CN107292067B - 一种基于压缩感知与双谱分析的齿轮故障诊断方法 - Google Patents
一种基于压缩感知与双谱分析的齿轮故障诊断方法 Download PDFInfo
- Publication number
- CN107292067B CN107292067B CN201710706000.7A CN201710706000A CN107292067B CN 107292067 B CN107292067 B CN 107292067B CN 201710706000 A CN201710706000 A CN 201710706000A CN 107292067 B CN107292067 B CN 107292067B
- Authority
- CN
- China
- Prior art keywords
- signal
- sampling
- sequence
- fault diagnosis
- compressed
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/021—Gearings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种基于压缩感知与双谱分析的齿轮故障诊断方法,包括步骤:A、获取转速信号,根据转速信号生成相应的M序列和采样脉冲;B、将得到的M序列与原始振动信号相乘得到混频信号;C、将混频信号进行滤波,滤掉高频部分;D、根据采样脉冲,对滤波后信号进行采样并进行平均运算,得到压缩信号;E、对压缩信号进行中频双谱分析,实现故障诊断。本申请直接对压缩信号进行故障特征提取,在实现了数据压缩的同时,又避免了复杂的信号重构过程,大大减小了数据传输及存储负担。
Description
技术领域
本发明涉及齿轮故障诊断的技术领域,特别地,涉及一种基于压缩感知与双谱分析的齿轮故障诊断方法。
背景技术
齿轮箱广泛应用于各种机械设备当中。当齿轮箱发生故障,将会导致机械系统的故障并产生重大损失。所有齿轮箱故障中齿轮故障所占的比例在60%左右,因此,齿轮故障诊断的研究非常重要并且受到越来越广泛关注。
经典香农/奈奎斯特采样定理中,采样频率至少要是信号带宽的两倍以上才能保证信号信息不丢失。奈奎斯特定理对于频率的限制,是很多应用中采样数据庞大的主要原因,这对进一步的数据传输和数据存储是一个巨大的挑战。另外,工业生产中对于齿轮箱这种复杂关键设备的状态监控是长期连续的,需要每天24小时连续监控。长期连续监测需要采样和存储大量原始数据,进一步对数据存储和传输造成很大负担。
例如中国专利CN201310416504.7提供了一种齿轮故障无键相角域平均计算阶次分析方法,首先将采集的振动加速度信号进行低通保相滤波后通过平滑伪Wigner-Ville分布计算其时频分布,然后通过Viterbi最优路径搜索算法估计齿轮箱转轴的瞬时频率,再利用键相信号估计模型对瞬时频率进行逐点积分得到估计键相信号,最后结合等角度重采样和角域平均技术对振动加速度信号进行计算阶次分析,得到基于瞬时频率估计的阶次谱。此阶次谱图可以充分反映齿轮箱故障的特征信息。该发明综合了平滑伪Wigner-Ville分布、Viterbi最优路径搜索算法、角域平均技术、计算阶次分析,可以对变转速运行工况下的齿轮箱进行故障诊断。
因此,现有技术的缺点是需要采样大量数据来实现故障诊断,或者压缩信号后通过复杂的恢复算法将信号还原,恢复成功率与算法相关。业内急需一种能减小采样数据量的齿轮故障诊断技术。
发明内容
本发明目的在于提供一种基于压缩感知与双谱分析的齿轮故障诊断方法,以解决目前齿轮故障诊断过程中,采样数据量过大的技术问题。
为实现上述目的,本发明提供了一种基于压缩感知与双谱分析的齿轮故障诊断方法,包括步骤:
A、获取转速信号,根据转速信号生成相应的M序列和采样脉冲;
B、将得到的M序列与原始振动信号相乘得到混频信号;
C、将混频信号进行滤波,滤掉高频部分;
D、根据采样脉冲,对滤波后信号进行采样并进行平均运算,得到压缩信号;
E、对压缩信号进行中频双谱分析,实现故障诊断。
优选的,所述步骤A包括:
A1、根据公式f_clock=n*fp,确定采样频率f_clock,
其中,n为周期脉冲数,默认为63;fp为转轴齿轮齿数;
A2、根据f_clock与转速信号确定等角度时间序列;
A3、以等角度时间序列为采样时间点,确定等角度采样脉冲;
A4、以等角度时间序列为采样时间点,生成M序列。
优选的,所述步骤E中:
中频双谱MFBx定义为:
其中,f1,f2—频率变量,单位Hz;
E—表示求期望;
X—频谱序列。
优选的,所述步骤E之后包括:
求出MFB后,以f1为横坐标、f2为纵坐标作图得到双谱图。
本发明具有以下有益效果:
本发明提出了一种基于压缩感知的齿轮故障诊断方法,该方法只需采样和存储一小部分压缩观测数据,就可以直接实现故障诊断。
1、压缩感知是一种利用信号的稀疏性(可压缩性)对信号同时进行采集和压缩的新颖理论,采样频率不再依赖于信号的最大频率,而是依赖于信号的结构和内容;而传统的奈奎斯特信号采样定理需要采样频率大于信号最高频率的两倍才能完整保留原始信号中的信息。压缩感知理论突破了传统的香农-奈奎斯特信号采样定理,可以减少样本数量的同时保留有用的故障有关信息。
2、齿轮故障时存在相位耦合现象,双谱是提取相位耦合特征的一种有效方法。本发明采用一种改进双谱方法提取压缩信号的故障特征来实现故障诊断,直接对压缩信号进行故障特征提取,在实现了数据压缩的同时,又避免了复杂的信号重构过程,大大减小了数据传输及存储负担。具体如下:
1)、M序列为通过转速信号得到的等角度M序列而非通常的等时间M序列;
为了配合等角度采样信号,M序列也必须为等角度信号。与CN201310416504.7一种齿轮故障无键相角域平均计算阶次分析方法中所运用的等角度、角域平均技术的作用类似,都是转化为角域平稳信号,减小转速波动影响及削弱不相干信号,CN201310416504.7是对原始振动加速度进行等角度采样及平均,本申请则是对压缩后信号等角度低频采样及平均;后续处理也不同,CN201310416504.7做阶次分析,本申请则是双谱分析。
2)、通过M序列与原始振动信号混频,将高频部分搬移到低频部分,通过一个较低的采样频率即可获得整个频率范围的信息;
3)、通过转速信号得到等角度采样脉冲,将振动信号从非平稳时域信号转变为角度域平稳信号;
等时间采样数据会受到转速波动的影响,从而影响后续双谱分析效果,所以需要采用等角度数据减小转速波动的影响。
4)、将时域同步平均技术扩展到角度域,实现角域平均,突出特征频率,抑制其它异常频率,使得故障信号清晰;
5)、将普通双谱扩展为中频双谱,实现对压缩信号的特征提取。
压缩采样之后,传统双谱为零,不适用于直接检测压缩采样信号中的齿轮故障特征,因此采用扩展双谱—中频双谱分析方法。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的流程示意图;
图2是本发明优选实施例的M序列(前100个点)示意图;
图3是本发明优选实施例的原始振动信号的阶次谱图;
图4是本发明优选实施例的混频后信号的阶次谱图;
图5是本发明优选实施例的滤波后的阶次谱图;
图6是本发明优选实施例的平均后压缩信号的阶次谱图;
图7是本发明优选实施例的故障齿轮在故障初期的双谱图;
图8是本发明优选实施例的故障齿轮在故障中期的双谱图;
图9是本发明优选实施例的故障齿轮在故障后期的双谱图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
参见图1至图6,本发明公开了一种基于压缩感知与双谱分析的齿轮故障诊断方法,包括步骤:
A、获取转速信号,根据转速信号生成相应的M序列和采样脉冲;
所述步骤A包括:
A1、根据转速信号,确定采样频率f_clock,f_clock=n*fp,
其中,n为周期脉冲数,默认为63;fp为转轴齿轮齿数;
A2、根据f_clock与转速信号确定等角度时间序列;
A3、以等角度时间序列为采样时间点,确定等角度采样脉冲;
A4、以等角度时间序列为采样时间点,生成M序列。
B、将得到的M序列与原始振动信号相乘得到混频信号;
原始振动信号与转速信号是同时采集,一一对应的。
C、将混频信号进行滤波,滤掉高频部分;
D、根据采样脉冲,对滤波后信号进行采样并进行平均运算,得到压缩信号;
E、对压缩信号进行中频双谱分析,实现故障诊断。
中频双谱MFBx定义为:
其中,f1,f2—频率变量,单位Hz;
E—表示求期望;
X—频谱序列。
本发明通过matlab仿真实验以及实际齿轮数据,验证了压缩感知的数据压缩能力,参见图三,以前两个啮合阶次13,26作为有用信号,奈奎斯特采样定理下采样阶次至少需达到52以上才能保留完整信息,本发明通过压缩感知将采样阶次降到10,参见图五。以及在压缩同时保留了关键故障特征信息,再通过双谱分析可以成功提取故障特征,实现故障的正确诊断。参见图7至图9,可以看到三个明显尖峰在坐标(3,1),(2,4),(5,3)处,随故障发展程度而逐渐增加高度。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于压缩感知与双谱分析的齿轮故障诊断方法,其特征在于,包括步骤:
A、获取转速信号,根据转速信号生成相应的M序列和采样脉冲,具体包括:
A1、根据公式f_clock=n*fp,确定采样频率f_clock;
其中,n为周期脉冲数,默认为63;fp为转轴齿轮齿数;
A2、根据f_clock与转速信号确定等角度时间序列;
A3、以等角度时间序列为采样时间点,确定等角度采样脉冲;
A4、以等角度时间序列为采样时间点,生成M序列;
B、将得到的M序列与原始振动信号相乘得到混频信号;
C、将混频信号进行滤波,滤掉高频部分;
D、根据采样脉冲,对滤波后信号进行采样并进行平均运算,得到压缩信号;
E、对压缩信号进行中频双谱分析,实现故障诊断,中频双谱MFBx定义为:
其中,f1,f2—频率变量,单位Hz;E—表示求期望;X—频谱序列。
2.根据权利要求1所述的齿轮故障诊断方法,其特征在于,所述步骤E之后包括:求出MFB后,以f1为横坐标、f2为纵坐标作图得到双谱图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710706000.7A CN107292067B (zh) | 2017-08-17 | 2017-08-17 | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710706000.7A CN107292067B (zh) | 2017-08-17 | 2017-08-17 | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292067A CN107292067A (zh) | 2017-10-24 |
CN107292067B true CN107292067B (zh) | 2021-02-02 |
Family
ID=60106105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710706000.7A Active CN107292067B (zh) | 2017-08-17 | 2017-08-17 | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292067B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304778B (zh) * | 2017-12-27 | 2022-01-25 | 兰州理工大学 | 一种基于压缩域的振动信号特征提取方法 |
CN109959511A (zh) * | 2019-04-10 | 2019-07-02 | 浙江大学 | 一种基于振动信号的潮流能机机组实时状态监测方法 |
CN110646200B (zh) * | 2019-09-04 | 2021-10-22 | 天津工业大学 | 一种用于固定轴齿轮箱齿轮微弱局部故障诊断的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868653B (zh) * | 2012-09-10 | 2015-08-26 | 电子科技大学 | 一种基于双谱和稀疏矩阵的数字调制信号分类方法 |
CN102879474B (zh) * | 2012-09-29 | 2014-11-05 | 北京航空航天大学 | 基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 |
CN103499443B (zh) * | 2013-09-12 | 2016-01-20 | 西安交通大学 | 一种齿轮故障无键相角域平均计算阶次分析方法 |
RU2655659C2 (ru) * | 2014-03-20 | 2018-05-29 | Хуавэй Текнолоджиз Ко., Лтд. | Способ и устройство обработки сигналов на основе сжимающего считывания |
US9992048B2 (en) * | 2015-04-02 | 2018-06-05 | The Board Of Trustees Of The University Of Alabama | Systems and methods for detecting unused communication spectrum |
-
2017
- 2017-08-17 CN CN201710706000.7A patent/CN107292067B/zh active Active
Non-Patent Citations (3)
Title |
---|
基于阶比与散度分析的风机齿轮箱故障诊断;于永军等;《电力科学与工程》;20170131;第7-14页 * |
大型船舶推进系统的动力学建模与状态监测方法研究;李志雄;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20131115;C036-3 * |
面向机械振动信号的压缩采样方法研究;钟华;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20170315;C031-1266 * |
Also Published As
Publication number | Publication date |
---|---|
CN107292067A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Condition monitoring and fault diagnosis of motor bearings using undersampled vibration signals from a wireless sensor network | |
CN107292067B (zh) | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 | |
CN104006962A (zh) | 一种齿轮故障特征提取方法及系统 | |
CN103308152B (zh) | 基于瞬时频率估计的旋转机械振动信号角域重采样方法 | |
CN104136896B (zh) | 用于获取旋转马达的振动信号的系统 | |
CN108844733B (zh) | 一种基于kl散度与均方根值的齿轮状态监测指标提取方法 | |
CN101782475A (zh) | 基于风力发电机组振动的叶片故障诊断方法 | |
CN102998119B (zh) | 一种基于复合q因子基算法的轴承故障诊断方法 | |
CN107229597A (zh) | 同步挤压广义s变换信号时频分解与重构方法 | |
CN110285044B (zh) | 基于树莓派的水泵振动监测分析仪及方法 | |
CN108388839A (zh) | 一种基于二阶同步提取变换的强转速波动特征提取方法 | |
Kong et al. | Fault feature extraction of planet gear in wind turbine gearbox based on spectral kurtosis and time wavelet energy spectrum | |
CN103353344B (zh) | 基于自适应stft的旋转机械阶次跟踪方法 | |
CN107966287B (zh) | 一种自适应机电装备微弱故障特征提取方法 | |
CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
CN107941511B (zh) | 一种基于信号时频分解的频率—峭度图的实现方法 | |
Lv et al. | Generalized synchroextracting-based stepwise demodulation transform and its application to fault diagnosis of rotating machinery | |
CN107345834B (zh) | 基于共振加强奇异值分解的线性窄带滤波方法 | |
CN109916624B (zh) | 一种基于希尔伯特黄的滚珠丝杠副疲劳失效诊断方法 | |
CN112784702A (zh) | 基于自适应旋转同步提取调频变换的信号处理方法 | |
CN117233444A (zh) | 数字示波器可变采样率采集存储装置 | |
CN106772032B (zh) | 一种水轮发电机组的故障特征提取方法 | |
CN102323479B (zh) | 列车谐波电流分析方法 | |
He et al. | Sparsity-assisted signal representation for rotating machinery fault diagnosis using the tunable Q-factor wavelet transform with overlapping group shrinkage | |
Bao et al. | Application of a two-dimensional lifting wavelet transform to rotating mechanical vibration data compression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |