CN109085763A - 基于复杂调幅模型的循环平稳方法对风机振动特征的提取 - Google Patents

基于复杂调幅模型的循环平稳方法对风机振动特征的提取 Download PDF

Info

Publication number
CN109085763A
CN109085763A CN201810594856.4A CN201810594856A CN109085763A CN 109085763 A CN109085763 A CN 109085763A CN 201810594856 A CN201810594856 A CN 201810594856A CN 109085763 A CN109085763 A CN 109085763A
Authority
CN
China
Prior art keywords
dimensional
amplitude modulation
signal
frequency
modulation model
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.)
Granted
Application number
CN201810594856.4A
Other languages
English (en)
Other versions
CN109085763B (zh
Inventor
初宁
唐川荃
吴大转
蒋洪涛
徐建锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Shangfeng high tech special wind industry Co.,Ltd.
Original Assignee
Zhejiang Shangfeng Gaoke Special Fan Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Shangfeng Gaoke Special Fan Industry Co Ltd filed Critical Zhejiang Shangfeng Gaoke Special Fan Industry Co Ltd
Priority to CN201810594856.4A priority Critical patent/CN109085763B/zh
Publication of CN109085763A publication Critical patent/CN109085763A/zh
Application granted granted Critical
Publication of CN109085763B publication Critical patent/CN109085763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一种基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，包括以下步骤：使用加速度传感器采集风机的振动加速度信号；将采集到的加速度信号导入到待运行的程序中，用基于循环平稳特征的相关性特征函数检测，得到循环密度谱；利用旋转机械的复杂调幅模型的先验知识，构造三维循环密度谱以及减小幅值差异的三维循环密度谱的二维俯视图；根据二维俯视图判断调制频率，根据三维循环密度谱判断载波频率；用得到的调制频率和载波频率按复杂调幅模型建立仿真信号，处理得到相应的检测结果，与实际检测结果进行比较，验证特征提取的正确性；利用本发明能够实时地检测和判断风机的故障类型，检测更为精确，具有强大的实用性。

Description

基于复杂调幅模型的循环平稳方法对风机振动特征的提取
技术领域
本发明属于信号处理与特征提取领域，尤其涉及到一种基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法。
背景技术
循环平稳信号处理是近来兴起的信号处理的一种新兴技术。循环平稳信号即信号中包含着隐藏的周期信息的信号。循环平稳信号是非平稳信号的一种，相比于传统检测方式，更接近实际信号，尤其是旋转机械产生的信号。
目前信号处理领域常用的旋转机械故障检测方法主要有傅立叶变换、短时傅立叶变换、小波变换、第二代小波变换和多小波变换等，可以说都是基于内积原理的特征波形基函数信号分解，旨在灵活运用与特征波形相匹配的基函数去更好地处理信号，提取故障特征，从而实现故障诊断。
但是，现有技术中存在以下缺点和不足：傅立叶变换、短时傅立叶变换、小波变换、第二代小波变换和多小波变换等故障检测的方法都建立在假设信号是平稳信号的基础上，而现实中往往是非平稳信号，从而这些检测方法都有不合理的地方，不合实际。同时，这些传统检测方法由于理论上的限制，很难检测到旋转机械的一些重要特征，如叶片通过频率BPF、叶片比频率BRF等，有很大的局限性。
附图说明
图1是本发明的步骤示意图；
图2是本发明的循环平稳处理结果后传统频谱图；
图3是本发明的循环平稳处理结果后三维循环密度谱图；
图4是本发明的循环平稳处理结果后循环密度谱图；
图5是本发明的用循环平稳的相同处理方法对该仿真信号进行了处理后的传统频谱图；
图6是本发明的用循环平稳的相同处理方法对该仿真信号进行了处理后的三维循环密度谱图；
图7是本发明的用循环平稳的相同处理方法对该仿真信号进行了处理后的循环密度谱图。
发明内容
本发明提供了一种基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，能够准确提取风机振动信号的复杂调幅模型的频率参数，对了解信号的本质和进一步处理和解析信号起着最根本、最基础的指导作用。
一种基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，包括以下步骤：
步骤一，使用加速度传感器采集风机的振动加速度信号；
步骤二，将采集到的加速度信号导入到待运行的程序中，用基于循环平稳特征的相关性特征函数检测，得到循环密度谱；
步骤三，利用旋转机械的复杂调幅模型的先验知识，构造三维循环密度谱以及减小幅值差异的三维循环密度谱的二维俯视图；
步骤四，根据二维俯视图判断调制频率，根据三维循环密度谱判断载波频率；
步骤五，用得到的调制频率和载波频率按复杂调幅模型建立仿真信号，处理得到相应的检测结果，与实际检测结果进行比较，验证特征提取的正确性；
步骤二中，所述的基于循环平稳特征的相关性特征函数检测方法为：
其中：α为循环频率、f为频谱频率；x为待测信号；X为信号x的频谱；*表示共轭复数。
步骤三中，所依据的复杂调幅模型的数学表达为：
其中：Ai、Bj为调制幅度和载波幅度；αi、βj为调制频率和载波频率的2倍；v(t)表示随机信号；t为表示时间；N、K表示数目。
步骤三中，构造三维循环密度谱和减小幅值差异的二维俯视图的步骤为：
a.由循环平稳特征函数计算得到的循环密度函数，从对应的点和函数值，构建三维循环密度谱；
b.将循环密度的函数值取10的对数，判断其对应的函数值范围，取一定的取值区间，将其余函数值赋值为对应的最值；
c.根据对应的坐标点和函数值，构建三维循环密度谱的二维俯视图。
步骤四中，提取风机振动特征的过程为：依据调制频率和载波频率对循环密度谱的影响，通过三维循环密度谱和二维俯视图分离出各自的影响，先从二维俯视图的线谱上判断调制频率，再在已确定调制频率的基础上，从三维循环密度谱上的峰值通过复杂调制模型的循环密度谱结果逆推出载波频率。
本发明在一定程度上解决了传统信号处理方法假设信号为平稳信号的问题，由于风机作为旋转机械，产生的信号很大程度上为循环平稳信号，检测的结果更贴近实际、更可靠。同时，循环平稳的处理结果克服了传统检测方法，叶片通过频率和叶片比频率检测不到或不明显的困难，能将风机的更多特征表现出来。
这样，按照复杂调幅模型得到的调幅频率和载波频率也就更贴近风机振动的本质，能在一定程度上还原了风机振动信号，对进一步的信号处理和实际生产都具有现实的指导意义。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1所示，基于振动信号循环平稳性的风机微弱故障检测方法的步骤。
S01，用加速度传感器采集风机的振动加速度信号；
S02，在程序中设定好相应的参数，将采集到的信号导入到程序中，计算循环密度谱：
其中：α为循环频率、f为频谱频率；x为待测信号；X为信号x的频谱；*表示共轭复数。
其中x的复杂调幅模型的数学表达为：
其中：Ai、Bj为调制幅度和载波幅度；αi、βj为调制频率和载波频率的2倍；t为表示时间；N、K表示数目。
经过一系列的推导，x的循环密度谱的结果为：
其中Pv(f)表示信号v(t)的功率谱。
通过循环密度谱对应的循环频率和频谱频率，画出三维图，即得到三维循环密度谱。
S03，得到的循环密度谱幅值差异较大，通过求取循环密度谱函数值得10为底的对数，得到相应的函数值范围；
S04，根据得到的对数函数值范围，设置最值限制，将其余值赋值为对应的最值，根据对应的循环频率和频谱频率，以色彩表示幅值，绘制三维循环密度谱的俯视图(一般采用彩色效果最佳，本文由于限制，采用灰度图)。
S05，保存得到实际数据的循环密度谱，包括三维循环密度谱和其二维俯视图；
S06，从二维俯视图的线谱上，由S03得到的结果，逆推出调幅频率：
S07，在S06的基础上，进一步由S03的结果以及三维循环密度谱的点的峰值，逆推出载波频率；
S08，由所得调幅频率和载波频率构造仿真信号，经循环平稳处理后，与保存的实际数据的检测结果对比验证提取特征的正确性。
为了具体表现本方法在风机振动特征提取领域的优势和特征，对轴流小风机在10Hz正常工况下的振动加速度信号进行了采集和处理，其循环平稳处理结果分别如图2、图3和图4所示。
正常风机的实际数据处理，得到的图像符合实际处理的结果，检测出了基本频率10Hz，以及在风机中由于叶片旋转实际产生的基频的倍频，20Hz、30Hz、40Hz等。而传统的快速傅立叶变换，虽然同样检测出了基本频率10Hz，但是某些倍频，如20Hz、30Hz等，尤其是叶频80Hz，检测效果不好。
进一步，按照上述方法，对该采集到的振动信号进行了特征提取，得到仿真信号x(t)＝[1+cos(20πt)+cos(80πt)+cos(120πt)]*[N(0,1)+cos(20πt)]。进一步，用循环平稳的相同处理方法对该仿真信号进行了处理，得到如图5、图6、图7的处理结果。
通过对比发现，在频谱、三维循环密度谱以及循环密度谱上，幅值和频率都有一定的相似，但并不完全一致。考虑到仿真信号调幅频率和载波频率幅值与实际信号的差异以及频率特征提取的不完全性，该仿真信号在一定程度上，从本质上揭示了风机振动信号的模型的正确性以及特征提取的优越性，对进一步的数据处理以及生产时间具有实际指导意义。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，包括以下步骤：
步骤一，使用加速度传感器采集风机的振动加速度信号；
步骤二，将采集到的加速度信号导入到待运行的程序中，用基于循环平稳特征的相关性特征函数检测，得到循环密度谱；
步骤三，利用旋转机械的复杂调幅模型的先验知识，构造三维循环密度谱以及减小幅值差异的三维循环密度谱的二维俯视图；
步骤四，根据二维俯视图判断调制频率，根据三维循环密度谱判断载波频率；
步骤五，用得到的调制频率和载波频率按复杂调幅模型建立仿真信号，处理得到相应的检测结果，与实际检测结果进行比较，验证特征提取的正确性。
2.根据权利要求1所述的基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，其特征在于，步骤二中，所述的基于循环平稳特征的相关性特征函数检测方法为：
其中：α为循环频率、f为频谱频率；x为待测信号；X为信号x的频谱；*表示共轭复数。
3.根据权利要求1所述的基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，其特征在于，步骤三中，所依据的复杂调幅模型的数学表达为：
其中：Ai、Bj为调制幅度和载波幅度；αi、βj为调制频率和载波频率的2倍；v(t)表示随机信号；t为表示时间；N、K表示数目。
4.根据权利要求1所述的基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，其特征在于，步骤三中，构造三维循环密度谱和减小幅值差异的二维俯视图的步骤为：
a.由循环平稳特征函数计算得到的循环密度函数，从对应的点和函数值，构建三维循环密度谱；
b.将循环密度的函数值取10的对数，判断其对应的函数值范围，取一定的取值区间，将其余函数值赋值为对应的最值；
c.根据对应的坐标点和函数值，构建三维循环密度谱的二维俯视图。
5.根据权利要求1所述的基于复杂调幅模型的循环平稳方法对风机振动特征的提取的方法，其特征在于，步骤四中，提取风机振动特征的过程为：依据调制频率和载波频率对循环密度谱的影响，通过三维循环密度谱和二维俯视图分离出各自的影响，先从二维俯视图的线谱上判断调制频率，再在已确定调制频率的基础上，从三维循环密度谱上的峰值通过复杂调制模型的循环密度谱结果逆推出载波频率。
CN201810594856.4A 2018-06-11 2018-06-11 基于复杂调幅模型的循环平稳方法对风机振动特征的提取 Active CN109085763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810594856.4A CN109085763B (zh) 2018-06-11 2018-06-11 基于复杂调幅模型的循环平稳方法对风机振动特征的提取

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810594856.4A CN109085763B (zh) 2018-06-11 2018-06-11 基于复杂调幅模型的循环平稳方法对风机振动特征的提取

Publications (2)

Publication Number Publication Date
CN109085763A true CN109085763A (zh) 2018-12-25
CN109085763B CN109085763B (zh) 2020-02-21

Family

ID=64839881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810594856.4A Active CN109085763B (zh) 2018-06-11 2018-06-11 基于复杂调幅模型的循环平稳方法对风机振动特征的提取

Country Status (1)

Country Link
CN (1) CN109085763B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110320018A (zh) * 2019-07-12 2019-10-11 北京交通大学 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519578A (zh) * 2011-12-15 2012-06-27 广东石油化工学院 一种旋转机械混合信号的时频域频谱提取方法
CN203743033U (zh) * 2014-02-21 2014-07-30 上虞专用风机有限公司 核电用堆顶风机性能测试装置
CN204900284U (zh) * 2015-07-21 2015-12-23 孙艺夫 单台变频器控制潜油泵软启动与风机节能控温装置
CN106017956A (zh) * 2016-05-18 2016-10-12 重庆大学 基于进动能量差密度谱分析的旋转机械故障诊断新方法
CN108180152A (zh) * 2017-11-07 2018-06-19 浙江大学 一种基于振动信号循环平稳性的风机微弱故障检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519578A (zh) * 2011-12-15 2012-06-27 广东石油化工学院 一种旋转机械混合信号的时频域频谱提取方法
CN203743033U (zh) * 2014-02-21 2014-07-30 上虞专用风机有限公司 核电用堆顶风机性能测试装置
CN204900284U (zh) * 2015-07-21 2015-12-23 孙艺夫 单台变频器控制潜油泵软启动与风机节能控温装置
CN106017956A (zh) * 2016-05-18 2016-10-12 重庆大学 基于进动能量差密度谱分析的旋转机械故障诊断新方法
CN108180152A (zh) * 2017-11-07 2018-06-19 浙江大学 一种基于振动信号循环平稳性的风机微弱故障检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
SHIYANG LI 等: "Cyclostationary approach to detect flow-induced effects on vibration signals from centrifugal pumps", 《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》 *
YONGXING SONG 等: "A novel demodulation method for rotating machinery based on time-frequency analysis and principal component analysis", 《JOURNAL OF SOUND AND VIBRATION》 *
常广晖 等: "一种循环平稳声场的声源识别定位方法", 《海军工程大学学报》 *
文代琼 等: "提取循环平稳信号特征频率的方法", 《太赫兹科学与电子信息学报》 *
赵兴: "基于角度域循环平稳分析的滚动轴承故障诊断方法研究", 《CNKI》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110320018A (zh) * 2019-07-12 2019-10-11 北京交通大学 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法
CN110320018B (zh) * 2019-07-12 2020-08-11 北京交通大学 一种基于二阶循环平稳特性的旋转机械复合故障诊断方法

Also Published As

Publication number Publication date
CN109085763B (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN107451557B (zh) 基于经验小波变换与局部能量的输电线路短路故障诊断方法
Chen et al. Nonlinear chirp mode decomposition: A variational method
Mahela et al. Recognition of power quality disturbances using S-transform based ruled decision tree and fuzzy C-means clustering classifiers
CN104849633B (zh) 一种开关柜局部放电模式识别方法
Du et al. Weighted low-rank sparse model via nuclear norm minimization for bearing fault detection
CN105373719A (zh) 基于心电图信号的用户认证方法和设备
CN108180152B (zh) 一种基于振动信号循环平稳性的风机微弱故障检测方法
CN106344004A (zh) 心电信号特征点检测方法及装置
CN108072517B (zh) 一种旋转机械微弱故障信号检测方法
Karimian et al. On the vulnerability of ECG verification to online presentation attacks
CN102968990A (zh) 说话人识别方法和系统
Pallotta et al. Pseudo-Zernike moments based radar micro-Doppler classification
Atta et al. Broken bar faults detection under induction motor starting conditions using the optimized stockwell transform and adaptive time–frequency filter
CN109085763A (zh) 基于复杂调幅模型的循环平稳方法对风机振动特征的提取
De Lima et al. On fault classification in rotating machines using fourier domain features and neural networks
Abolghasemi et al. Recursive singular spectrum analysis for induction machines unbalanced rotor fault diagnosis
CN107559228B (zh) 基于双频谱数据检测和诊断风机故障的方法
CN104076203B (zh) 一种考虑负频率影响的超低频间谐波检测方法
CN103473491B (zh) 基于书写过程的移动终端用户识别系统及其方法
CN105184264B (zh) 基于Wigner对角切片谱的射频指纹特征提取方法
Ferrer et al. A biometric attack case based on signature synthesis
Guo et al. A new improved synchrosqueezing transform based on adaptive short time Fourier transform
CN108344500A (zh) 一种基于循环平稳密度谱的流致励源信号特征提取方法
CN104143085B (zh) 一种复杂背景下结合显著性信息的物体性检测方法
de Souza et al. A modified time-frequency method for testing wide-sense stationarity

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 312300 No. 1818, Renmin West Road, Dongguan Street, Shangyu District, Shaoxing City, Zhejiang Province

Patentee after: Zhejiang Shangfeng high tech special wind industry Co.,Ltd.

Address before: 312300 No. 1818 Renmin West Road, Shangyu District, Zhejiang, Shaoxing

Patentee before: ZHEJIANG SHANGFENG HI-TECH SPECIALIZED WIND INDUSTRIAL Co.,Ltd.