CN110907174B - 基于信号冲击结构特性增强的旋转机械微弱故障诊断方法 - Google Patents

Abstract

本发明公开基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，包括步骤：步骤S1、采集可能产生故障的旋转机械振动加速度响应信号及其对应的转速，并确定相应的采样频率；步骤S2、从采集到的数据中截取适当长度的信号用于分析；步骤S3、根据采样频率确定最大的迭代次数，再设置对应迭代方波模式的间隔与长度，并在方波模式基础上构建特征增强矩阵；步骤S4、通过特征增强矩阵与冲击信号的乘积来得到冲击增强信号，并利用峭度值从多次迭代中选取最佳的冲击增强信号；步骤S5、对选取的最佳冲击增强信号进行包络解调谱分析，从而识别故障类型，完成故障诊断。

Description

基于信号冲击结构特性增强的旋转机械微弱故障诊断方法

技术领域

本发明属于旋转机械故障诊断领域，更具体地，涉及基于信号冲击结构特性增强的旋转机械微弱故障诊断方法。

背景技术

旋转机械由于其结构复杂，其振动信号不仅会包含许多不同成分信号，而且会含有大量噪声成分。当旋转机械存在故障时可能会引发严重事故，故有必要对旋转机械的运行状况进行监测。而如何从含噪振动信号中识别出微弱故障信息一直是机械故障诊断的关键问题。

已有许多方法被提出用于对旋转机械故障诊断，如小波变换，但是其会面临如何选择小波基，如何确定分解层数及无法同时保证时域与频域精度等问题。近几年出现的稀疏表示理论虽然能够用于提取故障信号，但是其提取效果直接取决于所建立稀疏字典与待提取信号的相似度，且受噪声影响很大。当冲击特征很微弱时，现有的方法往往难以直接对原始振动信号进行故障诊断。

发明内容

本发明的目的是针对现有技术难以对旋转机械微弱冲击故障进行诊断的缺陷，提供一种基于信号冲击结构特性增强的旋转机械微弱故障诊断方法。该方法能够简单、快速对微弱故障振动信号中的冲击特征进行增强，从而便于对其进行进一步的故障诊断。所提方法适用面较广，具有一定的工程应用价值。

本发明至少通过如下技术方案之一实现。

基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，包括以下步骤：

步骤S1、采集可能产生故障的旋转机械振动加速度响应信号及其对应的转速，并确定相应的采样频率；

步骤S2、从采集到的数据中截取一段信号用于分析；

步骤S3、根据采样频率确定最大的迭代次数，再设置对应迭代方波模式的间隔与长度，并在方波模式基础上构建特征增强矩阵；

步骤S4、通过特征增强矩阵与冲击信号的乘积来得到冲击增强信号，并计算各次迭代的峭度值，并选择峭度最大值所对应的结果作为最佳的冲击增强信号；

步骤S5、对选取的最佳冲击增强信号进行包络解调谱分析，从而识别故障类型，完成故障诊断。

进一步地，所述步骤S1中具体包括以下步骤：

S11、将加速度传感器安装在旋转轴承座表面，连接数采仪和计算机；

S12、设置好设备采样参数，采集并保存对应的振动加速度时域信号，确定相应的采样频率f_s。

进一步地，所述步骤S2是从采集到的振动加速度信号中截取一段振动信号y(t)∈R^N，R^N表示N维实数向量。

进一步地，所述步骤S3中具体包括以下步骤：

S31、对于滚动轴承的振动信号，由采样频率f_s1确定的最大迭代次数为K＝ceil(f_s1/(2×2000))，其中ceil表示向上取整，而对于齿轮的振动信号，由采样频率f_s2确定的最大迭代次数为K＝ceil(f_s2/(2×1000))；

S32、在此定义一种由-1和1交错构成的方波模式p_k，其中的k值表示模式中每段1或-1的长度，且k的取值为{1,2,3,4....K}，其分别对应K次迭代中k的取值，方波模式的长度M＝2×k×l，其中l表示正负交替方波的段数，并将其取为4～6，具体如下：

S33、对于第k次迭代所得到的方波模式p_k，通过对该方波模式不断进行移位，最后构成特征增强矩阵

如此总共得到K个特征增强矩阵：

进一步地，所述步骤S4中具体包括以下步骤：

S41、在每一次迭代中，为了保证矩阵乘积维度的一致性，对振动信号y(t)两端添补0值以得到信号y₀∈R^N+M-1；

S42、每一次迭代都能获得一个不同的特征增强矩阵

通过矩阵乘积可得到该次迭代下的冲击增强信号

S43、对每次迭代得到的冲击增强信号y_k求其对应的峭度值

其中

表示信号y_k的平均值，σ表示信号y_k的标准差，最后选取最大峭度值所对应的冲击增强信号

最为最佳增强信号。

进一步地，所述步骤S5中具体包括：对增强信号

进行包络解调谱分析，再通过解调谱的特征频率来判别故障类型，对齿轮而言，其故障特征频率为其转频f_n；对滚动轴承而言，令滚动轴承的节径为D、滚动体直径为d、滚动体个数为z、接触角为θ，轴的转频为f_r，则外圈的故障特征频率为：

内圈的故障特征频率为：

滚动体的故障特征频率为：

本发明与现有技术相比，具有如下优点和有益效果：

(1)该方法利用冲击信号的结构特性来增强旋转机械微弱故障的冲击特征，从而有利于进一步的故障诊断；

(2)该方法适用面广，因为冲击信号的正负交替的振荡结构特性是所有旋转机械产生冲击型故障信号都具有的特性，所以该冲击特征增强方法适用于所有旋转机械的冲击型故障信号。

(3)该方法简单、运行时间短，其仅仅需要构建迭代矩阵和进行矩阵乘积，然后迭代有限次数该过程，所以时间复杂度和空间复杂度都较低。

附图说明

图1是本实施基于信号冲击结构特性增强的旋转机械微弱故障诊断方法的流程图；

图2是本实施例基于信号冲击结构特性增强的旋转机械微弱故障诊断方法的迭代过程图；

图3是本发明方法所构建的方波模式；

图4是本实施例中所使用的滚动轴承外圈信号；

图5是本实施例中通过迭代所得到的峭度值；

图6是本实施例中所得到的最佳增强信号；

图7是本实施例中最佳增强信号的包络解调谱。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供了基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，如图1和图2所示，以旋转机械中发生局部故障的滚动轴承为研究对象，对本发明进行进一步说明。滚动轴承型号为N205M，节径D＝38mm、滚动体直径d＝6.5mm、滚动体个数z＝13、接触角θ＝0。本实施例包括以下步骤：

S1、将压电式加速度传感器置于故障轴承座处，连接数采仪和计算机，并设置采样频率f_s为102400Hz，并记录下对应的转速为800rpm，外圈故障特征频率f_o为71.8Hz，保存好采集到的振动信号数据，图4是本实施例中所使用的滚动轴承外圈信号；

S2、如图3所示，从采集到的振动信号中截取一段长为1s的振动信号y，其包含的采样点数为102400。

步骤S3、根据采样频率确定最大的迭代次数，再设置对应迭代方波模式的间隔与长度，并在方波模式基础上构建特征增强矩阵，具体包括以下步骤：

S31、由下式确定最大迭代次数

K＝ceil(f_s/(2×2000))＝ceil(102400/(2×2000))＝26；

S32、基于冲击信号的结构特性构建如图3粗实线所示的方波模式，而对于不同的k值就有不同的方波模式，并将对应的方波模式扩展成结构矩阵

该方波模式p_k是由-1和1交错构成，其中的k值表示模式中每段1或-1的长度，且k的取值为{1,2,3,4....K}，其分别对应K次迭代中k的取值。方波模式的长度M＝2×k×l，其中l表示正负交替方波的段数，并将其取为4～6，具体如下：

对于第k次迭代所得到的方波模式p_k，通过对该方波模式不断进行移位，最后构成特征增强矩阵

如此总共得到K个特征增强矩阵：

步骤S4、通过特征增强矩阵与冲击信号的乘积来得到冲击增强信号，并计算各次迭代的峭度值，同时选择峭度最大值所对应的结果作为最佳的冲击增强信号，具体包括以下步骤：

S41、在每一次迭代中，为了保证矩阵乘积维度的一致性，对振动信号y(t)两端添补0值以得到信号y₀∈R^N+M-1；

S42、每一次迭代都能获得一个不同的特征增强矩阵

通过矩阵乘积可得到该次迭代下的冲击增强信号

S43、对每次迭代得到的冲击增强信号y_k求其对应的峭度值

其中

表示信号y_k的平均值，σ表示信号y_k的标准差，最后选取最大峭度值

所对应的冲击增强信号

为最佳增强信号。

如图5所示是不同k值迭代下的峭度值，从中可看出当k＝4时峭度值达到最大；相应得到的最佳增强信号

如图6所示，从中可看出其冲击特征相比原始信号被增强。

S5、对得到的最佳增强信号

进行包络解调谱分析得到的结果如图7所示，从中可看到滚动轴承外圈所对应的故障频率。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，其特征在于，包括以下步骤：

步骤S1、采集可能产生故障的旋转机械振动加速度响应信号及其对应的转速，并确定相应的采样频率；

步骤S2、从采集到的数据中截取一段信号用于分析；

步骤S3、根据采样频率确定最大的迭代次数，再设置对应迭代方波模式的间隔与长度，并在方波模式基础上构建特征增强矩阵；定义一种由-1和1交错构成的方波模式p_k，其中的k值表示方波模式中每段1或-1的长度，且k的取值为{1,2,3,4....K}，其分别对应K次迭代中k的取值，方波模式的长度M＝2×k×l，其中l表示正负交替方波的段数，对于第k次迭代所得到的方波模式p_k，通过对该方波模式不断进行移位，最后构成特征增强矩阵，具体包括以下步骤：

S31、对于滚动轴承的振动信号，由采样频率f_s1确定的最大迭代次数为K＝ceil(f_s1/(2×2000))，其中ceil表示向上取整，而对于齿轮的振动信号，由采样频率f_s2确定的最大迭代次数为K＝ceil(f_s2/(2×1000))；

S32、在此定义一种由-1和1交错构成的方波模式p_k，其中的k值表示方波模式中每段1或-1的长度，且k的取值为{1,2,3,4....K}，其分别对应K次迭代中k的取值，方波模式的长度M＝2×k×l，其中l表示正负交替方波的段数，并将其取为4～6，具体如下：

S33、对于第k次迭代所得到的方波模式p_k，通过对该方波模式不断进行移位，最后构成特征增强矩阵

如此总共得到K个特征增强矩阵：

步骤S4、通过特征增强矩阵与冲击信号的乘积来得到冲击增强信号，并计算各次迭代的峭度值，并选择峭度最大值所对应的结果作为最佳的冲击增强信号；

步骤S5、对选取的最佳冲击增强信号进行包络解调谱分析，从而识别故障类型，完成故障诊断。

2.根据权利要求1所述的基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，其特征在于，所述步骤S1中具体包括：

S11、将加速度传感器安装在旋转轴承座表面，连接数采仪和计算机；

S12、设置好振动信号采集设备采样参数，采集并保存对应的振动加速度时域信号，确定相应的采样频率f_s。

3.根据权利要求1所述的基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，其特征在于，所述步骤S2是从采集到的振动加速度响应信号中截取一段振动信号y(t)∈R^N，R^N表示N维实数向量。

4.根据权利要求1所述的基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，其特征在于，所述步骤S4中具体包括：

S41、在每一次迭代中，为了保证特征增强矩阵乘积维度的一致性，对振动信号y(t)两端添补0值以得到信号y₀∈R^N+M-1；

S42、每一次迭代都能获得一个不同的特征增强矩阵

通过特征增强矩阵

与y₀之间矩阵乘积得到该次迭代下的冲击增强信号

S43、对每次迭代得到的冲击增强信号y_k求其对应的峭度值

其中

表示信号y_k的平均值，σ表示信号y_k的标准差，E(t)表示t的期望值，最后选取最大峭度值所对应的冲击增强信号

为最佳冲击增强信号。

5.根据权利要求1所述的基于信号冲击结构特性增强的旋转机械微弱故障诊断方法，其特征在于，所述步骤S5中具体包括：对最佳冲击增强信号

进行包络解调谱分析，再通过解调谱的特征频率来判别故障类型，对齿轮而言，其故障特征频率为其转频f_n；对滚动轴承而言，令滚动轴承的节径为D、滚动体直径为d、滚动体个数为z、接触角为θ，轴的转频为f_r，则外圈的故障特征频率为：

内圈的故障特征频率为：

滚动体的故障特征频率为：

Images