CN108692805A - 振动信号的处理方法及系统 - Google Patents
振动信号的处理方法及系统 Download PDFInfo
- Publication number
- CN108692805A CN108692805A CN201810534191.8A CN201810534191A CN108692805A CN 108692805 A CN108692805 A CN 108692805A CN 201810534191 A CN201810534191 A CN 201810534191A CN 108692805 A CN108692805 A CN 108692805A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- periods
- signal
- vibration
- collecting device
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/14—Frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
- G01H1/12—Measuring characteristics of vibrations in solids by using direct conduction to the detector of longitudinal or not specified vibrations
- G01H1/16—Amplitude
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本公开提供了一种振动信号的处理方法,包括:获取处于运行状态的机械设备在两个时间段中的振动信号;根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果;根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。本公开还提供了一种振动信号的处理系统。
Description
技术领域
本公开涉及信号处理技术领域,尤其涉及一种振动信号的处理方法及系统。
背景技术
随着现代测试技术的进步及安全生产意识的提高,机械设备产品研发、生产和制造企业中的技术人员通常布置各种类型的传感器测试机械设备产品中的多种相关参数。其中,振动参数作为保障产品性能、安全与可靠性的关键参数尤为受企业技术人员关注。对于振动信号测试而言,各振动测试设备研发生产厂家提供了能满足数据采集、存储、分析等需求的振动测试硬件、数据分析软件。
例如,现有技术中的振动信号分析手段主要是基于频谱分析。但是,实际情况中,大型的、精密的机械设备运转部件较多,且经常伴随有来自其他电气设备、试验台安装基础、气流干扰、随机噪声等干扰信号,导致振动传感器拾取的信号成分本身就会特别复杂。当机械设备出现故障时,在振动信号中叠加的故障特征信号会淹没在强大的噪声背景中。如果不根据振动信号本身的特征选择相应的故障特征识别技术对机械设备产品的安全、可靠性进行分析,很可能直到机械设备产品失效程度已发展到严重程度或者已失效时,才在振动信号中识别出其故障特征。总之,现有的振动分析技术能够提取振动信号中的故障特征,但是对于微弱故障特征的出现与发展趋势不具备识别与分析能力。尤其是在航空、航天、核电等领域,机械设备产品运行安全可靠性要求特别高,技术人员为了保障机械设备产品的性能、安全及可靠性运行,需要更加先进、更加适应工程需求的振动测试技术、振动分析方法。本发明要解决的技术问题,就是机械设备产品在产生故障之前,通过测试技术的改进、数据分析方法的创新提前捕捉到相应的故障特征。
发明内容
有鉴于此,本公开提供了一种振动信号的处理方法及系统,应用于采集设备。
本公开的一个方面提供了一种振动信号的处理方法,包括:获取处于运行状态的机械设备在两个时间段中的振动信号;根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果;根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
根据本公开的实施例,根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果包括:对所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果;并且/或者对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。
根据本公开的实施例,上述方法还包括根据所述两个时间段中的振动信号配置采集设备的量程。
根据本公开的实施例,根据所述两个时间段中的振动信号配置所述采集设备的量程包括根据所述两个时间段中的振动信号的强弱,动态调整所述采集设备的量程,使得所述振动信号的能量值大于或等于所述采集设备的最大量程的0.7倍,且不超过所述采集设备最大量程。
根据本公开的实施例,对所述两个时间段中的振动信号进行时域平均滤波包括:对所述两个时间段中的振动信号内的特定周期信号进行截断,分成多段信号;对所述多段信号进行叠加并且平均,使得所述两个时间段中的振动信号中的噪声信号减小。
根据本公开的实施例,所述振动信号中包括部分故障特征信号,所述比例差谱用于放大故障特征信号的幅值。
本公开的另一方面提供了一种振动信号的处理系统,包括:获取模块,用于获取处于运行状态的机械设备在两个时间段中的振动信号;处理模块,用于根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果;计算模块,用于根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
根据本公开的实施例,处理模块包括:时域平均模块,用于对所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果;并且/或者噪声统计模块,用于对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。
根据本公开的实施例,上述系统还包括配置模块,用于根据所述两个时间段中的振动信号配置采集设备的量程。
根据本公开的实施例,配置模块还用于根据所述两个时间段中的振动信号的强弱,动态调整所述采集设备的量程,使得所述振动信号的能量值大于或等于所述采集设备最大量程的0.7倍,且不超过所述采集设备最大量程。
根据本公开的实施例,时域平均模块包括:分段模块,用于对所述两个时间段中的振动信号内的特定周期信号进行截断,分成多段信号;多段计算模块,用于对所述多段信号进行叠加并且平均,使得所述两个时间段中的振动信号中的噪声信号减小。
根据本公开的实施例,所述振动信号中包括部分故障特征信号,所述比例差谱用于放大故障特征信号的幅值。
根据本公开的实施例,可以至少部分地解决现有技术中基于频谱分析对振动信号分析时所产生的缺陷。例如,由航空、航天、核电等领域的机械设备产生的振动信号,如果仅仅通过频谱分析对该振动信号进行分析,是很难从振动信号中发现故障特征信号的。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的振动信号的处理方法的流程图;
图2A示意性示出了根据本公开另一实施例的振动信号的处理方法的流程图;
图2B示意性示出了根据本公开另一实施例的振动信号的处理方法的流程图;
图3示意性示出了根据本公开实施例的采集设备调整量程的示意图;
图4示意性示出了根据本公开实施例的时域平均滤波的流程图;
图5示意性示出了根据本公开实施例的机械设备故障发展变化规律的示意图;
图6A示意性示出了根据本公开实施例的比例差谱(全频段)的示意图;
图6B示意性示出了根据本公开实施例的比例差谱(局部放大)的示意图;
图7示意性示出了根据本公开实施例的振动信号的处理系统的方框图;
图8示意性示出了根据本公开另一实施例的振动信号的处理系统的方框图;
图9示意性示出了根据本公开另一实施例的振动信号的处理系统的方框图;
图10示意性示出了根据本公开实施例的时域平均滤波的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解,实质上任意表示两个或更多可选项目的转折连词和/或短语,无论是在说明书、权利要求书还是附图中,都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如,短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开的实施例提供了一种振动信号的处理方法,应用于采集设备中,该方法包括:获取处于运行状态的机械设备在两个时间段中的振动信号;根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果;根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测机械设备的故障。利用该方法可以至少部分地解决现有技术中基于频谱分析对振动信号分析时所产生的缺陷。例如,由航空、航天、核电等领域的机械设备产生的振动信号,如果仅仅通过频谱分析对该振动信号进行分析,是很难从振动信号中发现故障特征信号的。
图1示意性示出了根据本公开实施例的振动信号的处理方法的流程图。
如图1所示,该方法包括步骤S101~步骤S104。
在步骤S101中,获取处于运行状态的机械设备在两个时间段中的振动信号。
在步骤S102中,根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果。
在步骤S103中,根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
根据本公开的实施例,通过对两个时间段中的振动信号进行处理得到两个时间段中的振动信号的频谱结果,然后再根据两个时间段中的振动信号的频谱结果计算比例差谱,使得监测设备能够容易地监测到运行机械设备的故障特征,这样相关人员可以根据该故障特征及时维修或停止运行,从而降低了对机械设备的损害。
在本实施例中,上述两个时间段可以是通过人工设定的,具体可以根据实际的情况进行设定,例如,可以将每个时间段设定为100s。
在本实施例中,振动信号可以是处于运行状态的机械设备中的部分或全部部件在运行过程中产生的振动信号。例如,可以是机械设备的齿轮在运行时产生的振动信号,也可是机械设备的轴承在运行时产生的振动信号,还可以是机械设备的其他部件在运行时产生的振动信号。齿轮的振动信号可以包括齿轮正常运行的信号、齿轮在运行时产生的噪声信号和/或齿轮在运行时可能产生的故障特征信号。轴承的振动信号可以包括齿轮正常运行的信号、轴承在运行时产生的噪声信号和/或轴承在运行时可能产生的故障特征信号。
根据本公开的实施例,根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果包括:所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果;并且/或者对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。具体地,可以参考图2A和图2B,该法的步骤S102可以包括步骤S201和/或步骤S202。
如图2A所示,该方法包括步骤S101、步骤S201和步骤S103。
在步骤S101中,获取处于运行状态的机械设备在两个时间段中的振动信号。
在步骤S201中,对所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果。
在步骤S103中,根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
如图2B所示,该方法包括步骤S101、步骤S202和步骤S103。
在步骤S101中,获取处于运行状态的机械设备在两个时间段中的振动信号。
在步骤S202中,对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。
在步骤S103中,根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
在本公开的一些实施例中,上述方法在对振动信号处理之前,该方法还包括根据两个时间段中的振动信号配置采集设备的量程。以此方式使得采集的振动信号的能量值大于或等于所述采集设备最大量程的0.7倍,且不超过所述采集设备最大量程,进而使得振动信号中的噪声信号的能量受到抵制,从而提高信噪比。
在本公开的实施例中,为了在采集设备端提高振动信号的信噪比,可以根据两个时间段中的振动信号配置采集设备的量程可以是根据两个时间段中的振动信号的强弱,动态调整采集设备的量程,使得振动信号的能量值大于或等于所述采集设备最大量程的0.7倍,且不超过所述采集设备最大量程。
在本实施例中,通过采集设备获取的振动信号可以利用采集设备计算获取的振动信号的有效值,再利用该有效值除以满量程或者除以满量程的0.7~0.9倍进行折算,折算后得到使振动信号具有较高信噪比的采集设备的新量程。用此新量程对采集设备进行反馈设置,进而使采集设备的量程根据当前获取的振动信号的强弱进行动态调整,以保证振动信号的能量达到满量程范围内的0.7左右。采集设备抗干扰设计示意如下图3所示。
在本实施例中,采集设备每次采集的振动信号都可以利用前一时刻采集的振动信号的能量除以按需取用的0.7~0.9中的某参数,得到的下一次采集设备需设定的量程,从而实现了釆集设备的量程的动态设置。
在本公开的一些实施例中,通过采集设备提高信噪比后,为了进一步保证频谱分析技术的抗干扰能力,需要从软件计算上对振动信号进一步进行处理,以减少随机噪声的干扰对频谱结果的影响。例如,对振动信号进行时域平均滤波可以实现此目的。从理论上来讲,如果采集了M次振动信号后,再对这M次振动信号进行平均,使得振动信号的信噪比提高了
需要说明的是,在执行步骤S201后,可以不执行图2B的步骤S202。当然同时执行步骤S201和步骤S202可以更进一步的提高振动信号的信噪比。
图4示意性示出了根据本公开实施例的时域平均滤波的流程图。
如图4所示,图2A实施例中的步骤S201包括步骤S401和步骤S402。
在步骤S401中,对所述两个时间段中的振动信号内的特定周期信号进行截断,分成多段信号。
在步骤S402中,对所述多段信号进行叠加并且平均。
根据本公开的实施例,对采集的两段振动信号进行时域平均滤波处理,可以提高信噪比。
时域平均技术是一种从低信噪比的信号中提取特定周期信号分量的有效方法。当随机信号中存在着有某种周期性的信号分量时,把信号按照周期性信号的周期进行截断,并把各段信号进行叠加并且平均,那么信号中的周期分量以及周期分量的谐波依然还存在,而信号中的随机噪声则进行了有效的抵消。经过这样的处理后,信号的周期分量能有效地分离出来,从而有效地提高了信噪比。
在本实施例中,例如设机械设备运行时产生的振动信号为x(t),其数字采样的后为xn=x(nΔt),采样间隔用Δt表示。机械回转运动的频率为f0,按f0对应的周期截断数据,xn被分成M段。并且各段采样点数为N。那么时域平均可表示为对于旋转机械或者往复机械运行过程中有周期性的信号序列y(n),假设y(n)由周期信号f(n)和随机噪声s(n)组成,即x(n)=f(n)+s(n),以f(n)的周期T去对振动信号x(n)进行截断,例如一共截得M段,然后将其相加,由于随机噪声的不相关性,可得到:再对x(ni)求平均,得到平均后的输出信号y(ni),平均后的随机噪声是原输入信号x(t)中的随机噪声的因而,信噪比提高了倍。
为了使得频谱分析技术进一步抵抗噪声干扰,根据本公开的实施例,上述方法还包括对两个时间段中的振动信号进行噪声统计平均,使得全频段内的噪声信号相对稳定。具体地,在上述进行时域平均滤波后,对两段振动信号分别进行频谱分析,在频域内对各段信号的频谱进行累计后平均,进而使得全频带内噪声具有一个相对稳定的统计水平,消除频段内某些噪声频率的大幅度波动。这样得到的频谱图上的噪声具有相对稳定的水平,有利于后续的处理。
在本实施例中,机械设备的失效或者故障遵循机械设备产品发生、发展、直至破坏的过程。机械设备是在运转过程中逐渐产生破坏的。对机械设备运行状态下的安全、可靠性的监测及振动故障诊断,及时地在故障发生、发展的初期对获取的振动信号进行处理得到故障特征信号。相应的,在机械设备故障逐渐发展的过程中,由运转机械动力学特性变化导致的振动信号的变化会反应在振动信号特征中。
图5示意性示出了根据本公开实施例的机械设备故障发展变化规律的示意图。
如图5所示,在机械设备开始运转的时候,假定机械设备没有初始性的由设计、制造、装配带来的原发性故障,则机械设备运转产生的振动波形干净,振动信号主要由机械设备的各相关动部件(例如,齿轮、轴承、转子)引起的谐波组成。
当机械设备发生故障时,因为动力学参数的变化,会导致振动信号中叠加一些其他的故障信号特征,或者导致某些信号特征频率上的幅值发生变化。随着机械设备运转,破坏的严重程度加剧,正常信号中叠加的故障特征信号会越来越明显,或者某些信号特征频谱上的幅值进一步变大。这种叠加的故障特征或者特征频率上幅值的变化正是技术人员进行设备安全、可靠性运转监测的基础。在故障初发阶段,这些故障特征非常微弱。因此,在故障特征相当微弱的时候,对故障特征进行有效的放大,可以使得监测设备及时发现机械设备出现了故障,进而针对该故障进行处理。
图6A示意性示出了根据本公开实施例的比例差谱(全频段)的示意图。
如图6A所示,某减速器在运转试验中发生断齿事故,断齿齿轮啮合频率为1653Hz,断齿齿轮所在轴转频为41Hz。使用现有技术中的分析技术(例如,频谱分析技术)很难分析故障特征或者故障特征是由哪个部件引起的。例如,现有技术根据断齿故障机理,啮合频率两边形成的边频带与噪声信号混合在一起,并且边频带的绝对幅值很微弱。技术人员在安全监测时很容易忽略这些关键信号。
通过本公开的振动信号的处理方法可以及时的发现断齿事故引起的故障特征。例如,可以通过对比例差谱进行展示,可以观察到故障特征谱图。具体地,如图6A所示的实线用于表示故障特征,虚线为用FFT技术计算的谱线。可以看到在全频段相关特征频率处都会对故障边频带进行响应,尤其在该断齿的齿轮啮合频率处振动响应更为明显。
图6B是对图6A中的比例差谱进行了局部放大的示意图,这样方便图6B与图6A对比,可以更加明显的观察到明显的边频带调制现象。如图6B中实线所示,这些实线均是以1653Hz为中心频率,41Hz为边频带的边频带谱线。
根据本公开的实施例,机械设备的振动信号中包括部分故障特征信号,比例差谱可以用于放大故障特征信号的幅值。具体地,如图6B所示,通过本公开的方法对比例差谱进行展示,可以清晰的看到在虚线附近出现了大量的边频带,这样可以及时的发现机械设备出现了故障,降低了对机械设备的损害。
图7示意性示出了根据本公开实施例的振动信号的处理系统的方框图。
如图7所示,系统700包括获取模块710、处理模块720和计算模块730。
具体地,获取模块710,用于获取处于运行状态的机械设备在两个时间段中的振动信号。
处理模块720,用于根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果。
计算模块730,用于根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
根据本公开的实施例,通过对两个时间段中的振动信号进行处理得到两个时间段中的振动信号的频谱结果,然后再根据两个时间段中的振动信号的频谱结果计算比例差谱,使得监测设备能够容易地监测到运行机械设备的故障特征,这样相关人员可以根据该故障特征及时维修或停止运行,从而降低了对机械设备的损害。
根据本公开的实施例,系统700用于实现图1实施例所述的振动信号的处理方法。
图8示意性示出了根据本公开另一实施例的振动信号的处理系统的方框图。
如图8所示,图7实施例中的处理模块720包括时间平均模块721和/或噪声统计模块722。
时域平均模块721,用于对所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果。
噪声统计模块722,用于对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。
根据本公开的实施例,处理模块720用于实现图2A和图2B实施例所述方法中的步骤S201和步骤S202。
图9示意性示出了根据本公开另一实施例的振动信号处理系统的方框图。
如图9所示,除了图7实施例描述的获取模块710、处理模块720和计算模块730之外,还包括配置模块。
配置模块810,用于根据所述两个时间段中的振动信号配置采集设备的量程。
根据本公开的实施例,系统700可以根据所述两个时间段中的振动信号的强弱,动态调整所述采集设备的量程,使得所述振动信号的能量值大于或等于所述振动信号的能量的0.7倍,且不超过所述采集设备的最大量程。
以此方式使得采集的振动信号的能量值大于或等于所述采集设备最大量程的0.7倍,且不超过所述采集设备最大量程,进而使得振动信号中的噪声信号的能量受到抵制,从而提高信噪比。
在本公开的实施例中,为了在采集设备端提高振动信号的信噪比,可以根据两个时间段中的振动信号配置采集设备的量程可以是根据两个时间段中的振动信号的强弱,动态调整采集设备的量程,使得振动信号的能量值大于或等于所述采集设备最大量程的0.7倍,且不超过所述采集设备最大量程。
图10示意性示出了根据本公开实施例的时域平均滤波的方框图。
如图10所示,图8实施例中的时域平均模块721包括分段模块7210和多段计算模块7211。
分段模块910,用于对所述两个时间段中的振动信号内的特定周期信号进行截断,分成多段信号。
多段计算模块920,用于对所述多段信号进行叠加并且平均。
根据本公开的实施例,时域平均模块820用于实现图4实施例所述方法中的步骤S401和步骤S402。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种振动信号的处理方法,包括:
获取处于运行状态的机械设备在两个时间段中的振动信号;
根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果;
根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
2.根据权利要求1所述的方法,其中,根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果包括:
对所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果;并且/或者
对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。
3.根据权利要求1所述的方法,还包括:
根据所述两个时间段中的振动信号配置采集设备的量程。
4.根据权利要求3所述的方法,其特征在于,根据所述两个时间段中的振动信号配置所述采集设备的量程包括:
根据所述两个时间段中的振动信号的强弱,动态调整所述采集设备的量程,使得所述振动信号的能量值大于或等于所述采集设备最大量程的0.7倍,且不超过所述采集设备的最大量程。
5.根据权利要求2所述的方法,其特征在于,对所述两个时间段中的振动信号进行时域平均滤波包括:
对所述两个时间段中的振动信号内的特定周期信号进行截断,分成多段信号;
对所述多段信号进行叠加并且平均,使得所述两个时间段中的振动信号中的噪声信号减小。
6.根据权利要求1所述的方法,其特征在于,所述振动信号中包括部分故障特征信号,所述比例差谱用于放大故障特征信号的幅值。
7.一种振动信号的处理系统,包括:
获取模块,用于获取处于运行状态的机械设备在两个时间段中的振动信号;
处理模块,用于根据所述两个时间段中的振动信号得到所述两个时间段中的振动信号的频谱结果;
计算模块,用于根据所述两个时间段中的振动信号的频谱结果计算比例差谱,以便于检测所述机械设备的故障。
8.根据权利要求7所述的系统,其中,处理模块包括:
时域平均模块,用于对所述两个时间段中的振动信号进行时域平均滤波,得到所述两个时间段中的振动信号的频谱结果;并且/或者
噪声统计模块,用于对所述两个时间段中的振动信号进行噪声统计平均,得到所述两个时间段中的振动信号的频谱结果。
9.根据权利要求7所述的系统,还包括:
配置模块,用于根据所述两个时间段中的振动信号配置采集设备的量程。
10.根据权利要求8所述的系统,其特征在于,时域平均模块还包括:
分段模块,用于对所述两个时间段中的振动信号内的特定周期信号进行截断,分成多段信号;
多段计算模块,用于对所述多段信号进行叠加并且平均,使得所述两个时间段中的振动信号中的噪声信号减小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810534191.8A CN108692805A (zh) | 2018-05-29 | 2018-05-29 | 振动信号的处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810534191.8A CN108692805A (zh) | 2018-05-29 | 2018-05-29 | 振动信号的处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108692805A true CN108692805A (zh) | 2018-10-23 |
Family
ID=63848144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810534191.8A Pending CN108692805A (zh) | 2018-05-29 | 2018-05-29 | 振动信号的处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108692805A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112379450A (zh) * | 2020-10-30 | 2021-02-19 | 中国石油天然气集团有限公司 | 时频电磁方波信号的信噪比获取方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010181319A (ja) * | 2009-02-06 | 2010-08-19 | Bridgestone Corp | タイヤ内部故障判定方法、及び、タイヤ内部故障判定装置 |
CN102507186A (zh) * | 2011-11-01 | 2012-06-20 | 西安交通大学 | 一种基于特色参数的行星齿轮箱状态监测与故障辨识方法 |
CN105468879A (zh) * | 2016-01-13 | 2016-04-06 | 中国航空动力机械研究所 | 处理振动数据的方法和系统 |
CN107121283A (zh) * | 2017-06-19 | 2017-09-01 | 苏州微著设备诊断技术有限公司 | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 |
CN107144343A (zh) * | 2017-07-10 | 2017-09-08 | 薛天 | 低频振动位移传感器组网方法、系统及装置 |
-
2018
- 2018-05-29 CN CN201810534191.8A patent/CN108692805A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010181319A (ja) * | 2009-02-06 | 2010-08-19 | Bridgestone Corp | タイヤ内部故障判定方法、及び、タイヤ内部故障判定装置 |
CN102507186A (zh) * | 2011-11-01 | 2012-06-20 | 西安交通大学 | 一种基于特色参数的行星齿轮箱状态监测与故障辨识方法 |
CN105468879A (zh) * | 2016-01-13 | 2016-04-06 | 中国航空动力机械研究所 | 处理振动数据的方法和系统 |
CN107121283A (zh) * | 2017-06-19 | 2017-09-01 | 苏州微著设备诊断技术有限公司 | 一种基于离散随机分离算法的齿轮状态监测指标提取方法 |
CN107144343A (zh) * | 2017-07-10 | 2017-09-08 | 薛天 | 低频振动位移传感器组网方法、系统及装置 |
Non-Patent Citations (2)
Title |
---|
张兆国 等: "《机械故障诊断与维修》", 31 January 2004, 中国农业出版社 * |
张剑平 等: "《智能化检测系统及仪器》", 31 July 2009, 国防工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112379450A (zh) * | 2020-10-30 | 2021-02-19 | 中国石油天然气集团有限公司 | 时频电磁方波信号的信噪比获取方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019179340A1 (zh) | 基于eemd和msb的滚动轴承故障特征提取方法 | |
CN104075795B (zh) | 用于监测风力发电机组的叶轮振动状态的方法和系统 | |
Qu et al. | A new acoustic emission sensor based gear fault detection approach | |
Yoon et al. | On the use of a single piezoelectric strain sensor for wind turbine planetary gearbox fault diagnosis | |
CN102456419B (zh) | 核反应堆屏蔽泵运行故障监测方法及其监测系统 | |
Bechhoefer et al. | Processing for improved spectral analysis | |
US20090162186A1 (en) | Method and apparatus for vibration-based automatic condition monitoring of a wind turbine | |
CN102840907B (zh) | 早期故障状态下滚动轴承振动信号特征提取和分析方法 | |
EP3196626B1 (en) | Vibration monitoring method and system | |
Contreras-Medina et al. | FPGA-based multiple-channel vibration analyzer for industrial applications in induction motor failure detection | |
CN108885155A (zh) | 状态监视装置、具有该状态监视装置的风力发电设备以及消除电噪声的方法 | |
CN102828919A (zh) | 声学监控风力涡轮机的方法、声学监控系统和重装备套件 | |
CN109409341A (zh) | 一种近场的航空发动机噪声源辨识方法 | |
Yoon et al. | Planetary gearbox fault diagnosis using a single piezoelectric strain sensor | |
JP2015114294A (ja) | 音響装置の検査装置及び音響装置の検査方法並びに音響装置の検査プログラム | |
CN108692805A (zh) | 振动信号的处理方法及系统 | |
CN105303033B (zh) | 基于集合固有时间尺度分解算法的滚动轴承故障诊断方法 | |
JP5958932B2 (ja) | 動的設備の状態監視システムとその方法とそのプログラム | |
Zhang et al. | Isolation and identification of compound faults in rotating machinery via adaptive deep filtering technique | |
CN102707252A (zh) | 一种去除高速取样示波器时基抖动的方法 | |
CN203163988U (zh) | 一种风电机组齿轮箱在线故障诊断装置 | |
CN202209988U (zh) | 智能控件化声振测量仪 | |
CN115683644B (zh) | 航空发动机双源拍振特征识别方法 | |
JP2004020424A (ja) | 振動信号の処理方法 | |
CN109115328B (zh) | 输油泵机组电磁噪声自动监测分析仪 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181023 |
|
RJ01 | Rejection of invention patent application after publication |