CN111289232A - 基于双树复小波包子带平均峭度图的机械故障诊断方法 - Google Patents

Abstract

本发明涉及机械故障诊断领域，公开了基于双树复小波包子带平均峭度图的机械故障诊断方法，来提升机械故障特征提取与故障类型辨识的鲁棒性和准确性。本发明根据机械故障振动信号非平稳及瞬时冲击特性，提出了基于双树复小波包子带平均峭度图方法，双树复小波包变换兼顾了效率和准确性，子带平均谱峭度能够消除随机冲击干扰对峭度图的影响，能更准确地找到故障特征信号所在的频带，通过平方包络谱对滤波后的信号进行分析，进而实现轴承故障特征的准确提取与故障类型的精确辨识。本发明适用于机械故障诊断。

Description

基于双树复小波包子带平均峭度图的机械故障诊断方法

技术领域

本发明涉及机械故障诊断领域，具体为基于双树复小波包子带平均峭度图的机械故障诊断方法。

背景技术

轴承，齿轮等，作为动力机械的关键部件，被广泛应用于航空航天，能源，机械制造等各种工业领域，其运行状态监测与故障诊断对于保证装备可靠性、避免安全事故具有重要的意义。振动信号能够反映机械的结构变化，因此，能够通过振动信号对机械的故障进行诊断。然而，实际工程中，由于机械故障特性信息往往被强背景噪声及其他不稳定成分所淹没，使故障特征信息的提取成了一项艰巨的挑战。

当机械发生点蚀、裂纹等局部故障时，通常会激起系统的高频固有振动，产生以系统固有频率为载波，故障特征频率为调制波的调制信号。包络分析是目前应用非常广泛的机械故障诊断方法，它先用一个带通滤波器，将信号中故障引起的高频固有振动成分分离出来，然后用Hilbert变换对提取出来的振动成分进行包络解调分析得到故障诊断所需要的信息。然而，由于高频固有振动成分的中心频率和带宽很难确定，因此带通滤波器参数的选择具有很大主观性。快速峭度图根据谱峭度最大原则，能够给出故障引起冲击信号所处的中心频率和带宽，避免了包络分析方法中带通滤波器参数选择的主观性，提高了包络分析方法的鲁棒性。

但是，基于原始快速峭度图的机械故障诊断方法容易受到偶然冲击性脉冲干扰，从而选择错误的频带信号，导致诊断失败，降低了方法的鲁棒性和准确性。

综上所述，如何提高方法的鲁棒性和准确性，是本领域技术人员急需解决的问题。

发明内容

针对现有技术的不足，本发明提供基于双树复小波包子带平均峭度图的机械故障诊断方法，来提升机械故障特征提取与故障类型辨识的鲁棒性和准确性。

为了实现以上目的，本发明通过以下技术方案予以实现：

基于双树复小波包子带平均峭度图的机械故障诊断方法，其特征在于，所述方法通过滑动窗分割原始振动数据，使用双树复小波包变换分解子信号，计算每个信号子频带峭度的平均值，得到子带平均峭度图，通过子带平均峭度图得到最优带通滤波器中心频率和带宽参数，然后对滤波后信号进行平方包络谱分析。

基于双树复小波包子带平均峭度图的机械故障诊断方法，具体包括以下步骤：

步骤1：采集机械的振动信号；

步骤2：使用滑动窗将信号分解为M个子信号，窗函数大小推荐为2048点；

步骤3：使用双树复小波将M个子信号分解为M组小波系数，并按单调顺序进行重排，得到中心频率单调顺序排列的子频带小波系数；

步骤4：计算子频带小波系数的峭度值；

步骤5：计算子频带平均谱峭度，得到子带平均峭度图；

步骤6：寻找谱峭度值最大的频带，即为故障特征信号所在的频带，得到最优滤波器的参数；

步骤7：按照子带平均峭度图提取故障特征信号所在频带小波系数，使用双树复小波包逆变换重构信号，然后对重构信号进行平方包络谱分析，判别机械故障。

进一步的，所述步骤1中所述采集振动信号具体是通过安装于机械安装座上的加速度传感器来实现的。

进一步的，所述子频带重排的方法为：

表示第k层第i个滤波器，当i为偶数时，交换高通和低通滤波器的位置，逆变换过程中方式与正变换相同，以消除原始双树复小波变换中频带错位的问题。

进一步的，步骤4中所述峭度的计算公式为：

式中，||表示取绝对值算子，〈〉表示时域平均算子，

表示第m个子信号第k层第r个子频带小波系数，且为复数。

进一步的，步骤5中子带平均谱峭度计算公式为：

本发明的有益效果：

(1)本发明通过子频带平均算子，可以消除随机冲击干扰对峭度图的影响，提高诊断的鲁棒性和准确性。

(2)本发明将双树复小波包变换融入子带平均峭度图方法中，兼顾了算法的准确性和效率，从而实现机械故障的在线诊断。

附图说明

图1为本发明的流程图；

图2为实施例中风电机械传动系统结构示意图和现场测点图；

图3为实施例中原始振动信号的时域波形；

图4为实施例中原始振动信号的包络谱；

图5为实施例提出方法所得的子带平均峭度图，其中，指示谱峭度最大值为K_max＝9.2，最大值所在频带为第2层，带宽为Bw＝1600Hz，中心频率为f_c＝5600Hz；

图6为实施例提出方法所得，其中，(a)滤波后信号,(b)及其平方包络谱；

图7为实施例原始快速峭度图方法所得的峭度图，其中指示谱峭度最大值为K_max＝8.1，最大值所在频带为第1.5层，带宽为Bw＝2133.3333Hz，中心频率为f_c＝5333.3333Hz；

图8为实施例按原始快速峭度图方法所得，其中，(a)滤波后信号,(b)及其平方包络谱。

具体实施方式

为了使得本发明的技术方案的目的、技术方案和优点更加清楚，下文中将结合本发明具体实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。

本发明根据机械故障振动信号产生机理，提出了子带平均峭度图方法，子带平均谱峭度能够消除随机冲击干扰对峭度图的影响，能更准确地找到故障特征信号所在的频带，通过平方包络谱对滤波后的信号进行分析，从而提取故障诊断所需的信息。并且将双树复小波包变换融入子带平均峭度图中进一步提高了方法的计算效率、精度以及时频能量聚集性，实现机械故障的精确、高效诊断。

基于上述思想，实施例提供了基于双树复小波包子带平均峭度图的机械故障诊断方法，工作流程如图1所示，具体步骤如下：

步骤1：采集机械的振动信号x；

步骤2：使用滑动窗将信号分解为M个子信号{x_m(t)|m＝1,2,...,M}，窗函数大小推荐为2048点；

步骤3：使用双树复小波将M个子信号分解为M组小波系数

并将

进行重排，重排算法为：

表示第k层第i个滤波器，当i为偶数时，交换高通和低通滤波器的位置，从而得到中心频率按单调顺序排列的小波系数

步骤4：计算子频带小波系数的峭度值：

式中，||表示取绝对值算子，<>表示时域平均算子，

表示第m个子信号第k层第r个子频带小波系数，且为复数。

步骤5：计算子带平均谱峭度：

得到子带平均峭度图；

步骤6：寻找峭度值最大的频带，即为故障特征信号所在的频带，得到最优滤波器的参数；

步骤7：按照子带平均峭度图提取故障特征信号所在频带小波系数，使用双树复小波包逆变换重构信号，然后对重构信号进行平方包络谱分析，进而诊断机械故障。

以下结合具体实例——某风电机械传动系统发电机前轴承故障诊断，通过实施例进一步说明。试验轴承规格如下表1所示：

表1试验轴承规格

风电机械传动系统结构示意图和现场测点图如2所示。在测试过程中，电机前轴承振动明显大于其他测点，因此怀疑电机前轴承出现了故障，需要进一步进行分析。通过键相传感器，当时发电机平均转速为1453r/min，对应转频为f_r＝24.2Hz，信号采样频率为1.28kHz，采样点数N＝16384，根据轴承规格及电机转频可得到试验轴承内圈故障特征频率为：f_i＝131.1Hz。

第一步：通过加速度传感器获取试验轴承振动的原始振动信号x(单位g)，图3、图4分别为该原始振动信号x的时域波形与包络谱。由图可知，由于噪声及其他干扰成分的存在，振动信号时域波形中难以观察到明显的周期性冲击，同时包络谱中轴承外圈故障特征频率几乎被周围的强干扰频率所淹没，因此难以对轴承故障进行准确辨别。

第二步：采用提出的基于双树复小波包子带平均峭度图的机械故障诊断方法对信号进行分析，得到信号的子带平均峭度图，如图5所示，其中，指示谱峭度最大值为K_max＝9.2，最大值所在频带为第2层，带宽为Bw＝1600Hz，中心频率为f_c＝5600Hz。

第三步：按照子带平均峭度图所示频带，采用双树复小波包算法对信号进行滤波，滤波后信号及其平方包络谱如图6所示，其中，(a)滤波后信号,(b)及其平方包络谱。

由图6(a)可知，轴承内圈故障的周期性冲击得到了准确提取，周期性冲击的时间间隔为轴承外圈故障特征频率的倒数。在图6(b)所示平方包络谱中能非常清晰地观察到轴承内圈故障特征频率f_i，其倍频(2f_i、3f_i、4f_i、5f_i)及其边频带(nf_i±lf_r)。因此，可判断试验轴承存在内圈故障，诊断结果与最终检查结果一致，证明了实施例的有效性。

为了进一步说明本发明方法的优越性，如图7，其中指示谱峭度最大值为K_max＝8.1，最大值所在频带为第1.5层，带宽为Bw＝2133.3333Hz，中心频率为f_c＝5333.3333Hz，图8，其中，(a)滤波后信号,(b)及其平方包络谱所示，给出了基于传统快速峭度图方法得到的峭度图、滤波后信号及其平方包络谱。对比图6、8，显然实施例在轴承故障诊断中效果更佳，指示的频带更准确，故障特征频率的幅值更大，时频能量聚集性更好。由此可见，采用本发明的方法，可以避免随机冲击干扰信号的影响，能够更准确地找到故障特征信号所在频带，从而准确提取故障特征信息，精确识别机械故障。

应当说明的是，本发明所述的实施方式仅仅是实现本发明的优选方式，对属于本发明整体构思，而仅仅是显而易见的改动，均应属于本发明的保护范围之内。

Claims (6)

1.基于双树复小波包子带平均峭度图的机械故障诊断方法，其特征在于，所述方法通过滑动窗分割原始振动数据，使用双树复小波包变换分解子信号，计算每个信号子频带峭度的平均值，得到子带平均峭度图，通过子带平均峭度图得到最优带通滤波器中心频率和带宽参数，然后对滤波后信号进行平方包络谱分析。

2.基于双树复小波包子带平均峭度图的机械故障诊断方法，其特征在于，具体包括以下步骤：

步骤1：采集机械的振动信号；

步骤2：使用滑动窗将信号分解为M个子信号，窗函数大小推荐为2048点；

步骤3：使用双树复小波将M个子信号分解为M组小波系数，并进行重排，得到中心频率单调顺序排列的子频带小波系数；

步骤4：计算子频带小波系数的峭度值；

步骤5：计算子频带平均谱峭度，得到子带平均峭度图；

步骤6：寻找峭度值最大的频带，即为故障特征信号所在的频带，得到最优滤波器的参数；

步骤7：按照子带平均峭度图提取故障特征信号所在频带小波系数，使用双树复小波包逆变换重构信号，然后对重构信号进行平方包络谱分析，判别械故障。

3.根据权利要求2所述的基于双树复小波包子带平均峭度图的机械故障诊断方法，其特征在于，所述步骤1中所述采集振动信号具体是通过安装于机械安装座上的加速度传感器来实现的。

4.根据权利要求2所述的基于双树复小波包子带平均峭度图的机械故障诊断方法，其特征在于，步骤3所述子频带重排的方法为：

表示第k层第i个滤波器，当i为偶数时，交换高通和低通滤波器的位置，逆变换过程中方式与正变换相同，以消除原始双树复小波变换中频带错位的问题。

5.根据权利要求2所述的基于双树复小波包子带平均峭度图的机械故障诊断方法，其特征在于，步骤4中所述峭度的计算公式为：

式中，||表示取绝对值算子，〈〉表示时域平均算子，

表示第m个子信号第k层第r个子频带小波系数，且为复数。

6.根据权利要求2所述的基于双树复小波包子带平均峭度图的机械故障诊断方法诊断方法，其特征在于，步骤5中子带平均谱峭度计算公式为：

Images