CN109738189A - 一种旋转机械频谱谐波平均优化方法 - Google Patents

Abstract

一种旋转机械频谱谐波平均优化方法，首先，通过对原始振动信号进行傅里叶变换获取振动信号的频谱；然后，根据分析需要确定频谱计算范围，并在确定好的频谱计算范围内对所有分析谱线进行倍频平均计算；最后，去除因倍频平均产生的频谱局部极小值均值和伪峰值，实现非谐波成分干扰噪声的去除；本发明利用故障发生时的特征成分具有谐波特性的特点，采用频谱谐波平均的方法消除或削弱频谱及包络谱中的非谐波低频、同频干扰，提高信噪比，实现故障的早期识别和诊断。

Description

一种旋转机械频谱谐波平均优化方法

技术领域

本发明属于旋转机械设备状态监测与故障诊断技术领域，具体涉及一种旋转机械频谱谐波平均优化方法。

背景技术

目前我国在航空、石油、化工、冶金、电力等企业中，旋转机械设备约占80％。为提高工作效率，许多制造工艺均为流水作业，在实际工作中，一旦某一环节出现问题，都会导致整个生产过程瘫痪，带来巨大的经济损失，对于一些工作在高速状态的设备，还可能造成人员伤亡的恶劣事故。因此对上述旋转机械设备进行故障监测诊断具有重大意义。

旋转机械设备常见的故障主要有转子故障、轴承故障、齿轮故障等，目前最有效的诊断方法为基于振动信号的监测方法。由于旋转设备具有旋转运动的工作特点，在设备运行过程中，会激发出大量的振动加速度信号，该信号中蕴含着设备状态的重要信息。频谱分析是故障识别的有效方法，许多故障的振动加速度信号中通常包含故障特征信息，其在频谱上的表现为特定故障频率成分，但在故障的早期阶段，其特征信息能量较小，受传递路径、传感器安装误差、设备部件固有振动等影响，故障信息信噪比较低，难以直接利用频谱分析进行特征提取。以滚动轴承为例，目前通常采用解调谱分析的方法进行早期故障诊断，但对于内圈、滚珠、保持架等故障，由于故障部位距离传感器安装位置较远，传递路径复杂，故障信息经过大幅衰减后易淹没在低频噪声干扰中，故障发展到中期时，虽然可以在频谱低频区观察到故障特征，但易受工频和其它同频干扰影响，为诊断信息的提取带来困难。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种旋转机械频谱谐波平均优化方法，利用故障发生时的特征成分具有谐波特性的特点，采用频谱谐波平均的方法消除或削弱频谱及包络谱中的非谐波低频、同频干扰，提高信噪比，实现故障的早期识别和诊断。

为了实现上述目的，本发明采取的技术解决方案是：

一种旋转机械频谱谐波平均优化方法，首先，通过对原始振动信号进行傅里叶变换获取振动信号的频谱；然后，根据分析需要确定频谱计算范围，并在确定好的频谱计算范围内对所有分析谱线进行倍频平均计算；最后，去除因倍频平均产生的频谱局部极小值均值和伪峰值，实现非谐波成分干扰噪声的去除。

一种旋转机械频谱谐波平均优化方法，包括以下步骤：

步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{A_i}，{i＝1,2,L,N},N为采样点数；

步骤2)根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析频率范围0-F，并确定计算频率上限F_t；

步骤3)从原始频谱0-F_t频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{B_j}，B₁＝A₁，其中Δf为频谱分辨率，fix为向0方向取整，是频率(j-1)*Δf在计算频率0-F_t范围内可计算的谐波个数；

步骤4)去局部极小值均值，C_j＝abs(B_j-a_v)，其中是频谱幅值序列局部极小值的平均值，满足B_j＜B_j-1且B_j＜B_j+1，k＝1,2,L,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；

步骤5)从原始频谱幅值序列{A_i}中抽取有效峰值序列其中满足A_i-1＜A_i且A_i＞2A_i+1，或2A_i-1＜A_i且A_i＞A_i+1，m＝1,2,L,T₁，T₁为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{C_j}，得到其一般峰值序列满足C_j-1＜C_j且C_j＞C_j+1，n＝1,2,L,T₂，T₂为谐波平均处理后频谱中的峰值个数，判断峰值序列中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列成分，若存在，C_j＝C_j，否则，通过频谱插值的方法消除因频谱平均产生的虚假峰值。

所述的步骤2)中的分析频率范围0-F，包含特征频率2-6个谐波，计算频率F_t取F的2-5倍，且小于采样频率的一半。

所述步骤5)中，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。

本发明的有益效果为：

1.本发明对整个分析频段进行倍频平均处理，使得真实谐波成分得到信息增强，低频及同频非谐波干扰成分得到抑制，地毯噪声由于本身的随机分布特点，能量维持不变，从而实现分析频段的非线性滤波，提高早期故障频谱的信噪比。

2.本发明通过求平均运算实现分析频段的频域非线性滤波，过程简单，效果明显。

附图说明

图1是本发明的流程图。

图2是本发明实施例1的滚动轴承实验装置简图。

图3是本发明实施例1的滚动轴承振动加速度信号时域波形图。

图4是本发明实施例1的滚动轴承振动加速度信号频谱图。

图5是本发明实施例1的滚动轴承振动加速度信号频谱谐波平均处理后效果。

图6是本发明实施例2的滚动轴承实验装置简图。

图7是本发明实施例2的滚动轴承振动加速度信号的时域波形。

图8是本发明实施例2的滚动轴承振动加速度信号频谱。

图9是本发明实施例2的滚动轴承振动加速度信号包络谱。

图10是本发明实施例2的滚动轴承振动加速度信号包络谱谐波平均处理后效果。

具体实施方式

以下结合附图和实施例对本发明进一步的详细说明。

实施例1，参照图1，旋转机械频谱谐波平均优化方法，包括以下步骤：

步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{A_i}，{i＝1,2,L,N},N为采样点数；

步骤2根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析频率范围0-F，分析频率范围0-F包含特征频率2-6个谐波，为防止平均时高频成分往其分频区映射，造成不必要的虚假频率，计算频率F_t取F的2-5倍，且小于采样频率的一半，本实施例中F＝1000Hz，F_t＝2000Hz；

步骤3)从原始频谱0-F_t频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{B_j}，B₁＝A₁，其中Δf为频谱分辨率，fix为向0方向取整，是频率(j-1)*Δf在计算频率0-F_t范围内可计算的谐波个数，本实施例中Δf＝0.977Hz；

步骤4)去局部极小值均值，C_j＝abs(B_j-a_v)，其中是频谱幅值序列局部极小值的平均值，满足B_j＜B_j-1且B_j＜B_j+1，k＝1,2,L,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；

步骤5)从原始频谱幅值序列{A_i}中抽取有效峰值序列其中满足A_i-1＜A_i且A_i＞2A_i+1，或2A_i-1＜A_i且A_i＞A_i+1，m＝1,2,L,T₁，T₁为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{C_j}，得到其一般峰值序列满足C_j-1＜C_j且C_j＞C_j+1，n＝1,2,L,T₂，T₂为谐波平均处理后频谱中的峰值个数，判断峰值序列中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列成分，若存在，C_j＝C_j，否则，通过频谱插值的方法消除因频谱平均产生的虚假峰值；

考虑受栅栏效应等因素影响，易出现频谱分辨率和真实频率不重叠现象，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。

参照图2，本实施例选择美国智能维护系统(IMS)中心的滚动轴承实验装置。在一个轴上安装四个滚动轴承，将转速恒定保持在2000RPM。通过弹簧机构在轴和轴承上施加6000lb径向载荷。所有轴承都被强制润滑，在每个轴承上安装了两个PCB353B33高灵敏度石英ICP加速度计，共有8个加速度计(每个垂直Y和水平X)。以轴承1为分析对象，数据采样时间为02/12/2004 10:32:39到02/19/2004 06:22:39，采样时间间隔为10分钟，采样频率20kHz,采样点数20480，共984组数据，取早期故障的第700组数据进行分析。

参照图3，轴承1故障类型为外圈故障，从其时域波形中可以看到由故障引起的冲击成分，但不明显。

参照图4，分析频谱1000Hz以内成分，可以看到轴承故障的四个谐波成分，但存在较大能量的低频区干扰，且在轴承故障4次谐波处存在高幅值同频干扰。

参照图5，采用频谱谐波平均优化方法处理，低频和同频干扰均得到消除和大幅度抑制，轴承故障谐波成分得到明显增强。

实施例2，参照图1，旋转机械频谱谐波平均优化方法，包括以下步骤：

步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{A_i}，{i＝1,2,L,N},N为采样点数；

步骤2)根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析频率范围0-F，分析频率范围0-F包含特征频率2-6个谐波，为防止平均时高频成分往其分频区映射，造成不必要的虚假频率，计算频率F_t取F的2-5倍，且小于采样频率的一半，本实施例中F＝200Hz，F_t＝800Hz；

步骤3)从原始频谱0-F_t频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{B_j}，B₁＝A₁，其中Δf为频谱分辨率，fix为向0方向取整，是频率(j-1)*Δf在计算频率0-F_t范围内可计算的谐波个数，本实施例中Δf＝0.25Hz；

步骤4)去局部极小值均值，C_j＝abs(B_j-a_v)，其中是频谱幅值序列局部极小值的平均值，满足B_j＜B_j-1且B_j＜B_j+1，k＝1,2,L,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；

步骤5)从原始频谱幅值序列{A_i}中抽取有效峰值序列其中满足A_i-1＜A_i且A_i＞2A_i+1，或2A_i-1＜A_i且A_i＞A_i+1，m＝1,2,L,T₁，T₁为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{C_j}，得到其一般峰值序列满足C_j-1＜C_j且C_j＞C_j+1，n＝1,2,L,T₂，T₂为谐波平均处理后频谱中的峰值个数，判断峰值序列中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列成分，若存在，C_j＝C_j，否则，通过频谱插值的方法消除因频谱平均产生的虚假峰值；

考虑受栅栏效应等因素影响，易出现频谱分辨率和真实频率不重叠现象，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。

参照图6，本实施例采用实验室滚动轴承试验平台，该试验台包括调速器、直流驱动电机、动力箱、滚动轴承安装架、轴向加载装置和径向加载装置等部分构成，将转速恒定保持在1050RPM。

参照图7，故障轴承型号为6308，故障类型为内圈故障，在1050RPM转速下，理论外圈故障特征频率为85.4Hz，从其时域图中可以看到故障引起的冲击成分。

参照图8，信号频谱低频区噪声较大，难以直接进行分析，在3500Hz附近存在一个共振峰。

参照图9，对原始振动信号3200-4000Hz频带进行巴特沃斯带通滤波，并通过希尔伯特变换和FFT，得到其包络谱，包络谱中仍存在大量低频和同频噪声，轴承外圈故障特征被淹没在噪声中。

参照图10，采用频谱谐波平均优化方法处理，低频和同频噪声干扰得到大幅抑制，明显看到轴承内圈故障特征频率及其谐波。

Claims (4)

1.一种旋转机械频谱谐波平均优化方法，其特征在于：首先，通过对原始振动信号进行傅里叶变换获取振动信号的频谱；然后，根据分析需要确定频谱计算范围，并在确定好的频谱计算范围内对所有分析谱线进行倍频平均计算；最后，去除因倍频平均产生的频谱局部极小值均值和伪峰值，实现非谐波成分干扰噪声的去除。

2.一种旋转机械频谱谐波平均优化方法，其特征在于，包括以下步骤：

步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{A_i}，{i＝1,2,L,N},N为采样点数；

步骤2)根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析频率范围0-F，并确定计算频率上限F_t；

步骤3)从原始频谱0-F_t频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{B_j}，B₁＝A₁，其中Δf为频谱分辨率，fix为向0方向取整，是频率(j-1)*Δf在计算频率0-F_t范围内可计算的谐波个数；

步骤4)去局部极小值均值，C_j＝abs(B_j-a_v)，其中是频谱幅值序列局部极小值的平均值，满足B_j＜B_j-1且B_j＜B_j+1，k＝1,2,L,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；

步骤5)从原始频谱幅值序列{A_i}中抽取有效峰值序列其中满足A_i-1＜A_i且A_i＞2A_i+1，或2A_i-1＜A_i且A_i＞A_i+1，m＝1,2,L,T₁，T₁为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{C_j}，得到其一般峰值序列 满足C_j-1＜C_j且C_j＞C_j+1，n＝1,2,L,T₂，T₂为谐波平均处理后频谱中的峰值个数，判断峰值序列中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列成分，若存在，C_j＝C_j，否则，通过频谱插值的方法消除因频谱平均产生的虚假峰值。

3.根据权利要求2所述的一种旋转机械频谱谐波平均优化方法，其特征在于：所述的步骤2)中的分析频率范围0-F，包含特征频率2-6个谐波，计算频率F_t取F的2-5倍，且小于采样频率的一半。

4.根据权利要求2所述的一种旋转机械频谱谐波平均优化方法，其特征在于：所述步骤5)中，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。