CN109387368B - 基于改进傅立叶变换的旋转机械故障诊断方法 - Google Patents
基于改进傅立叶变换的旋转机械故障诊断方法 Download PDFInfo
- Publication number
- CN109387368B CN109387368B CN201811181797.4A CN201811181797A CN109387368B CN 109387368 B CN109387368 B CN 109387368B CN 201811181797 A CN201811181797 A CN 201811181797A CN 109387368 B CN109387368 B CN 109387368B
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- fourier transform
- discrete
- characteristic frequency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000003745 diagnosis Methods 0.000 title claims abstract description 9
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 claims abstract description 11
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 18
- 238000005096 rolling process Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
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
本发明公开了一种基于改进傅立叶变换的旋转机械故障诊断方法，获取当前时刻的离散信号，并对上述离散信号进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率；并将其转换为信号序列；采集振动信号；获取轴承各部分的特征频率；排序，对最小值，进行kfs处理；对步骤四中获取的序列，经过傅立叶变换为频域，并将照k0fs长度进行分段，获取段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障，能对轴承故障进行简单、初步分析。
Description
技术领域
本发明涉及轴承故障检测领域，具体设计一种基于改进傅立叶变换的旋转机械故障诊断方法。
背景技术
目前中高速的旋转机械故障诊断技术日趋成熟，尤其振动法的应用十分普遍，得到市场的广泛支持。
制药机械隶属于旋转机械领域中一类，近几年来随着新版本GMP的颁布，国家大力发展制药及其辅助机械，使得故障诊断需求也变得十分迫切。对基于振动信号分析处理方法中，傅立叶变换在其中起到重要作用，如频域分析方法。但是傅立叶变换也出现一些弊端，该算法是全局分析方法，在给定采样时间(而不是采样率)固定傅立叶变换的分辨率，对于局部频域信号分辨率效果比较差，频谱图对局部展示效果较差。相反的，如果对局部信号要求高分辨率、高采样率，则傅立叶变换数据会变得很大、冗余，对存储空间造成一定负担。
发明内容
针对以上不足，本发明提供一种基于改进傅立叶变换的旋转机械故障诊断方法。
为实现上述目的，本发明提供一种基于改进傅立叶变换的旋转机械故障诊断方法，其包括以下步骤：
一、获取当前时刻的一对离散信号X(t)＝x(1)，...，x(N)，其中N为采样点数，t为当前时刻，且信号周期为T；
二、对上述离散信号X(t)进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率[fi，fi+Bp]，其中Bp为该频谱图局部的范围；
三、将需要检测的局部信号的频率[fi，fi+Bp]转换为信号序列Xf(t)，其取样时间为
其中
其中A为X(t)的采样离散数量，B为[fi，fi+Bp]区间段采样离散数量，T为信号周期；
四、对振动信号进行采集，采样时间为T0，时间周期为Ts，频率为fs＝1/Ts，序列为X1(t)；
五、获取轴承各部分的特征频率：
其中，Db为滚动体直径，Dc为滚动轴承平均直径；θ为径向方向接触角；Fs为轴的转频；Fb为滚动体特征频率；Fbpi为内圈特征频率；Fbpo为外圈特征频率；Fc为保持架特征频率；Nb为滚动体个数；
六、对fs，Fb，Fbpi，Fbpo，Fc进行排序，对最小值fs，进行kfs处理，k为自然数，并使得kfs大于max{Fb，Fbpi，Fbpo，Fc}，并确定此时的k＝k0；
七、对步骤四中获取的序列X1(t)，经过傅立叶变换为频域X1(f)，并将X1(f)按照k0fs长度进行分段，X1(f)＝{X1(f)1，...，X1(f)n}，n＝1,2，...，其中n为段数；
八、获取X1(f)j，j＝1,2，...n，并获取X1(f)j段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；
九、将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障。
X1(f)数倍大于k0fs。
本发明的有益效果：利用本方法，可以采用简单算法提高傅里叶变换局部分辨率，并配合幅频域参数，能对轴承故障进行简单、初步分析。
附图说明
图1是信号传递的流程图。
具体实施方式
下面针对附图对本发明的实施例作进一步说明：
对某旋转机械为研究对象，信号传递的流程见图1所示。旋转机械设备采用滚动轴承，其上安装加速度传感器，采集轴承运转振动信号，该振动信号为模拟信号，通过采集卡进行数模转换为数字信号，即离散信号，传输至上位机进行数据处理。
本发明提供一种基于改进傅立叶变换的旋转机械故障诊断方法，其包括以下步骤：
一、上位机获取当前时刻的一对离散信号X(t)＝x(1)，...，x(N)，其中N为采样点数，t为当前时刻，且信号周期为T；
二、对上述离散信号X(t)进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率[fi，fi+Bp]，其中Bp为该频谱图局部的范围，其中需要检测的局部信号为感兴趣的局部信号，并记录其频率；
三、将需要检测的局部信号的频率[fi，fi+Bp]转换为信号序列Xf(t)，其取样时间为
其中
其中A为X(t)的采样离散数量，B为[fi，fi+Bp]区间段采样离散数量，T为信号周期；
四、对振动信号进行采集，采样时间为T0，时间周期为Ts，频率为fs＝1/Ts，序列为X1(t)；相比较原采样周期和频率，利用新周期采样将获得更多采样点，简单便捷、无需复杂算法实现信号局部分辨率提高；
五、获取轴承各部分的特征频率：
其中，Db为滚动体直径，Dc为滚动轴承平均直径；θ为径向方向接触角；Fs为轴的转频；Fb为滚动体特征频率；Fbpi为内圈特征频率；Fbpo为外圈特征频率；Fc为保持架特征频率；Nb为滚动体个数；
六、对fs，Fb，Fbpi，Fbpo，Fc进行排序，对最小值fs，进行kfs处理，k为自然数，并使得kfs大于max{Fb，Fbpi，Fbpo，Fc}，并确定此时的k＝k0；
七、对步骤四中获取的序列X1(t)，经过傅立叶变换为频域X1(f)，并将X1(f)按照k0fs长度进行分段，X1(f)＝{X1(f)1，...，X1(f)n}，n＝1,2，...，其中n为段数；X1(f)数倍大于k0fs；
八、获取X1(f)j，j＝1,2，...n，并获取X1(f)j段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；
九、将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障。
实施例不应视为对本发明的限制，但任何基于本发明的精神所作的改进，都应在本发明的保护范围之内。
Claims (2)
1.一种基于改进傅立叶变换的旋转机械故障诊断方法，其特征在于：其包括以下步骤：
一、获取当前时刻的一对离散信号X(t)＝x(1)，...，x(N)，其中N为采样点数，t为当前时刻，且信号周期为T；
二、对上述离散信号X(t)进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率[fi，fi+Bp]，其中Bp为该频谱图局部的范围；
三、将需要检测的局部信号的频率[fi，fi+Bp]转换为信号序列Xf(t)，其取样时间为
其中
其中A为X(t)的采样离散数量，B为[fi，fi+Bp]区间段采样离散数量，T为信号周期；
四、对振动信号进行采集，采样时间为T0，时间周期为Ts，频率为fs＝1/Ts，序列为X1(t)；
五、获取轴承各部分的特征频率：
其中，Db为滚动体直径，Dc为滚动轴承平均直径；θ为径向方向接触角；Fs为轴的转频；Fb为滚动体特征频率；Fbpi为内圈特征频率；Fbpo为外圈特征频率；Fc为保持架特征频率；Nb为滚动体个数；
六、对fs，Fb，Fbpi，Fbpo，Fc进行排序，对最小值fs，进行kfs处理，k为自然数，并使得kfs大于max{Fb，Fbpi，Fbpo，Fc}，并确定此时的k＝k0；
七、对步骤四中获取的序列X1(t)，经过傅立叶变换为频域X1(f)，并将X1(f)按照k0fs长度进行分段，X1(f)＝{X1(f)1，...，X1(f)n}，n＝1,2，...，其中n为段数；
八、获取X1(f)j，j＝1,2，...n，并获取X1(f)j段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；
九、将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障。
2.根据权利要求1所述的一种基于改进傅立叶变换的旋转机械故障诊断方法，其特征在于：X1(f)数倍大于k0fs。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811181797.4A CN109387368B (zh) | 2018-10-11 | 2018-10-11 | 基于改进傅立叶变换的旋转机械故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811181797.4A CN109387368B (zh) | 2018-10-11 | 2018-10-11 | 基于改进傅立叶变换的旋转机械故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109387368A CN109387368A (zh) | 2019-02-26 |
| CN109387368B true CN109387368B (zh) | 2020-06-16 |
Family
ID=65427096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811181797.4A Active CN109387368B (zh) | 2018-10-11 | 2018-10-11 | 基于改进傅立叶变换的旋转机械故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109387368B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014161587A1 (en) * | 2013-04-05 | 2014-10-09 | Aktiebolaget Skf | Method for processing data obtained from a condition monitoring system |
| CN103308804B (zh) * | 2013-06-17 | 2016-09-14 | 湖南大学 | 基于快速k-s变换电能质量扰动信号时频参数提取方法 |
| GB2543521A (en) * | 2015-10-20 | 2017-04-26 | Skf Ab | Method and data processing device for severity assessment of bearing defects using vibration energy |
| GB2543522B (en) * | 2015-10-20 | 2018-06-20 | Skf Ab | Method and data processing device for detecting bearing defects |
| CN106092565A (zh) * | 2016-06-08 | 2016-11-09 | 成都阜特科技股份有限公司 | 一种振动故障分析方法及其系统 |
-
2018
- 2018-10-11 CN CN201811181797.4A patent/CN109387368B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109387368A (zh) | 2019-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104655380B (zh) | 一种旋转机械设备故障特征提取方法 | |
| Li et al. | Multi-dimensional variational mode decomposition for bearing-crack detection in wind turbines with large driving-speed variations | |
| CN107941510B (zh) | 基于等角度双重采样的滚动轴承故障特征的提取方法 | |
| CN104215456B (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
| Hao et al. | Underdetermined source separation of bearing faults based on optimized intrinsic characteristic-scale decomposition and local non-negative matrix factorization | |
| CN104596766B (zh) | 一种轴承早期故障确定方法及装置 | |
| CN111738068B (zh) | 一种转速波动工况下的传动轴故障诊断方法和系统 | |
| CN114659790B (zh) | 一种变转速风电高速轴轴承故障的识别方法 | |
| Lin et al. | A review and strategy for the diagnosis of speed-varying machinery | |
| CN107525674A (zh) | 基于脊线概率分布和局部波动的转频估计方法及检测装置 | |
| CN108195584B (zh) | 一种基于准确度谱图的滚动轴承故障诊断方法 | |
| CN111506862A (zh) | 一种基于多源加权集成迁移学习的滚动轴承故障诊断方法 | |
| CN111259765A (zh) | 一种基于数控机床主轴电流信号的阶次分析方法 | |
| CN108692939B (zh) | 一种基于红外热像仪的变转速条件下轴承故障诊断方法 | |
| CN110672327A (zh) | 一种基于多层降噪技术的异步电机轴承故障诊断方法 | |
| Fong et al. | Mean shift clustering-based analysis of nonstationary vibration signals for machinery diagnostics | |
| CN113565584A (zh) | 一种叶端定时信号时频滤波方法 | |
| CN111076934A (zh) | 一种基于s变换诊断轴承潜在故障的方法 | |
| CN109387368B (zh) | 基于改进傅立叶变换的旋转机械故障诊断方法 | |
| CN114486263B (zh) | 一种旋转机械滚动轴承振动信号降噪解调方法 | |
| CN112781709A (zh) | 变速工况下设备振动信号早期故障分析和特征提取方法 | |
| CN112733612A (zh) | 一种跨领域的旋转机械故障诊断模型建立方法及其应用 | |
| CN106198008B (zh) | 一种电机轴承外圈故障辨识方法 | |
| CN115017953A (zh) | 基于密度峰值聚类的稀疏分量分析的机械故障诊断方法 | |
| CN111046790A (zh) | 一种泵轴承故障诊断方法 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190226 Assignee: INSTITUTE OF LASER AND OPTOELECTRONICS INTELLIGENT MANUFACTURING, WENZHOU University Assignor: Wenzhou University Contract record no.: X2020330000103 Denomination of invention: Fault diagnosis method of rotating machinery based on Improved Fourier transform Granted publication date: 20200616 License type: Common License Record date: 20201125 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190226 Assignee: Wenzhou Hui High tech Co.,Ltd. Assignor: Wenzhou University Contract record no.: X2024330000117 Denomination of invention: A Fault Diagnosis Method for Rotating Machinery Based on Improved Fourier Transform Granted publication date: 20200616 License type: Common License Record date: 20240614 |