CN109484937B - 一种矿井提升机状态检测的增强同步提取变换方法 - Google Patents

Abstract

本发明涉及一种一种矿井提升机状态检测的增强同步提取变换方法，属于矿井提升机维修领域。其具体内容如下：首先利用自回归(autoregressive，AR)模型对原始的矿井提升机关键零部件(轴承、齿轮)振动信号进行预处理，消除可线型预测的平稳成分，得到残余信号；然后对残余信号应用同步提取变换(synchroextracting transform，SET)技术以消除与噪声及转轴旋转频率相关的干扰分量，得到纯化信号；最后对纯化信号进行希尔伯特包络分析，通过对比解调频率及理论计算频率得到零部件故障类型。本发明能够对准确有效地识别矿井提升机滚动轴承及齿轮故障类型，具有工程应用价值。

Description

一种矿井提升机状态检测的增强同步提取变换方法

技术领域

本发明属于矿井提升机维护和维修领域，具体是指一种矿井提升机状态检测的增强同步提取变换方法。

背景技术

矿井提升机作为矿山生产的关键设备之一，担负着提升煤炭、下放材料、升降人员和设备的重要任务，在矿井生产过程中占有极其重要的地位。由于矿井提升机工作坏境恶劣且提升高度大，一旦出现故障，直接影响煤矿生产效率，甚至威胁到矿工的生命安全引起重大事故。轴承及齿轮作为矿井提升机安全运行的必要保障部件，承担着执行传递运动、动力和变速的任务，是使用最多、最为关键、也是最容易损坏的机械零件之一，其运行质量对整个矿井生产安全至关重要。为确保矿井生产安全，避免因轴承及齿轮故障引发的经济与人员损失，对矿井提升机轴承及齿轮进行快速有效地实时监测并及时发现故障有着重要的现实意义。

矿井提升机的轴承和齿轮故障诊断的关键是提取故障激励的周期性冲击特征。然而由于矿井提升机中多种零部件振动、环境噪声等多种因素的影响，其振动信号通常呈现出非线性和非平稳特性，周期性冲击特征难以提取，传统故障诊断方法难以应用于此类信号。

发明内容

本发明实施例所要解决的技术问题在于，提供一种矿井提升机状态检测的增强同步提取变换方法。该方法能够对准确有效地识别矿井提升机滚动轴承及齿轮故障类型，具有工程应用价值。

为实现上述目的，本发明的技术方案是包括：

S1、利用自回归模型对原始的矿井提升机关键零部件振动信号进行预处理，消除可线型预测的平稳成分，得到残余信号；

S2、然后对残余信号应用同步提取变换技术以消除与噪声及转轴旋转频率相关的干扰分量，得到纯化信号；

S3、最后对纯化信号进行希尔伯特包络分析，通过对比解调频率及理论计算频率得到关键零部件故障类型。

进一步设置是所述的步骤S1和S2包括有具体步骤：

首先将自回归模型应用于矿井提升机采集得到的振动信号，y是长度为N的振动信号序列，p是自回归模型的阶次，信号y的自回归模型表达式为：

式中：a_i，i＝1,2,...,p是自回归加权参数，η_k是平稳白噪声过程

进一步消除噪声及其它振动源的干扰，对得到的残余信号应用同步提取变换技术处理，残余信号为s(t)，则该信号可以定义为：

式中：A(t)为瞬时振幅，

为瞬时相位，其一阶导数是瞬时频率；

分离条件定义为：

式中：

是瞬时频率，Δ是窗口函数的频率支持；

信号s(t)的短时傅里叶变换定义为：

式中：ω是瞬时频率轨迹，

是傅里叶变换的窗口函数；

对于每个分离分量，它的瞬时频率由下式计算：

式中：

为有限差分算子。

因此，同步提取变换表达为：

根据上式，推断出以下表达式：

信号重构方式由下式给出：

该重构信号即为所述的纯化信号。

进一步设置是所述的关键零部件为轴承或齿轮。

本专利采用自回归(AR模)型对矿井提升机故障振动信号进行预处理以提取包含周期冲击特征的残余信号。在本发明的方案中，同步提取变换技术被用来进一步消除残余信号中与噪声和转轴旋转频率相关的干扰分量，能够对调制振荡产生高度局部化的时频表示，并通过重新分配时频系数来提高的局部化特性。

本发明克服了传统诊断方法难以诊断矿井提升机轴承及齿轮故障的问题，且较传统SET诊断方法准确率更高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明的诊断方法流程图；

图2为同步提取变换方法应用于矿井提升机内圈轴承信号效果图；

图3为本发明公开方法应用于矿井提升机天轮内圈轴承效果图；

图4为同步提取变换方法应用于矿井提升机外圈轴承信号效果图；

图5为本发明公开方法应用于矿井提升机天轮外圈轴承效果图；

图6为同步提取变换方法应用于矿井提升机齿轮信号效果图；

图7为本发明公开方法应用于矿井提升机天齿轮信号效果图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

矿井提升机状态检测的增强同步提取变换方法流程图如图1所示，包括有：

S1、利用自回归模型对原始的矿井提升机关键零部件振动信号进行预处理，消除可线型预测的平稳成分，得到残余信号；

S2、然后对残余信号应用同步提取变换技术以消除与噪声及转轴旋转频率相关的干扰分量，得到纯化信号；

S3、最后对纯化信号进行希尔伯特包络分析，通过对比解调频率及理论计算频率得到关键零部件故障类型。

具体包括以下步骤：

首先将AR模型应用于矿井提升机采集得到的振动信号。假设y是长度为N的振动信号序列，p是AR模型的阶次，则信号y的AR模型可以表达为：

式中：a_i，i＝1,2,...,p是自回归加权参数，η_k是平稳白噪声过程

为了进一步消除噪声及其它振动源的干扰，对得到的残余信号应用同步提取变换技术。假设残余信号为s(t)，则该信号可以定义为：

式中：A(t)为瞬时振幅，

为瞬时相位，其一阶导数是瞬时频率。

分离条件可定义为：

式中：

是瞬时频率，Δ是窗口函数的频率支持。

信号s(t)的短时傅里叶变换定义为：

式中：ω是瞬时频率轨迹，

是傅里叶变换的窗口函数。

对于每个分离分量，它的瞬时频率由下式计算：

式中：

为有限差分算子。

因此，SET可以表达为：

根据上式，可以推断出以下表达式：

信号重构方式由下式给出：

重构信号即为提纯信号，最后使用包络分析解调信号，通过将解调频率与理论计算故障值作对比得到故障类型。

通过以下公式得到轴承内圈与外圈故障理论值，具体的计算方法可以下列公式计算：

轴承外圈故障公式：

轴承内圈故障公式：

式中：f_r为旋转频率，n为轴承滚动体数，φ为径向方向接触角，d为滚动体平均直径，D为轴承的平均直径。

齿轮故障公式：

对于锥齿轮，器故障特征频率为轴转动频率及其谐波。齿轮啮合频率为齿轮齿数及其轴旋转频率的乘积，即：

f_m＝zf_s＝533.34Hz (11)

式中：z为齿轮齿数，f_s为旋转频率。

应用案例：

本案例将本专利公开方法应用于实际矿井提升机故障轴承及齿轮信号，通过公式(9)-(11)计算得到轴承内圈、外圈及齿轮故障特征频率分别为149.05Hz、91.15Hz、29.78Hz及其谐波。

(1)内圈故障

图2给出了传统的应用同步提取变换方法应用于矿井提升机内圈轴承故障信号的结果图，从图中可以看出内圈故障的特征频率未显示。图3给出了应用本发明于矿井提升机内圈故障信号的结果图。通过对比图2和图3，可以看出故障频率(150Hz)在后图中显示清晰且与理论计算值(149.05Hz)相近，因此判定此滚动轴承的故障类型为轴承内圈故障。

(2)外圈故障

如图4所示是应用同步提取变换方法处理轴承外圈故障信号得到的结果图，从图中可以看出其故障频率(87.5Hz)及其二倍频(175Hz)、三倍频(262Hz)，但都隐藏于大量未知频率中，无法判断故障类型。

图5给出了本发明方法应用于矿井提升机外圈故障信号的结果图，从图中可以看出外圈故障特征频率(87.5Hz)及其二倍频(175Hz)、三倍频(262Hz)、四倍频(350Hz)、五倍频(431.3Hz)都显示清晰。通过于图4对比，本发明的有效性得到进一步验证。通过以上分析，可以判定此滚动轴承的故障类型为轴承外圈故障。

(3)齿轮故障

图6所示是应用同步提取变换方法处理矿井提升机齿轮故障信号得到的结果图，从图中可以看出其故障频率及其倍频都未出现，无法诊断出齿轮故障类型。

图7给出了本发明方法应用于矿井提升机齿轮故障信号的结果图，从图中可以看出其故障特征频率(29.78Hz)及其二倍频(59.38Hz)、三倍频(87.5Hz)、四倍频(118.8Hz)、五倍频(146Hz)、六倍频(178.1Hz)等都显示清晰。通过与图6对比，本发明的在齿轮诊断方面的有效性得到验证。通过以上分析，可以判定此矿井提升机齿轮的故障类型为断齿故障。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (2)

1.一种矿井提升机状态检测的增强同步提取变换方法，其特征在于包括有：

S1、利用自回归模型对原始的矿井提升机关键零部件振动信号进行预处理，消除可线型预测的平稳成分，得到残余信号；

S2、然后对残余信号应用同步提取变换技术以消除与噪声及转轴旋转频率相关的干扰分量，得到纯化信号；

S3、最后对纯化信号进行希尔伯特包络分析，通过对比解调频率及理论计算频率得到关键零部件故障类型；

所述的步骤S1和S2包括有具体步骤：

首先将自回归模型应用于矿井提升机采集得到的振动信号，y是长度为N的振动信号序列，p是自回归模型的阶次，信号y的自回归模型表达式为：

式中：a_i，i＝1,2,...,p是自回归加权参数，η_k是平稳白噪声过程

进一步消除噪声及其它振动源的干扰，对得到的残余信号应用同步提取变换技术处理，残余信号为s(t)，则该信号可以定义为：

式中：A(t)为瞬时振幅，

为瞬时相位，其一阶导数是瞬时频率；

分离条件定义为：

式中：

是瞬时频率，Δ是窗口函数的频率支持；

信号s(t)的短时傅里叶变换定义为：

式中：ω是瞬时频率轨迹，

是傅里叶变换的窗口函数；

对于每个分离分量，它的瞬时频率由下式计算：

式中：

为有限差分算子；

因此，同步提取变换表达为：

根据上式，推断出以下表达式：

信号重构方式由下式给出：

重构信号即为所述的纯化信号。

2.根据权利要求1所述的矿井提升机状态检测的增强同步提取变换方法，其特征在于，其特征在于：所述的关键零部件为轴承或齿轮。

Images