈值T＝1.1～2，如果I₁>T或I₂>T，则给出报警信号。

2.根据权利要求1所述的机械设备离线检测系统振动信号频谱分析和报警方法，其特征在于：以10～20倍频率分辨率将新采集振动信号的{A_i,f_i|i＝0,Λ,N-1}频谱等分为l段，计算各段振动能量之和在总振动能量中所占的比例，得到能量比例序列e₁，e₂，...e_l，其中振动能量为各频率分量处振动幅值的平方；

在能量比例序列中从大到小选取能量峰值点，直到剩余的能量峰值均小于平均能量比例的1/l或者已选取的能量峰值点能量总和大于0.7，组成新的能量峰值序列其中p₁,L,p_n为选取能量峰值点在能量比例序列中的序号，n为能量峰值点个数；

峰值序列中相邻两个能量峰值点为和i＝1,L,n-1，在能量比例序列中序号为p_i和p_i+1的能量比例值中查找小于剩余平均能量比例e_s的极小值，其中剩余平均能量为原能量比例序列中去掉能量峰值点后的序列，则如果极小值个数大于2，则将第一个极小值和最后一个极小值作为分段的频段边界，如果极小值个数小于或等于2，则选择较小的一个极小值作为分段的频段边界，如果不存在极小值，在相邻能量峰值间不作频段划分；设定各分段的频段振动能量值的1～2倍作为相对报警阈值，以识别新产生的振动信号的振动能量分布异常。

3.根据权利要求1所述的机械设备离线检测系统振动信号频谱分析和报警方法，其特征在于：平滑长度L的选择范围为3～15。