CN110263711B - 一种基于改进谱峭度的耦合信号冲击特征提取方法 - Google Patents

一种基于改进谱峭度的耦合信号冲击特征提取方法 Download PDF

Info

Publication number
CN110263711B
CN110263711B CN201910535806.3A CN201910535806A CN110263711B CN 110263711 B CN110263711 B CN 110263711B CN 201910535806 A CN201910535806 A CN 201910535806A CN 110263711 B CN110263711 B CN 110263711B
Authority
CN
China
Prior art keywords
signal
impact
kurtosis
frequency
spectral kurtosis
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
Application number
CN201910535806.3A
Other languages
English (en)
Other versions
CN110263711A (zh
Inventor
王九龙
张思才
盛俊杰
刘信恩
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.)
General Engineering Research Institute China Academy of Engineering Physics
Original Assignee
General Engineering Research Institute China Academy of Engineering Physics
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 General Engineering Research Institute China Academy of Engineering Physics filed Critical General Engineering Research Institute China Academy of Engineering Physics
Priority to CN201910535806.3A priority Critical patent/CN110263711B/zh
Publication of CN110263711A publication Critical patent/CN110263711A/zh
Application granted granted Critical
Publication of CN110263711B publication Critical patent/CN110263711B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于改进谱峭度的耦合信号冲击特征提取方法，在机械设备测试领域，冲击信号时常包含了结构模态参数、性能参数等重要信息，但是由于结构复杂性与工业环境不确定性，实际采集到的冲击信号耦合在平稳调制信号和背景噪声信号中，加大了冲击特征提取难度。本发明针对冲击信号与平稳调制信号的耦合问题，提出一种基于改进谱峭度的耦合信号冲击特征提取方法，通过构造新的平方偏斜度指标代替传统谱峭度中的峭度指标。与传统谱峭度方法相比，本发明所提指标对耦合信号中的冲击特征更为敏感，可有效避免传统谱峭度中平稳调制信号对冲击信号的掩盖效应，所提改进谱峭度方法可更加精确定位耦合信号中的共振频带并准确提取冲击特征。

Description

一种基于改进谱峭度的耦合信号冲击特征提取方法
技术领域
本发明涉及一种耦合信号冲击特征提取方法，特别涉及一种基于改进谱峭度的耦合信号冲击特征提取方法。
背景技术
在工业领域范围内，冲击信号随处可见，例如振动模态试验的锤击响应、旋转机械设备局部故障振动信号、航空航天设备冲击试验等。但是由于机械设备结构的复杂性与现场工况的不确定性，实际采集的信号成分复杂，不仅仅包括分析所需的冲击信号，还含有强烈的工业背景噪声、旋转机械稳定运行的平稳调制信号等，各种信号互相耦合，导致冲击信号往往容易被淹没在复杂的干扰信号中，加大了冲击特征提取难度。消除耦合信号中干扰成分的影响，准确提取耦合信号中的冲击特征，方能有效达到分析需求。本发明主要针对旋转机械设备局部故障中的冲击信号与平稳调制信号耦合问题，通过克服平稳调制信号的影响，提高冲击特征信噪比。
现有耦合信号冲击特征提取方法往往忽略平稳调制信号的影响，多通过直接提取冲击特征或者先降噪再提取冲击特征的方式。常用的冲击信号提取技术包括最小熵解卷积(MED,Minimum Entropy Deconvolution)，最大相关峭度解卷积(MCKD,MaximumCorrelated Kurtosis Deconvolution)，小波包分析等。其中MED和MCKD算法类似，都是为了消除传递路径的影响，通过设定最大峭度和最大相关峭度为目标函数进行迭代计算。小波包分析主要利用其优良的时频局部化特性，根据不同尺度标准定位其冲击特征。除此之外，谱峭度作为提取冲击特征的经典方法也得到了广泛应用，通过谱峭度识别最佳共振频带，然后进行滤波和包络解调提取冲击特征。
可以发现，由于峭度指标对冲击信号的敏感性，因此很多冲击特征提取方法都将峭度指标作为冲击特征的衡量因素。但是对于平稳调制成分与冲击成分的耦合信号而言，当冲击信号能量微弱时，传统谱峭度方法定位共振带存在偏差现象，峭度指标对其中冲击信号的敏感性程度低，传统谱峭度与改进谱峭度方法算法流程对比如图1所示。
发明内容
本发明提供一种可有效避免平稳调制成分对定位最佳共振带的影响，实现冲击特征的准确提取的基于改进谱峭度的耦合信号冲击特征提取方法；
本发明的技术方案为：
一种基于改进谱峭度的耦合信号冲击特征提取方法，其特征在于，该提取方法包括以下步骤：
(1)设定耦合信号采样频率Fs，设定信号点数为N，对原始信号xn(n＝1,2,3…N)作去均值预处理，得到Xn；
(2)利用改进谱峭度方法对预处理后的信号Xn求解谱平方偏斜度得到谱平方偏斜度分布图，通过谱平方偏斜度分布图得出最佳共振带BW和最佳中心频率fc；
(3)根据步骤(2)中所得到的最佳共振带BW和最佳中心频率fc设计带通滤波器，其滤波范围为
Figure BDA0002101045610000021
并对耦合信号滤波得到Xfilter；
(4)对步骤(3)中所得到的带通滤波信号Xfilter作包络解调分析，得到其包络谱，从包络谱中识别与冲击频率相关的冲击特征。
与现有技术相比，本发明的有益效果为：与传统谱峭度方法相比，提出一种新的平方偏斜度代替传统方法中的峭度，利用新的平方偏斜度衡量冲击信号的分布，并根据平方偏斜度的分布提取冲击特征；平方偏斜度对平稳调制成分敏感度较低，可有效避免传统谱峭度中平稳调制成分对定位最佳共振频带的影响，并准确提取耦合信号中的冲击特征。
附图说明
图1为传统谱峭度与改进谱峭度计算流程对比示意图，其中(a)为传统示意图，(b)为本申请改进后示意图。
图2为耦合信号时域波形示意图；
图3为耦合信号幅值谱示意图；
图4为传统谱峭度与改进谱峭度对比，其中(a)为传统示意图，(b)为本申请改进后示意图。
图5为传统谱峭度与改进谱峭度滤波信号时域波形对比，其中(a)为传统示意图，(b)为本申请改进后示意图。对应滤波频带分别由图4谱峭度中定位的最优频带确定。
图6为传统谱峭度与改进谱峭度滤波信号包络谱对比，其中(a)为传统示意图，(b)为本申请改进后示意图。
具体实施方式
下面结合附图、附表和具体实施方式，对本发明进一步详细说明。
对照组
本实施例通过信号仿真阐述谱峭度方法提取冲击特征，其整体实施步骤流程图如图1中(a)所示，具体步骤如下：
1)设耦合信号为y，采样频率Fs为6000Hz，采样点数N为6000，其中耦合信号包括平稳调制成分ys和冲击成分yi和噪声yk，其表达式分别如下：
ys＝0.4×(1+cos(2πf1t))×(1-cos(2πf2t))×cos(2πfm1t+0.4sin(2πf1t)+π/5)+0.2×(1+cos(2πf1t+))×(1-cos(2πf2t))×cos(2π×2fm2t+0.4sin(2πf1t)+π/5)
式中：
f1——第一个调制频率；
f2——第二个调制频率；
fm1——一倍啮合频率；
fm2——二倍啮合频率。
Figure BDA0002101045610000041
式中：
ζ——阻尼系数；
Tn——冲击周期；
fn1——第一固有频率；
fn2——第二固有频率。
y＝ys+yi+yk
其中，其中白噪声幅值为0.25，均值为0，标准差为1，冲击信号信噪比为-10.2dB，其他具体仿真参数见表1。对耦合信号y作去均值预处理，得到预处理后的信号yp，其时域与频谱如图2和图3所示。
2)将预处理后的信号yp经过树状滤波器进行滤波得到滤波信号，滤波信号再进行包络谱分析得到包络信号，计算包络信号的峭度，得到谱峭度分布图，如图4中(a)所示；共振频带中心频率421.8Hz，带宽为93.75Hz，该频带为平稳调制信号一倍啮合频率附近所处频带，因此，耦合频带冲击成分受平稳调制信号影响；
3)根据步骤2)中传统谱峭度所计算的最佳中心频率和带宽分别设计带通滤波器，利用滤波器进行滤波得到y1，y1的时域图如图5中(a)所示。可以明显发现，传统谱峭度滤波信号时域波形以调制成分为主。
4)对步骤3)中传统谱峭度进行包络解调分析，其包络谱如图6中(a)所示，可以明显发现，传统谱峭度滤波信号中未有效抓取到冲击特征。
实施例1
本实施例通过信号仿真阐述谱峭度方法提取冲击特征，其整体实施步骤流程图如图1中(b)所示，具体步骤如下：
步骤1：设耦合信号为y，采样频率Fs为6000Hz，采样点数N为6000，其中耦合信号包括平稳调制成分ys和冲击成分yi和噪声yk，其表达式分别如下：
ys＝0.4×(1+cos(2πf1t))×(1-cos(2πf2t))×cos(2πfm1t+0.4sin(2πf1t)+π/5)+0.2×(1+cos(2πf1t+))×(1-cos(2πf2t))×cos(2π×2fm2t+0.4sin(2πf1t)+π/5)
式中：
f1——第一个调制频率；
f2——第二个调制频率；
fm1——一倍啮合频率；
fm2——二倍啮合频率。
Figure BDA0002101045610000061
式中：
ζ——阻尼系数；
Tn——冲击周期；
fn1——第一固有频率；
fn2——第二固有频率；
y＝ys+yi+yk
其中，其中白噪声幅值为0.25，均值为0，标准差为1，冲击信号信噪比为-10.2dB，其他具体仿真参数见表1。对耦合信号y作去均值预处理，得到预处理后的信号yp，其时域与频谱如图2和图3所示。
步骤2：将预处理后的信号yp经过树状滤波器进行滤波得到滤波信号，滤波信号再进行包络谱分析得到包络信号，计算包络信号的平方偏斜度，平方偏斜度的计算公式为
Figure BDA0002101045610000071
其中，σ代表预处理后的信号标准差；得到平方偏斜度分布图，如图4中(b)所示，改进谱峭度定位的最佳共振带中心频率2531Hz，带宽187.5Hz，该频带对应瞬态冲击信号2500Hz固有频率所处频带，且冲击信号中以1500Hz固有频率为中心频率的第一个共振带在改进谱峭度中也能明显找到，改进谱峭度可克服平稳调制信号的干扰，具备准确识别瞬态冲击所激发的共振频带。
步骤3：根据步骤2中改进谱峭度所计算的最佳中心频率和带宽分别设计带通滤波器，利用滤波器进行滤波得到y2。其时域图如图5中(b)所示。可以明显发现，改进谱峭度滤波信号时域波形可以发现以0.1s为时间间隔的冲击。
步骤4：对步骤3中改进谱峭度所得的滤波信号分别进行包络解调分析，对比其包络谱如图6中(b)所示。可以明显发现，改进谱峭度精确定位共振带并有效抓取10Hz的冲击特征。
表1.仿真参数
Figure BDA0002101045610000072
由对照组和实施例1可知，传统谱峭度方法定位耦合频带冲击成分受平稳调制信号影响，而改进谱峭度可克服平稳调制信号的干扰，具备准确识别瞬态冲击所激发的共振频带。通过对传统谱峭度和改进谱峭度所得滤波信号分别进行包络解调分析，发现传统谱峭度滤波信号中未有效抓取到冲击特征，而改进谱峭度精确定位共振带并有效抓取10Hz的冲击特征。
本发明普遍适用于耦合信号中的冲击特征提取，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理前提下还可以作若干改进，这些改进也应视为本发明的保护范围。

Claims (2)

1.一种基于改进谱峭度的耦合信号冲击特征提取方法，其特征在于，该提取方法包括以下步骤：
(1)设定耦合信号采样频率Fs，设定信号点数为N，对原始信号xn(n＝1,2,3…N)作去均值预处理，得到Xn；
(2)利用改进谱峭度方法对预处理后的信号Xn求解谱平方偏斜度得到谱平方偏斜度分布图，通过谱平方偏斜度分布图得出最佳共振带BW和最佳中心频率fc；
(3)根据步骤(2)中所得到的最佳共振带BW和最佳中心频率fc设计带通滤波器，其滤波范围为
Figure FDA0003972066220000011
并对耦合信号滤波得到Xfilter；
(4)对步骤(3)中所得到的带通滤波信号Xfilter作包络解调分析，得到其包络谱，从包络谱中识别与冲击频率相关的冲击特征；
其中：步骤(2)中改进谱峭度方法对预处理后的信号Xn求解谱平方偏斜度的具体过程为：
1)预处理后的信号Xn经过树状滤波器滤波处理得到滤波信号；
2)滤波信号进行包络谱分析处理得到包络信号；
3)计算包络信号的平方偏斜度；
其中：所述平方偏斜度的计算公式为：
Figure FDA0003972066220000012
其中，σ代表预处理后的信号标准差。
2.根据权利要求1所述的一种基于改进谱峭度的耦合信号冲击特征提取方法，其特征在于，耦合信号包括平稳调制信号、冲击信号和噪声；
平稳调制信号的计算表达式为：
ys＝0.4×(1+cos(2πf1t))×(1-cos(2πf2t))×cos(2πfm1t+0.4sin(2πf1t)+π/5)+0.2×(1+cos(2πf1t+))×(1-cos(2πf2t))×cos(2π×2fm2t+0.4sin(2πf1t)+π/5)
式中：
f1——第一个调制频率；
f2——第二个调制频率；
fm1——一倍啮合频率；
fm2——二倍啮合频率；
冲击信号的计算表达式为：
Figure FDA0003972066220000021
式中：
ζ——阻尼系数；
Tn——冲击周期；
fn1——第一固有频率；
fn2——第二固有频率。
CN201910535806.3A 2019-06-20 2019-06-20 一种基于改进谱峭度的耦合信号冲击特征提取方法 Active CN110263711B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910535806.3A CN110263711B (zh) 2019-06-20 2019-06-20 一种基于改进谱峭度的耦合信号冲击特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910535806.3A CN110263711B (zh) 2019-06-20 2019-06-20 一种基于改进谱峭度的耦合信号冲击特征提取方法

Publications (2)

Publication Number Publication Date
CN110263711A CN110263711A (zh) 2019-09-20
CN110263711B true CN110263711B (zh) 2023-01-17

Family

ID=67919748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910535806.3A Active CN110263711B (zh) 2019-06-20 2019-06-20 一种基于改进谱峭度的耦合信号冲击特征提取方法

Country Status (1)

Country Link
CN (1) CN110263711B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005300517A (ja) * 2004-03-17 2005-10-27 Nippon Steel Corp ころがり軸受の異常診断方法および装置
RU2327966C1 (ru) * 2006-10-16 2008-06-27 Государственное образовательное учреждение высшего профессионального образования Воронежский государственный архитектурно-строительный университет (ГОУ ВПО ВГАСУ) Способ спектральной вибродиагностики нагруженности зубьев зубчатых передач мобильных машин
WO2014123451A1 (ru) * 2013-05-23 2014-08-14 Shilov Victor Petrovich Способ внутриимпульсной модуляций-демодуляций с прямым расширением спектра
CN104316163A (zh) * 2014-06-23 2015-01-28 华南理工大学 基于内积变换和相关滤波的齿轮箱耦合调制信号分离方法
CN104792528A (zh) * 2014-01-22 2015-07-22 中国人民解放军海军工程大学 一种自适应最优包络解调方法
CN105424359A (zh) * 2015-11-25 2016-03-23 华南理工大学 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法
CN109211568A (zh) * 2018-09-19 2019-01-15 四川大学 基于条件经验小波变换的滚动轴承故障诊断方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005300517A (ja) * 2004-03-17 2005-10-27 Nippon Steel Corp ころがり軸受の異常診断方法および装置
RU2327966C1 (ru) * 2006-10-16 2008-06-27 Государственное образовательное учреждение высшего профессионального образования Воронежский государственный архитектурно-строительный университет (ГОУ ВПО ВГАСУ) Способ спектральной вибродиагностики нагруженности зубьев зубчатых передач мобильных машин
WO2014123451A1 (ru) * 2013-05-23 2014-08-14 Shilov Victor Petrovich Способ внутриимпульсной модуляций-демодуляций с прямым расширением спектра
CN104792528A (zh) * 2014-01-22 2015-07-22 中国人民解放军海军工程大学 一种自适应最优包络解调方法
CN104316163A (zh) * 2014-06-23 2015-01-28 华南理工大学 基于内积变换和相关滤波的齿轮箱耦合调制信号分离方法
CN105424359A (zh) * 2015-11-25 2016-03-23 华南理工大学 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法
CN109211568A (zh) * 2018-09-19 2019-01-15 四川大学 基于条件经验小波变换的滚动轴承故障诊断方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于典型谱相关峭度图的滚动轴承故障诊断方法;刘文朋等;《振动与冲击》;20180428(第08期);全文 *
基于集合谱峭度法的轴承故障诊断;周晓君等;《舰船科学技术》;20130915(第09期);全文 *
行星齿轮箱耦合调制振动信号分离与故障诊断;陈伟等;《航空动力学报》;20180521(第05期);全文 *

Also Published As

Publication number Publication date
CN110263711A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN107505135B (zh) 一种滚动轴承复合故障提取方法及系统
CN105092241B (zh) 一种齿轮局部故障诊断方法及系统
CN109855874B (zh) 一种声音辅助振动微弱信号增强检测的随机共振滤波器
CN105547698A (zh) 滚动轴承的故障诊断方法及装置
CN102323518A (zh) 一种基于谱峭度的局部放电信号识别方法
CN117009870B (zh) 一种频域改进sdp图的泵空化状态识别方法
CN109883706A (zh) 一种滚动轴承局部损伤微弱故障特征提取方法
CN111769810B (zh) 一种基于能量峭度谱的流体机械调制频率提取方法
Wang et al. Weak fault diagnosis of rolling bearing under variable speed condition using IEWT-based enhanced envelope order spectrum
WO2020057066A1 (zh) 基于增强调制双谱分析的滚动轴承故障诊断方法
CN108398260B (zh) 基于混合概率方法的齿轮箱瞬时角速度的快速评估方法
Wei et al. Incipient fault diagnosis of rolling element bearing based on wavelet packet transform and energy operator
Shi et al. The VMD-scale space based hoyergram and its application in rolling bearing fault diagnosis
CN104359685A (zh) 一种柴油机故障识别方法
CN116625681A (zh) 一种基于短时傅里叶变换的谱幅值调制滚动轴承故障诊断方法
CN102988041A (zh) 心磁信号噪声抑制中的信号选择性平均方法
Zheng et al. Zero-phase filter-based adaptive Fourier decomposition and its application to fault diagnosis of rolling bearing
Yang et al. An adaptive time–frequency demodulation method and its applications in rolling bearing fault diagnosis
CN114486263A (zh) 一种旋转机械滚动轴承振动信号降噪解调方法
CN111623968B (zh) 一种基于自适应形态滤波的故障特征提取方法
Xu et al. Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum
CN110263711B (zh) 一种基于改进谱峭度的耦合信号冲击特征提取方法
CN102680080B (zh) 一种基于改进的自适应形态滤波的非稳态信号检测方法
CN109948487B (zh) 基于时频谱相关性分析的旋转机械故障特征提取方法
CN112597958A (zh) 一种滚动轴承故障自动识别方法及系统

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