CN108241850A - 一种基于hht的控制阀气密性故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于HHT的控制阀气密性故障诊断方法。该方法包括：获取随机检测信号，并对检测信号进行EMD分解，得到对应的n个IMF分量，求出每个IMF分量的希尔伯特谱，并将第1个至第i个所述的IMF分量分别对应的希尔伯特谱进行叠加，得到总的希尔伯特谱，对所述总的希尔伯特谱进行时间上的累加，得到边际谱；首先通过经验模态分解检测故障的发生及发生时刻，其次分析了各阶模态及能量占比特性，获得了气动控制阀气室气密性类别和强度的在线诊断。本发明所用方法完整的实现了气动控制阀气室气密性故障的检测、诊断和强度识别。经实验验证，提出的方法所获取的气动控制阀气密性故障特征具有良好的分类特性，能够很好的支持气动执行器的故障诊断工作。

Description

一种基于HHT的控制阀气密性故障诊断方法

技术领域

本发明属于执行器故障诊断技术领域，具体涉及一种基于HHT的控制阀气密性故障诊断方法。

背景技术

希尔伯特黄变换(HHT)是基于信号的局部特征与自适应，克服了传统的信号分析理论对非平稳信号分析的不足，非常适用于分析频率随时间而变化的非线性与非平稳信号，并可以有效地提取出设备的工作信号特征，更能够精确地刻画出设备所产生的非线性与非稳态信号特征，为故障诊断提供了一种有效的方法。目前，HHT用于故障诊断的研究对象主要是轴承、齿轮、电机、发动机等，这些研究对象主要集中于旋转设备。

气动控制阀阀杆主要由气室气压推动膜片进而引起阀杆的位移，控制阀气室的气密性对气室气压有着直接的关系，而气室气密性故障对控制阀的控制效果有极大的危害，若气室出现漏气等故障，将会对气室气压产生剧烈的影响，从而造成阀杆无法准确快速的响应设定信号，最终导致流量大小的控制失准，为生产工艺带来了不利和危害。

综上所述如何提供一种提高频谱感知的准确率的技术方案,是目前本领域技术人员函待解决的问题。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供一种基于HHT的控制阀气密性故障诊断方法，它是基于希尔伯特黄变换(HHT)的用于分析频率随时间而变化的非线性与非平稳信号，即有效检测出控制阀气室气密性故障，同时实现了故障强度识别。

所述的一种基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于包括如下步骤：

步骤一：给控制阀一随机设定信号，采集其阀位信号x(t)；

步骤二：对阀位信号x(t)进行经验模态分解(EMD)，得到固有模态函数(IMF)；

步骤三：对于每个模态函数(IMFi)，经过希尔伯特变换(HT)，得到表示时间--频率--能量(幅值)的三维Hilbert谱H(w,t)；

步骤四：对H(w,t)进一步积分，最终获得能够反映频率与能量的二维边际谱h(w)。

所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于步骤二中的对所述阀位信号进行EMD分解，得到对应的N个IMF分量，包括：

S01:确定阀位信号x(t)的局部极大值和极小值点，并对全部局部极大值及局部极小值进行拟合，构造出对应极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值；

S02:将所述当前处理信号x(t)减去最新的瞬时平均值m(t),得到信号分量h(t)，如果该信号分量h(t)满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差r(t)，判断所述信号是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤1。

所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于信号提取模态过程，满足原始信号x(t)等于各IMF分量及剩余分量之和，即：

其中，n是信号分解的IMF的数目，r(t)是提取模态过程停止的最终剩余分量即信号残差。

所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于求出每个所述IMF分量的希尔伯特谱，包括如下：

按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：

式中P为柯西主值，u表示时间积分变量，t表示时间，Π表示圆周率值，x(u)表示任一IMF分量，H(x(t))表示对应的希尔伯特谱。

所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于将第i个所述IMF分量对应的希尔伯特谱进行计算，得到复解析信号z(t)包括：

按照下列公式计算得到复解析信号：

z(t)＝x(t)+iy(t)＝a(t)e^jθ(t)

θ(t)＝arctan(y(t)/x(t)),

其中，⊙(t)瞬时相位，z(t)表示复解析信号，y(t)表示希尔伯特谱。

所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于通过相关系数法去除信号经过HHT变换产生的低频虚假IMF分量，

对于两个时间序列x(n)和y(n)，相关系数ρ_xy按照下列公式计算：

所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于从模态能量的角度出发，提取原始信号的能量特征构建特征向量来作为设备故障分析的重要特征，

构建控制阀阀位动作信号的能量特征为：

待检测样本信号与正常信号的模态分量的能量比为：

式中：e_j表示故障信号第j个IMF分量的能量大小；E_j表示正常信号第j个IMF分量能量大小，δ表示待检测样本信号的第j个能量特征。

通过采用上述技术，与现有技术相比，本发明的有益效果如下：

1)本发明提供了一种基于HHT的控制阀气密性的故障诊断方法，其中该方法包括：获取随机检测信号，并对检测信号进行EMD分解，得到对应的n个IMF分量，求出每个IMF分量的希尔伯特谱，并将第1个至第i个所述的IMF分量分别对应的希尔伯特谱进行叠加，得到总的希尔伯特谱，对所述总的希尔伯特谱进行时间上的累加，得到边际谱；判断所述边际谱是否满足判决条件，如果是则结束，它是基于希尔伯特黄变换(HHT)的用于分析频率随时间而变化的非线性与非平稳信号，即有效检测出控制阀气室气密性故障，同时实现了故障强度识别；

2)本发明采用的经验模态分解是一种自适应的、高效的数据分解方法，由于分解是以局部时间尺度为基础，因此它适用于非线性、非平稳信号；而希尔伯特黄变换是自适应的依据信号自身特性设定特征时间尺度对信号进行分解；首先对阀位动作信号进行希尔伯特-黄变换，通过经验模态分解方法检测故障的发生及发生时刻；其次分析了各阶模态及其能量占比特性，从而获得了气动控制阀气室气密性故障类别和强度的在线诊断。

附图说明

图1为本发明的基于希尔伯特黄变换故障诊断方法的流程图；

图2为经验模态分解(EMD)算法流程图；

图3为满足工厂生产实际的随机信号；

图4为EMD分解结果图；

图5随机信号正常状态阀位模态；

图6气室漏气故障状态阀位模态；

图7模态一、二能量和占比与故障强度的趋势图。

具体实施方式

以下结合说明书附图对本发明作进一步的描述，但本发明的保护范围并不仅限于此：

如图1-7所示，本发明的基于HHT的控制阀气密性故障诊断方法，其主要包含以下步骤：

步骤一：给控制阀一随机设定信号，如图3该随机信号满足频率设定不能超过待测阀的截止频率(0.22Hz)，时间在400s以内,采集其阀位信号x(t)；为了更好模拟控制阀在实际工业生产中的状态，保证能够实现在线应用,本次选择的随机信号必须满足控制阀实际工况，因此所用随机信号作为其设定信号；

步骤二：按照如图2流程框图对步骤1)的阀位信号进行经验模态分解(EMD)，得到固有模态函数(IMF)，具体包括：

S01:输入阀位信号x(t)，确定阀位信号x(t)的局部极大值和极小值点，并对全部局部极大值及局部极小值进行拟合，构造出对应极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值m；

S02:将所述当前处理信号x(t)减去最新的瞬时平均值m(t),得到信号分量h(t)，分析信号分量h(t)是否满足IMF条件：如果该信号分量h(t)满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差r(t)，判断所述信号是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行第一步骤，最终分解结果如图4所示。

其中，n是信号分解的IMF的数目，r(t)是提取模态过程停止的最终剩余分量即信号残差，

IMF分量的希尔伯特谱，包括：按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：

式中P为柯西主值，u表示时间积分变量，t表示时间，Π表示圆周率值，x(u)表示任一IMF分量，H(x(t))表示对应的希尔伯特谱。

将第i个所述IMF分量对应的希尔伯特谱进行计算，得到复解析信号z(t),包括按照下列公式计算得到复解析信号：

z(t)＝x(t)+iy(t)＝a(t)e^jθ(t)

θ(t)＝arctan(y(t)/x(t))

其中，⊙(t)瞬时相位，z(t)表示复解析信号，y(t)表示希尔伯特谱。

通过相关系数法去除信号经过HHT变换产生的低频虚假IMF分量，对于两个时间序列x(n)和y(n)，相关系数按照下列公式计算：

从模态能量的角度出发，提取原始信号的能量特征构建特征向量来作为设备故障分析的重要特征，构建控制阀阀位动作信号的能量特征为：

如图5所示为随机信号正常情况下即无故障状态下阀位输出信号模态与能量占比图，而图6为气室发生漏气故障的情况下阀位输出信号与能量占比图；而待检测样本信号与正常信号的模态分量的能量比为：

式中：e_j表示故障信号第j个IMF分量的能量大小；E_j表示正常信号第j个IMF分量能量大小，δ表示待检测样本信号的第j个能量特征。

从图5可知在阀正常运行状态下，根据希尔伯特黄理论对阀位信号进行模态分解，做出模态能量占比图，据此可看出阀杆正常运作时信号的低阶模态的能量占比很低，而当阀出现气室漏气故障时，模态一、二特征频带信号的能量占比会随之增大。

而气室发生漏气故障时随机信号下阀位输出信号模态和和能量占比处理结果如图6所示：本发明研究的故障是微弱强度，属早期故障诊断方式，所以设定的故障强度较为微弱。根据图7实验结果不同设定信号模态一、二能量和占比与故障强度的趋势图，可得出模态一、二的能量和占比随着故障强度的增大而增大的结论。

本发明提供的一种基于HHT的控制阀气密性的故障诊断方法，其中该方法包括：获取检测信号，并对检测信号进行EMD分解，得到对应的n个IMF分量，所述待测检测信号为随机信号，求出每个IMF分量的希尔伯特谱，并将第1个至第i个所述的IMF分量分别对应的希尔伯特谱进行叠加，得到总的希尔伯特谱，对所述总的希尔伯特谱进行时间上的累加，得到边际谱；判断所述边际谱是否满足判决条件，如果是则结束。其中经验模态分解是一种自适应的、高效的数据分解方法，由于分解是以局部时间尺度为基础，因此它适用于非线性、非平稳信号；而希尔伯特黄变换是自适应的依据信号自身特性设定特征时间尺度对信号进行分解；首先对阀位动作信号进行希尔伯特-黄变换，通过经验模态分解方法检测故障的发生及发生时刻；其次分析了各阶模态及其能量占比特性，获得了气动控制阀气室气密性故障类别和强度的在线诊断。

Claims (7)

1.一种基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于包括如下步骤：

步骤一：给控制阀一随机设定信号，采集其阀位反馈信号x(t)；

步骤二：对阀位反馈信号x(t)进行经验模态分解(EMD)，得到固有模态函数(IMF)；

步骤三：对于每个模态函数(IMFi)，经过希尔伯特变换(HT)，得到表示时间--频率--能量(幅值)的三维Hilbert谱H(w,t)；

步骤四：对H(w,t)进一步积分，最终获得能够反映频率与能量的二维边际谱h(w)。

2.根据权利要求1所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于步骤二中的对所述阀位反馈信号进行EMD分解，得到对应的N个IMF分量，包括：

S01:确定阀位反馈信号x(t)的局部极大值和极小值点，并对全部局部极大值及局部极小值进行拟合，构造出对应极大值包络及极小值包络，计算所述极大值包络及极小值包络的平均值；

S02:将所述当前处理信号x(t)减去最新的瞬时平均值m(t),得到信号分量h(t)，如果该信号分量h(t)满足IMF条件，则确定该信号分量为IMF分量，并将当前处理信号减去该IMF分量得到信号残差r(t)，判断所述信号是否满足分解停止条件，若是则分解完毕，若否则将该信号残差作为当前处理信号返回执行步骤1。

3.根据权利要求2所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于信号提取模态过程，满足原始信号x(t)等于各IMF分量及剩余分量之和，即：

其中，n是信号分解的IMF的数目，r(t)是提取模态过程停止的最终剩余分量即信号残差。

4.根据权利要求1所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于求出每个所述IMF分量的希尔伯特谱，包括如下：

按照下式对每个IMF分量进行希尔伯特黄变换，得到对应的希尔伯特谱：

式中P为柯西主值，u表示时间积分变量，t表示时间，Π表示圆周率值，x(u)表示任一IMF分量，H(x(t))表示对应的希尔伯特谱。

5.根据权利要求4所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于将第i个所述IMF分量对应的希尔伯特谱进行计算，得到复解析信号z(t)包括：

按照下列公式计算得到复解析信号：

z(t)＝x(t)+iy(t)＝a(t)e^jθ(t)

θ(t)＝arctan(y(t)/x(t)),

其中，⊙(t)瞬时相位，z(t)表示复解析信号，y(t)表示希尔伯特谱。

6.根据权利要求1所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于通过相关系数法去除信号经过HHT变换产生的低频虚假IMF分量，对于两个时间序列x(n)和y(n)，相关系数ρ_xy按照下列公式计算：

7.根据权利要求1所述的基于HHT的控制阀气室气密性故障诊断的诊断方法，其特征在于从模态能量的角度出发，提取原始信号的能量特征构建特征向量来作为设备故障分析的重要特征，

构建控制阀阀位动作信号的能量特征为：

待检测样本信号与正常信号的模态分量的能量比为：

式中：e_j表示故障信号第j个IMF分量的能量大小；E_j表示正常信号第j个IMF分量能量大小，δ表示待检测样本信号的第j个能量特征。