CN111323233B - 一种用于低速旋转机械故障诊断的局部均值分解方法 - Google Patents

一种用于低速旋转机械故障诊断的局部均值分解方法 Download PDF

Info

Publication number
CN111323233B
CN111323233B CN202010158723.XA CN202010158723A CN111323233B CN 111323233 B CN111323233 B CN 111323233B CN 202010158723 A CN202010158723 A CN 202010158723A CN 111323233 B CN111323233 B CN 111323233B
Authority
CN
China
Prior art keywords
signal
envelope
local mean
function
component
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
CN202010158723.XA
Other languages
English (en)
Other versions
CN111323233A (zh
Inventor
王鹏
李庆
孙益群
王忠利
孙晋明
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.)
Jiangsu Tianwo Heavy Industry Technology Co ltd
Original Assignee
Jiangsu Tianwo Heavy Industry Technology Co ltd
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 Jiangsu Tianwo Heavy Industry Technology Co ltd filed Critical Jiangsu Tianwo Heavy Industry Technology Co ltd
Priority to CN202010158723.XA priority Critical patent/CN111323233B/zh
Publication of CN111323233A publication Critical patent/CN111323233A/zh
Application granted granted Critical
Publication of CN111323233B publication Critical patent/CN111323233B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/04—Bearings
    • G01M13/045—Acoustic or vibration analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G01M13/028—Acoustic or vibration analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种用于低速旋转机械故障诊断的局部均值分解方法，通过对局部均值分解方法中的端点效应、PF筛分停止准则进行改进，对采样后的信号进行倍速处理能够有效避免后期频谱分析时的低频段错误；在局部均值分解中加入极值点的端点延拓机制，能够有效降低端点效应影响；通过结合峭度准则与纯调频性判定的PF筛分停止准则，提高了PF计算的稳定性，不易出现不收敛现象；通过少量PF函数重构实现噪声消除，能够有效提升故障特征成分的能量使其更加明显，有利于进行故障判定且计算量小，实现信号降噪与故障特征分析，适用于生产现场低速设备的诊断。

Description

一种用于低速旋转机械故障诊断的局部均值分解方法
技术领域
本发明涉及一种故障诊断的均值分解方法，具体是一种针对搅拌机、低速输送机等低 速旋转机械的轴承、齿轮箱等关键部件进行精准化振动频谱分析实现故障分析的局部均值 分解方法，属于机械故障检测诊断技术领域。
背景技术
目前针对旋转机械故障诊断的研究中，针对智能化自适应诊断主要采用机器学习方法， 而近年来被广泛采用的深度学习方法具有更强的故障分类性能。局部均值分解方法由 Jonathan S.Smith于2005年提出，能够将振动信号进行自适应分解以便进一步开展降噪与 频谱分析，该方法在旋转机械故障诊断方面已有一定的应用。但在低速旋转机械诊断中， 由于需要对长时间大样本量信号进行分析，端点效应和PF筛分停止准则造成的影响更加严 重、会严重影响筛分准确度，因此制约局部均值分解方法应用推广。
发明内容
针对上述问题，本发明提供一种用于低速旋转机械故障诊断的局部均值分解方法，通 过对局部均值分解方法中的端点效应和PF筛分停止准则进行改进能够实现更精准的频谱分 析与诊断，从而解决影响筛分准确度的问题。
为实现上述目的，本用于低速旋转机械故障诊断的局部均值分解方法具体包括以下步 骤：
步骤a：利用加速度传感器采集振动信号x(t)，通过时间轴倍速化重设实现采样长度不 变下的升采样；
步骤b：确定x(t)的所有局部极值点ni，通过对第一个和最后一个极值点进行相似极值 延拓，对相邻的两个局部极值点进行计算求出局部均值mi和包络估计值ai：
Figure BDA0002404991370000011
Figure BDA0002404991370000021
步骤c：分别对所有的mi、ai进行滑动平均处理得到局域均值函数m11(t)和包络估计函 数a11(t)；
步骤d：将m11(t)从x(t)中分离出来并除以a11(t)得到调频信号s11(t)：
Figure BDA0002404991370000022
步骤e：根据步骤b、步骤c的方法求取s11(t)的包络估计函数a12(t)，求取a12(t)的峭度 K12和a13(t)的峭度K13，
当出现K12>K13的情况时判断能否满足1-δ≤a13(t)≤1+δ(δ为常量，常取δ＝10-3)，进 而确定是否继续迭代；
若出现K12<K13的情况则立即停止迭代，将s11(t)视为纯调频函数，否则s11(t)不为纯调 频信号，需将其带入步骤2，重复上述的步骤，迭代n次直至s1n(t)为纯调频函数；
步骤f：将迭代过程中产生的包络估计函数相乘，求得第一个PF分量的包络信号
Figure BDA0002404991370000023
步骤g：将包络信号与纯调频函数相乘得到PF分量PF1(t)＝a1(t)s1n(t)；PF1(t)的包络信 号a1(t)为瞬时幅值，瞬时相位可由s1n(t)求出：φ1(t)＝arccos(s1n(t))；通过对瞬时相位函数进 行相位展开和求导求得PF1(t)的瞬时频率
Figure BDA0002404991370000024
步骤h：将第一个PF分量从原信号x(t)中分离出来得到u1(t)将其带入步骤2，重复上述 步骤k次，直至uk(t)为单调函数，从而得到全部PF分量和残余分量uk(t)：
Figure BDA0002404991370000025
步骤九：计算各PF分量峭度值，选取其中峭度最大的3组；
步骤i：对合成降噪后的振动信号y(t)进行Hilbert变换，得到解析函数
Figure BDA0002404991370000031
计算求得 包络信号A(t)：
Figure BDA0002404991370000032
Figure BDA0002404991370000033
步骤j：对包络信号A(t)进行快速傅里叶变换，得到振动信号包络谱，从中寻找故障特 征频率完成故障分析。
与现有技术相比，本用于低速旋转机械故障诊断的局部均值分解方法通过对局部均值 分解方法中的端点效应、PF筛分停止准则进行改进，降低低速旋转机械故障诊断中长信号 处理的误差，提出一套改进的分析方法与降噪信号重构方法，实现信号降噪与故障特征分 析，适用于生产现场低速设备的诊断。
附图说明
图1是本发明的流程图；
图2是仿真信号的时域波形图；
图3a是未处理端点效应时分解x(t)得到的第一个PF分量；
图3b是未处理端点效应时分解x(t)得到的第二个PF分量；
图3c是未处理端点效应时分解x(t)得到的残余分量；
图4a是处理端点效应后分解x(t)得到的第一个PF分量；
图4b是处理端点效应后分解x(t)得到的第二个PF分量；
图4c是处理端点效应后分解x(t)得到的残余分量；
图5是本发明另一仿真信号的时域波形图；
图6a未加入峭度判据时分解x(t)得到的第一个PF分量；
图6b未加入峭度判据时分解x(t)得到的第二个PF分量；
图7a加入峭度判据时分解x(t)得到的第一个PF分量；
图7b加入峭度判据时分解x(t)得到的第二个PF分量；
图8是被测低速车轮实例实物图；
图9是被测低速车轮实例的振动信号图；
图10是对振动信号进行共振解调分析得到的结果图；
图11a是第一阶PF分量图；
图11b是第二阶PF分量图；
图11c是第三阶PF分量图；
图12是实验频谱图。
具体实施方式
下面结合附图对本发明做进一步说明。
如图1所示，本用于低速旋转机械故障诊断的局部均值分解方法具体步骤如下：
步骤1：利用加速度传感器采集诊断旋转部件的振动信号x(t)，通过时间轴倍速化重设 实现采样长度不变下的升采样；
步骤2：确定信号的局部极值点并进行首尾极值点的延拓并计算局部均值mi和包络估 计值ai；
步骤3：通过局部均值和包络估计值获得局域均值函数与包络估计函数；
步骤4：将局域均值函数分离，获得调频信号；
步骤5：根利用步骤2、3的方法求调频信号的包络估计函数以通过峭度判据对其进行 是否为纯调频函数的验证；
步骤6：通过多次迭代获得的包络估计函数组成PF分量的包络信号；
步骤7：通过PF分量的包络与纯调频函数计算得到PF分量；
步骤8：通过多次重复以上流程，得到多个PF分量；
步骤9：计算各PF分量峭度值，选取其中峭度最大的3组整合得到降噪后的振动信号；
步骤10：对合成降噪后的振动信号进行Hilbert变换，得到解析函数，进而求得包络 信号；
步骤11：对包络信号进行快速傅里叶变换，得到振动信号包络谱，从中寻找故障特征 频率完成故障分析。
为验证提出方法的有效性，构建如下仿真振动信号验证端点效应改善：
(1+0.5cos10πt)sin(200πt+1.5sin50πt)+sin30πt
式中时间t∈[0,1]，仿真信号的时域波形如图2，未处理端点效应时对仿真信号分解得 到的PF分量和残余分量如图3a至图3c，处理端点效应后对仿真信号分解得到的PF分量和 残余分量如图4a至图4c。
通过仿真信号的实验可以说明，在局部均值分解中，端点效应还是会对分解结果产生 较大的影响的，因此必须对其加以控制。
构建另一仿真信号验证PF判据改善
(1+0.5cos10πt)sin(200πt+2cos10πt)+sin2πtsin30πt
仿真信号的时域波形如图5，未采用本方法的PF筛分停止判据时，获得的前两个PF分量如图6a、图6b，采用本方法后获得前两个PF分量如图7a、图7b。
通过对比可以看出，本方法能够有效保障筛分准确性，筛分得到的第二个PF分量未出 现异常，能够准确表达原信号中的调幅调频成分。
采用本用于低速旋转机械故障诊断的局部均值分解方法对低速车轮轴承进行故障诊 断实验，被测低速车轮如图8。其轴承外圈存在一处剥落，在47rpm转速下进行数据 采集，对采集得到的信号进行10倍速提升，得到的振动信号如图9。对振动信号进行 共振解调分析得到的结果如图10，从图中可以清晰看到7.5Hz处的转频及其倍频， 66.8Hz和133.2Hz附近的峰能够表明该轴承外圈存在故障。利用本方法进行分析， 得到图11的前三阶PF分量，进而得到图12的频谱，图中66.8Hz和133.2Hz附近 都有明显的峰值且其余频率部分的干扰信号均得到了有效的抑制，说明本方法具有更 好的抗干扰性和故障特征表达能力。
本用于低速旋转机械故障诊断的局部均值分解方法采用的是振动数据，振动信号分 析法是一种有效的状态检测方法，特别适用于旋转机械设备；低速旋转机械由于转速低，因此需要长时长采样，对采样后的信号进行倍速处理能够有效避免后期频谱分析 时的低频段错误；在局部均值分解中加入极值点的端点延拓机制，能够有效降低端点 效应影响；通过结合峭度准则与纯调频性判定的PF筛分停止准则，提高了PF计算的 稳定性，不易出现不收敛现象；通过少量PF函数重构实现噪声消除，能够有效提升 故障特征成分的能量使其更加明显，有利于进行故障判定且计算量小。

Claims (1)

1.一种用于低速旋转机械故障诊断的局部均值分解方法，其特征在于，具体包括以下步骤：
步骤a：利用加速度传感器采集振动信号x(t)，通过时间轴倍速化重设实现采样长度不变下的升采样；
步骤b：确定x(t)的所有局部极值点ni，通过对第一个和最后一个极值点进行相似极值延拓，对相邻的两个局部极值点进行计算求出局部均值mi和包络估计值ai：
Figure FDA0003639763080000011
Figure FDA0003639763080000012
步骤c：分别对所有的mi、ai进行滑动平均处理得到局域均值函数m11(t)和包络估计函数a11(t)；
步骤d：将m11(t)从x(t)中分离出来并除以a11(t)得到调频信号s11(t)：
Figure FDA0003639763080000013
步骤e：根据步骤b、步骤c的方法求取s11(t)的包络估计函数a12(t)，求取a12(t)的峭度K12和a13(t)的峭度K13，
当出现K12>K13的情况时判断能否满足1-δ≤a13(t)≤1+δ，δ为常量，取δ＝10-3，进而确定是否继续迭代；
若出现K12<K13的情况则立即停止迭代，将s11(t)视为纯调频函数，否则s11(t)不为纯调频信号，需将其带入步骤b，重复上述的步骤，迭代n次直至s1n(t)为纯调频函数；
步骤f：将迭代过程中产生的包络估计函数相乘，求得第一个PF分量的包络信号
Figure FDA0003639763080000014
步骤g：将包络信号与纯调频函数相乘得到PF分量PF1(t)＝a1(t)s1n(t)；PF1(t)的包络信号a1(t)为瞬时幅值，瞬时相位由s1n(t)求出：φ1(t)＝arccos(s1n(t))；通过对瞬时相位函数进行相位展开和求导求得PF1(t)的瞬时频率
Figure FDA0003639763080000021
步骤h：将第一个PF分量从原信号x(t)中分离出来得到u1(t)将其带入步骤b，重复上述步骤k次，直至uk(t)为单调函数，从而得到全部PF分量和残余分量uk(t)：
Figure FDA0003639763080000022
步骤i：计算各PF分量峭度值，选取其中峭度最大的3组；
步骤j：对合成降噪后的振动信号y(t)进行Hilbert变换，得到解析函数
Figure FDA0003639763080000025
计算求得包络信号A(t)：
Figure FDA0003639763080000023
Figure FDA0003639763080000024
步骤k：对包络信号A(t)进行快速傅里叶变换，得到振动信号包络谱，从中寻找故障特征频率完成故障分析。
CN202010158723.XA 2020-03-09 2020-03-09 一种用于低速旋转机械故障诊断的局部均值分解方法 Active CN111323233B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010158723.XA CN111323233B (zh) 2020-03-09 2020-03-09 一种用于低速旋转机械故障诊断的局部均值分解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010158723.XA CN111323233B (zh) 2020-03-09 2020-03-09 一种用于低速旋转机械故障诊断的局部均值分解方法

Publications (2)

Publication Number Publication Date
CN111323233A CN111323233A (zh) 2020-06-23
CN111323233B true CN111323233B (zh) 2022-06-24

Family

ID=71171418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010158723.XA Active CN111323233B (zh) 2020-03-09 2020-03-09 一种用于低速旋转机械故障诊断的局部均值分解方法

Country Status (1)

Country Link
CN (1) CN111323233B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111812511A (zh) * 2020-06-30 2020-10-23 佛山科学技术学院 一种基于大数据的电机故障诊断方法及装置
CN114036655A (zh) * 2021-10-18 2022-02-11 安徽新华学院 一种基于改进的htt算法的旋转机械故障诊断方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103245518A (zh) * 2013-03-29 2013-08-14 燕山大学 基于微分局部均值分解的旋转机械故障诊断方法
CN106124200A (zh) * 2016-06-29 2016-11-16 潍坊学院 一种旋转机械的elmd和平滑迭代包络分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4935165B2 (ja) * 2006-04-17 2012-05-23 日本精工株式会社 異常診断装置及び異常診断方法
JP5067979B2 (ja) * 2010-06-01 2012-11-07 三菱電機エンジニアリング株式会社 軸受の診断装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103245518A (zh) * 2013-03-29 2013-08-14 燕山大学 基于微分局部均值分解的旋转机械故障诊断方法
CN106124200A (zh) * 2016-06-29 2016-11-16 潍坊学院 一种旋转机械的elmd和平滑迭代包络分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
局部均值分解改进方法研究及其在齿轮箱故障诊断中的应用;黄灵坚;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170215(第2期);第9-11页第2.1节，第22页第3.1节，第71-72页6.1-6.2节 *
改进形态滤波与LMD结合的滚动轴承故障诊断方法研究;冯研研等;《机械设计与制造》;20150131(第1期);第85页第1段 *

Also Published As

Publication number Publication date
CN111323233A (zh) 2020-06-23

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
CN109682601B (zh) 一种变转速工况下滚动轴承的早期故障识别方法
CN109883706B (zh) 一种滚动轴承局部损伤微弱故障特征提取方法
CN111238808B (zh) 一种基于经验模态分解与改进变分模态分解的齿轮箱复合故障诊断方法
CN111665051A (zh) 基于能量权重法的强噪声变转速条件下轴承故障诊断方法
CN111323233B (zh) 一种用于低速旋转机械故障诊断的局部均值分解方法
CN107992843B (zh) 一种旋转机械故障信号的稀疏特征提取方法
CN113375939B (zh) 基于svd和vmd的机械件故障诊断方法
CN109285561B (zh) 一种基于自适应窗长的船舶螺旋桨空化噪声调制谱特征保真增强方法
CN110987438A (zh) 水轮发电机变转速过程周期性振动冲击信号检测的方法
CN113565584B (zh) 一种叶端定时信号时频滤波方法
CN114216676A (zh) 一种时变工况下无转速计的行星齿轮箱复合故障诊断方法
CN116067657B (zh) 一种滚动轴承故障诊断方法及系统
CN114486263A (zh) 一种旋转机械滚动轴承振动信号降噪解调方法
CN107941511B (zh) 一种基于信号时频分解的频率—峭度图的实现方法
CN106980722B (zh) 一种脉冲响应中谐波成分的检测和去除方法
CN117571316A (zh) 一种复合故障诊断方法及系统
CN117109923A (zh) 一种滚动轴承故障诊断方法及系统
CN110287853B (zh) 一种基于小波分解的暂态信号去噪方法
CN112781723B (zh) 一种基于频谱方差的谐波成分检测方法
CN112162153B (zh) 基于相位直线拟合的正弦波信号频率估计方法
CN114199365A (zh) 一种振动信号处理方法
He et al. Adaptive fast Chirplet transform and its application into fault diagnosis of rolling bearing under time-varying speed condition
CN113776820B (zh) 一种基于vmd和符号序列熵分析的齿轮故障诊断方法
CN115586260B (zh) 基于连续压缩感知的叶端定时信号无网格频谱估计方法

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