CN106248201B - 基于增强谱峭度的谐波成分检测方法 - Google Patents
基于增强谱峭度的谐波成分检测方法 Download PDFInfo
- Publication number
- CN106248201B CN106248201B CN201610591706.9A CN201610591706A CN106248201B CN 106248201 B CN106248201 B CN 106248201B CN 201610591706 A CN201610591706 A CN 201610591706A CN 106248201 B CN106248201 B CN 106248201B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- matrix
- signal
- enhancing
- singular value
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 51
- 230000002708 enhancing effect Effects 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000005284 excitation Effects 0.000 claims abstract description 6
- 239000004615 ingredient Substances 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 24
- 239000013598 vector Substances 0.000 claims description 22
- 230000003595 spectral effect Effects 0.000 claims description 19
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 2
- 238000013467 fragmentation Methods 0.000 claims description 2
- 238000006062 fragmentation reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明实施例公开了一种基于增强谱峭度的谐波成分检测方法,涉及振动信号处理与系统参数辨识领域,能够检测出振动系统中由周期激励力产生的伪共振成分,从而提高系统参数识别的可靠性。本发明的方法包括:针对多通道振动响应情况提出一种增强的谐波成分检测方法,即每一次计算均能综合考虑所有振动响应信息,基于不同的共振峰计算与之对应的增强谱峭度;本发明适用于工作状态下的机械结构系统的振动信号处理。
Description
技术领域
本发明涉及振动信号分析与系统参数辨识领域,尤其涉及工作状态下的机械结构振动信号分析领域。
背景技术
机械结构工作中,通常受到周期力的激励。这些周期力可能由不平衡转子、传动机构或周期气动力引起,会在机械结构的响应中引入谐波成分。这些谐波成分通常表现为虚假的共振峰,以扰乱真实结构动力学参数的辨识。因此,机械结构响应的谐波成分检测是正确辨识动力学参数的前提。
传统的谐波检测方法有基于概率密度统计的方法、基于时域峭度的方法以及基于谱峭度的方法等。对于多通道采集的结构振动响应数据,以上检测方法需要逐一计算每个通道的数据,具有计算冗余、数据信息利用不全等缺点。此外,上述方法还需使用数字窄带滤波器,从而限制了对于邻近频率成分的检测精度。通过使用奇异值向量的增强,实现了计及所有通道振动响应数据的谐波检测,充分利用了数据信息,无需窄带滤波,很大程度地减少了多通道测试数据谐波检测的计算量,并提高了近频成分检测的精度。
发明内容
为了克服现有技术存在的问题,本发明实施例提供了一种机械结构系统振动响应中谐波成分的检测方法,能够检测出振动系统中由周期激励力引起的伪共振成分,从而提高系统参数识别的可靠性。
为达到上述目的,本发明的实施采用如下技术方案:
第一方面,本发明实施例提供一种机械结构系统振动响应中谐波成分的检测方法,所述方法用于一种工作状态的机械结构系统,所述工作状态的机械结构系统由于存在未知周期激励而导致响应信号中含有谐波成分,所述方法包括:
针对所述机械结构系统的多通道响应信号估计功率谱矩阵;
针对所述机械结构系统响应信号的功率谱矩阵作奇异值分解,并利用所述奇异值分解获取所述机械结构系统响应信号的奇异值曲线和奇异向量;
根据所述奇异值指示信息确定并选取对应于共振峰频率的奇异向量,该奇异向量能够实现对所有通道响应信号加权,以得到增强的信号并计算其谱峭度,用于指示出信号中的谐波成分。
本发明提供的一种机械结构系统振动响应中谐波成分的检测方法,能够依据机械结构系统响应功率谱矩阵的奇异值曲线选取对应于共振频率下的奇异向量,并用所述的奇异向量加权计算出增强谱峭度。相对于现有技术,本发明实施例提供了一种对于这类振动系统响应中谐波检测的手段,有效解决了多通道且含近频共振响应中的谐波检测问题,突破了传统的检测方法中不能有效计及所有响应信息和处理谐波近频情况的局限,从而提高了谐波检测的可靠性。
附图说明
图1为本发明基于增强谱峭度的谐波成分检测方法的流程框图;
图2为奇异值曲线指示共振峰图;
图3为增强谱峭度曲线图;
图4为原始谱峭度图。
具体实施方式
本发明实施例提供了一种应用增强的谱峭度检测机械结构振动响应中谐波信号的技术,能够检测出振动系统中由周期激励力引起的伪共振成分,从而提高系统参数识别的可靠性。
为达到上述目的,本发明的实施采用如下步骤:
第一方面,本发明的实施例提供的方法,包括:如下步骤
步骤一:导入所有通道采集的时域信号;
步骤二:设定分析谱线数和防功率泄漏窗函数;
步骤三:估计多通道时域数据的功率谱矩阵;
步骤四:将功率谱矩阵在每个谱线上做奇异值分解,得到奇异值和奇异向量;
步骤五:根据奇异值曲线的指示结果,选取所有共振峰对应的奇异向量;
步骤六:用选取的奇异向量对多通道时域响应信号加权计算,得到增强的时域响应信号数据;
步骤七:计算增强时域响应信号的谱峭度,即增强谱峭度;
步骤八:根据增强谱峭度曲线的指示,检测出谐波频率成分。
步骤一中导入所有通道采集的时域信号的具体方法如下:
根据振动信号采集过程中的配置文件,自动读取出信号的采样间隔,信号类型及时域信号数据,并计算出单个通道信号数据的长度。
步骤二中设定分析谱线数和防功率泄漏窗函数的具体方法如下:
根据信号的成分选择防功率泄漏窗函数,一般选择汉宁窗。根据采样频率(采样间隔的倒数)和关心的频率分辨率设置谱线数,其中三者之间的关系为
其中Ls为谱线数,Δf为频率分辨率及fs为采样频率
步骤三中估计功率谱矩阵的具体方法如下:
自功率谱和互功率谱的Welch方法估计为
其中,pii(ω)为第i个通道响应的自功率谱,pik(ω)为第i个通道响应与第k个通道响应的互功率谱,ω=2πΔf,π为圆周率,N为分段数,W为窗函数的二范数,为第i个通道响应信号的第r个分段的第n个序列,为第k个通道响应信号的第r个分段的第n个序列,w(n)为窗函数的第n个序列,上标*表示共轭。
步骤四中将功率谱矩阵在每个谱线上做奇异值分解的具体方法如下:
将步骤三中得到的自谱、互谱在每个谱线上排列成功率谱矩阵P(ω),并对其做奇异值分解得到奇异向量与奇异值为
P(ω)=U∑VT (5)
其中,上式中U表示左奇异向量矩阵,∑表示奇异值矩阵,V表示右奇异向量矩阵,上标T表示转置。
步骤五中根据奇异值曲线的指示结果选取左奇异向量的具体方法如下:
将步骤四中得到所有谱线的奇异值组成奇异值曲线,如图2所示,并根据依次选取奇异值曲线中的共振峰对应的左奇异向量,得到变换矩阵Γ为
Γ=[u1 … ur … um] (6)
其中,u1、ur及um分别为第1个、第r个及第m个共振峰对应的左奇异向量。
步骤六中用获得的变换矩阵对多通道时域响应信号加权计算,得到增强的时域响应信号的具体方法如下:
q=ΓHx (7)
上式中的q为增强的时域响应信号,上标H表示共轭转置。则第r个共振峰对应的模态响应为
步骤七中根据增强时域响应信号计算的增强谱峭度具体方法如下:
将公式(8)变换的频域,得到第r阶增强功率谱为
上式中Qr为qr的傅里叶变换。由此,增强谱峭度可表示为
其中,M为平均次数,为第r阶增强功率谱的第i个分段值。
步骤八中根据增强谱峭度曲线的指示,检测出谐波频率成分的具体方法如下:
谐波信号的增强谱峭度值为-1及随机信号的增强谱峭度值为0,即
上式中,ωs为谐波频率,根据ESK的指示可以判断频率成分是否是谐波,如图3所示,准确指示出第五个共振峰为谐波成分。对比于传统的方法,针对每个通道信号的谱峭度谐波检测方法,指示误差较大,如图4所示。
本发明普遍适用于信号处理中的谐波检测,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。
Claims (1)
1.基于增强谱峭度的谐波成分检测方法,其特征在于,该方法用于检测工作状态的机械结构系统中的受未知周期激励导致响应信号引起的伪共振成分,其包括:
针对所述机械结构系统的多通道响应信号估计功率谱矩阵,对所述功率谱矩阵作奇异值分解,并利用所述奇异值分解获取所述机械结构系统响应信号的奇异值曲线和奇异向量;根据奇异值指示信息确定并选取对应于共振峰频率的奇异向量,以得到增强的信号并计算其谱峭度,指示出信号中的谐波成分;
所述针对机械结构系统的多通道响应信号估计功率谱矩阵的具体过程为:
根据所有通道时域响应信号设定分析谱线数和防功率泄漏窗函数,采用Welch方法估计自功率谱和互功率谱矩阵;
将得到的自功率谱、互功率谱在每个谱线上排列成功率谱矩阵,并对其做奇异值分解得到奇异向量与奇异值;
所述防功率泄漏窗函数为汉宁窗,根据采样频率和关心的频率分辨率设置谱线数,其中三者之间的关系为
其中Ls为谱线数,Δf为频率分辨率及fs为采样频率;
所述自功率谱和互功率谱的Welch方法估计为
其中,pii(ω)为第i个通道响应的自功率谱,pik(ω)为第i个通道响应与第k个通道响应的互功率谱,ω=2πΔf,π为圆周率,N为分段数,W为窗函数的二范数,为第i个通道响应信号的第r个分段的第n个序列,为第k个通道响应信号的第r个分段的第n个序列,w(n)为窗函数的第n个序列,上标*表示共轭;
将得到的自功率谱、互功率谱在每个谱线上排列成功率谱矩阵P(ω),并对其做奇异值分解得到奇异向量与奇异值为
P(ω)=U∑VT (5)
其中,上式中U表示左奇异向量矩阵,Σ表示奇异值矩阵,V表示右奇异向量矩阵,上标T表示转置;
将得到所有谱线的奇异值组成奇异值曲线,并根据依次选取奇异值曲线中的共振峰对应的左奇异向量,得到变换矩阵Γ为
Γ=[u1 … ur … um] (6)
其中,u1、ur及um分别为第1个,第r个、第m个共振峰对应的左奇异向量;
根据所述奇异值指示信息确定并选取对应于共振峰频率的左奇异向量,以得到增强的信号并计算其谱峭度,指示出信号中的谐波成分,具体指:
用所述获得的变换矩阵对多通道时域响应信号加权计算,得到增强的时域响应信号:
q=ΓHx (7)
上式中的q为增强的时域响应信号,上标H表示共轭转置;则第r个共振峰对应的模态响应为
将公式(8)变换的频域,得到第r阶增强功率谱为
上式中Qr为qr的傅里叶变换;由此,增强谱峭度可表示为
其中,M为平均次数,为第r阶增强功率谱的第i个分段值;
谐波信号的增强谱峭度值为-1及随机信号的增强谱峭度值为0,即
上式中,ωs为谐波频率,根据ESKr的指示判断频率成分是否是谐波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610591706.9A CN106248201B (zh) | 2016-07-25 | 2016-07-25 | 基于增强谱峭度的谐波成分检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610591706.9A CN106248201B (zh) | 2016-07-25 | 2016-07-25 | 基于增强谱峭度的谐波成分检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106248201A CN106248201A (zh) | 2016-12-21 |
CN106248201B true CN106248201B (zh) | 2019-04-19 |
Family
ID=57604490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610591706.9A Active CN106248201B (zh) | 2016-07-25 | 2016-07-25 | 基于增强谱峭度的谐波成分检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106248201B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106980722B (zh) * | 2017-03-22 | 2020-12-25 | 南京航空航天大学 | 一种脉冲响应中谐波成分的检测和去除方法 |
CN106932135B (zh) * | 2017-05-17 | 2022-09-23 | 苏交科集团股份有限公司 | 一种基于加权窄带搜峰法识别振动频率的柔性拉索索力测试方法 |
CN112781723B (zh) * | 2021-01-27 | 2023-09-12 | 南京微动智测信息技术有限公司 | 一种基于频谱方差的谐波成分检测方法 |
CN116701883B (zh) * | 2023-07-31 | 2023-10-13 | 北京建筑大学 | 基于频段辨识的模态参数自动化识别方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256548A (zh) * | 2007-12-03 | 2008-09-03 | 西北工业大学 | 一种转子碰摩故障识别方法 |
CN102750543A (zh) * | 2012-05-31 | 2012-10-24 | 西南交通大学 | 一种基于bud谱峭度的暂态电能质量扰动分类识别方法 |
CN102798529A (zh) * | 2012-08-30 | 2012-11-28 | 桂林电子科技大学 | 大型风力机组轴承故障诊断方法及系统 |
CN104792528A (zh) * | 2014-01-22 | 2015-07-22 | 中国人民解放军海军工程大学 | 一种自适应最优包络解调方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2932996B2 (ja) * | 1996-02-07 | 1999-08-09 | 日本電気株式会社 | 高調波ピッチ検出装置 |
-
2016
- 2016-07-25 CN CN201610591706.9A patent/CN106248201B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256548A (zh) * | 2007-12-03 | 2008-09-03 | 西北工业大学 | 一种转子碰摩故障识别方法 |
CN102750543A (zh) * | 2012-05-31 | 2012-10-24 | 西南交通大学 | 一种基于bud谱峭度的暂态电能质量扰动分类识别方法 |
CN102798529A (zh) * | 2012-08-30 | 2012-11-28 | 桂林电子科技大学 | 大型风力机组轴承故障诊断方法及系统 |
CN104792528A (zh) * | 2014-01-22 | 2015-07-22 | 中国人民解放军海军工程大学 | 一种自适应最优包络解调方法 |
Non-Patent Citations (2)
Title |
---|
"The use of SESK as a trend parameter for localized bearing fault diagnosis in induction machaines";Lotfi Saidi 等;《ISA Transactions》;20160318;第436-447页 |
"基于谱峭度的谐波模态检测方法";夏遵平 等;《工程力学》;20131225;第30卷(第12期);第255-258页 |
Also Published As
Publication number | Publication date |
---|---|
CN106248201A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103575523B (zh) | 基于FastICA-谱峭度-包络谱分析的旋转机械故障诊断方法 | |
CN106248201B (zh) | 基于增强谱峭度的谐波成分检测方法 | |
CN104132791B (zh) | 一种基于脉冲激励的运行模态分析实验方法 | |
CN106338385B (zh) | 一种基于奇异谱分解的旋转机械故障诊断方法 | |
Olhede et al. | A generalized demodulation approach to time-frequency projections for multicomponent signals | |
CN106226407B (zh) | 一种基于奇异谱分析的超声回波信号在线预处理方法 | |
CN103217213B (zh) | 基于响应信号时频联合分布特征的模态参数辨识方法 | |
CN105628381B (zh) | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 | |
CN104239681B (zh) | 基于脉冲激励响应信号互功率谱函数的主轴系统运行模态分析方法 | |
CN105758644A (zh) | 基于变分模态分解和排列熵的滚动轴承故障诊断方法 | |
CN102928514B (zh) | 一种基于频率特征的木材应力波无损检测方法 | |
CN104165742B (zh) | 一种基于互谱函数的运行模态分析实验方法及装置 | |
CN104133950A (zh) | 一种悬臂梁运行模态分析实验方法及装置 | |
US20200073908A1 (en) | Sparse component analysis method for structural modal identification when the number of sensors is incomplete | |
CN107843740B (zh) | 一种融合振动与声音信号频谱特征的转速测量方法 | |
CN104706349A (zh) | 一种基于脉搏波信号的心电信号构建方法 | |
CN110749655B (zh) | 一种针对比例阻尼结构的复模态辨识方法 | |
CN104142219B (zh) | 一种基于多点脉冲激励的主轴系统运行模态分析方法 | |
CN109238447A (zh) | 一种系绳振动信号的盲源分离方法 | |
Liu et al. | Output-only modal identification based on the variational mode decomposition (VMD) framework | |
CN104050147A (zh) | 将时域信号转换成频域信号的方法与系统 | |
CN101587007A (zh) | 识别柔性桥梁结构动力参数的惟输出小波基分析方法 | |
CN103543026B (zh) | 基于振动传递率函数和支持向量机的结构损伤识别方法 | |
CN111487318A (zh) | 一种时变结构瞬时频率提取方法 | |
CN106980722B (zh) | 一种脉冲响应中谐波成分的检测和去除方法 |
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 |