CN111444893A - 一种矿井提升机主轴装置的故障诊断方法 - Google Patents
一种矿井提升机主轴装置的故障诊断方法 Download PDFInfo
- Publication number
- CN111444893A CN111444893A CN202010370794.6A CN202010370794A CN111444893A CN 111444893 A CN111444893 A CN 111444893A CN 202010370794 A CN202010370794 A CN 202010370794A CN 111444893 A CN111444893 A CN 111444893A
- Authority
- CN
- China
- Prior art keywords
- signal
- fault
- time
- frequency
- main shaft
- 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.)
- Pending
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种矿井提升机主轴装置的故障诊断方法,首先选取最优高斯小波基,构建小波包变换,利用构建的小波变换变换对矿井主轴装置的故障振动信号进行降噪分解,利用峭度指标和能量谱图指标选择合适的重构信号分量,将同步提取变换对重构信号进行同步提取,得到的时频特征能精确表示出故障信号的时频特征。可以很好的解决单一的同步提取变换方法时频精度不高,噪声鲁棒性能不强的问题,促进了同步提取变换理论的应用和发展,为矿井提升机主轴装置的故障诊断提供新的方法。
Description
技术领域
本发明涉及机械设备故障诊断技术,属于基于小波包降噪分解的同步提取变换故障诊断,特别涉及一种矿井提升机主轴装置的故障诊断方法。
背景技术
矿井提升机在矿业的生产中具有重要作用。近年来,对矿井提升机的故障诊断的研究受到了广泛的关注。然而,随着对矿井提升机故障诊断研究的深入,有关矿井提升机的故障诊断方法研究[1-8]还存在以下的问题:
1)矿井提升机结构复杂,工况环境差,所采集的振动信号常伴随高噪声。如何从高噪信号中分离出微弱但含故障特征的信号,需进一步研究。
2)针对提升机主轴装置振动信号非线性和非平稳性的特点,如何有效提取主轴装置振动信号的故障特征,也还有待深入研究。
目前,在相关研究中所提出的单一同步提取变换方法,也存在时频精度不高,噪声鲁棒性能不强的问题。
发明内容
基于上述技术背景,本发明要解决的技术问题是,提供一种矿井提升机主轴装置的故障诊断方法,利用小波包降噪分解技术,结合同步提取变换这种新颖的时频分析工具,以显著的提取出矿井提升机主轴装置的故障特征频率。
本发明采取以下技术方案实现上述目的。一种矿井提升机主轴装置的故障诊断方法,栲其流程如下:
1)选择高斯小波基,对矿井主轴装置的故障振动信号进行小波包降噪处理,得到降噪后的主轴装置振动信号f(t);
2)对上述主轴装置振动信号f(t)进行小波包分解,其分解公式如下;
Pj-1f(t)=Pjf(t)+Djf(t);
系数xk (j)和dk (j)的递推公式如下:
3)利用峭度指标和能量图谱指标选择构信号分量,峭度值计算公式如下:
式中:x是信号分量,μ是信号分量的平均值,σ为其标准差;
式中:Δ表示窗函数的频率支撑范围;
5)构建同步提取变换时频图谱,描述故障信号时频特征:
故障信号首先需进行短时傅里叶变换,其变换式如下:
因此,同步提取变换表达式为:
从而得到信号的故障信号的时频表征。
进一步,所述主轴装置振动信号包括内外圈振动信号和滚动体振动信号。
进一步,所述能量图谱指标为分解的小波系数wcoef的平方。
本发明首先选取最优高斯小波基,构建小波包变换,利用构建的小波变换变换对矿井主轴装置的故障振动信号进行降噪分解,利用峭度指标和能量谱图指标选择合适的重构信号分量,将同步提取变换对重构信号进行同步提取,得到的时频特征能精确表示出故障信号的时频特征。解决了单一的同步提取变换方法时频精度不高,噪声鲁棒性能不强的问题,促进了同步提取变换理论的应用和发展,为矿井提升机主轴装置的故障诊断提供新的方法。
附图说明
图1是本发明的流程图;
图2是基于单一同步提取变换的应用于主轴装置外圈轴承信号的时频图;
图3是本发明应用于主轴装置外圈轴承信号的时频图;
图4是基于单一同步提取变换的应用于主轴装置内圈轴承信号的时频图;
图5是本发明应用于主轴装置内圈轴承信号的时频图;
图6是基于单一同步提取变换的应用于主轴装置滚动体轴承信号的时频图;
图7是本发明应用于主轴装置滚动体轴承信号的时频图。
具体实施方式
以下结合附图、算法原理和实验应用例子对本发明作进一步说明。参见图1至图7。输入101主轴装置振动信号102,对矿井提升机主轴装置振动信号f(t)进行小波包降噪103处理,得到降噪信号f1(t),对所得到的降噪信号进行小波包分解处理104:
Pj-1f1(t)=Pjf1(t)+Djf1(t) (1)
1、利用峭度指标105和能量图谱指标106对重构信号分量进行选择,计算公式如下:
式中f1(t)可看作信号分量,μ1可看作信号分量的平均值,σ1为其标准差。根据峭度值理论,通常选择K值大于3的信号分量。
能量图谱指标为分解的小波系数wcoef的平方,在故障频率区间段,选择能量图谱值较大的信号分量进行重构107。
2、将重构主轴装置振动信号进行同步提取变换108,得到故障信号的时频表征。
式中:Δ表示窗函数的频率支撑范围。
构建同步提取变换时频图谱,提取故障信号时频特征109。信号首先需进行短时傅里叶变换,其变换式如下:
因此同步提取变换表达式为:
从而输出110信号的故障信号的时频表征图。
实施例:以下结合本发明的一个具体实施案例进行说明:
实验故障由采用人为破坏的方式设置,故障统一设置为主轴承相应表面上的一条细缝(宽为2mm,深度为1,5mm)。采用美国NI公司生产的CX-230型号的单轴加速度传感器对信号进行采集,仪器频响范围为0-40KHz,16个信号采集通道通过1394接口方式实现与PC电脑的数据传输。理论计算内圈特征频率(BPFI)为495Hz,滚动体特征频率(BSF)为199.2Hz,外圈故障频率(BPFO)为304.8Hz。电机转速通过变频器设定为20Hz,信号采样频率为2kHz.采样点数为2048。
为了对比本发明的方法在矿井提升机主轴装置的特征提取情况,将单一同步提取变换引入到矿井提升机主轴装置的特征提取中。为了更加科学有效地进行对比分析,将两种方法采用同一时窗函数,同一时窗宽度对同种矿井主轴装置振动信号进行处理。
基于单一同步提取变换的应用于主轴装置外圈轴承信号,其时频特征混乱,未显示主轴装置外圈振动信号的时频特征(如图2所示)。将本发明应用于主轴装置外圈轴承信号后,解决了单一同步提取变换处理结果的特征模糊等不足的缺点,得到外圈振动信号的时频特征明显(如图3所示)。
基于单一同步提取变换的应用于主轴装置内圈轴承信号时,主轴装置内圈振动信号的时频特征混叠,内圈振动信号时频特征不明显(如图4所示)。将本发明应用于主轴装置内圈轴承信号,解决了单一同步提取变换在处理主轴装置内圈振动信号特征模糊的缺点,提升了时频特征聚集性(如图5所示)。
基于单一同步提取变换的应用于主轴装置滚动体轴承信号,未能显示主轴装置滚动体振动信号的时频特征,时频特征混叠严重(如图6所示)。将本发明应用于主轴装置滚动体轴承信号,可以解决单一同步提取变换处理主轴装置滚动体振动信号时所提取特征混叠的缺点,得到主轴装置滚动体振动信号的时频特征明显(如图7所示)。
通过对故障信号进行小波包降噪分解处理,结合峭度指标和能量谱指标,选择合适的重构分量,对重构信号进行同步提取变换,得到故障信号的时频表征图像,该图像是经过小波包降噪分解处理后,经同步提取变换后得到的图像的故障时频特征明显锐化,对故障的时频特征表示明显。
参考文献:
1.曹博博.提升机主轴装置故障检测与识别研究[D].中国矿业大学,2019.
2.崔忠.时间序列符号化在矿用提升机故障诊断中的应用研究[J].能源与环保,2019,41(09):132-134.
3.F.Yang,Z.Kou,J.Wu,and T.Li,“Application of mutual information-sample entropy based MED-ICEEMDAN De-noising scheme for weak fault diagnosisof hoist bearing,”Entropy,vol.20,no.9,p.667,2018.
4.赵旭荣.面向本体的矿井提升机主轴系统故障诊断方法[D].太原理工大学,2019.
5.李俊杰,李娟莉,王学文.K_C4.5在提升机制动系统故障诊断中的应用研究[J].矿业研究与开发,2019,39(10):117-121.
6.Laurent G,Bertrand G.Fault tree analysis and risk mitigationstrategies for mine hoists[J].Safety Science,2018,110:222-234.
7.Jiang F,Zhu Z,Li W,etal.Lifting load monitoring of mine hoistthrough vibration signal analysis with variational mode decomposition[J].Journal of Vibroengineering,2017,19(8).
8.刘小平,徐桂云,任世锦,杨茂云.基于HHT-DDKICA和支持矢量数据描述方法的提升机故障监测[J].机械工程学报,2012,48(23):65-75。
Claims (3)
1.一种矿井提升机主轴装置的故障诊断方法,其特征在于,其流程如下:
1)选择高斯小波基,对矿井主轴装置的故障振动信号进行小波包降噪处理,得到降噪后的主轴装置振动信号f(t);
2)对上述主轴装置振动信号f(t)进行小波包分解,其分解公式如下;
Pj-1f(t)=Pjf(t)+Djf(t);
系数xk (j)和dk (j)的递推公式如下:
3)利用峭度指标和能量图谱指标选择构信号分量,峭度值计算公式如下:
式中:x是信号分量,μ是信号分量的平均值,σ为其标准差;
式中:Δ表示窗函数的频率支撑范围;
5)构建同步提取变换时频图谱,描述故障信号时频特征:
故障信号首先需进行短时傅里叶变换,其变换式如下:
因此,同步提取变换表达式为:
从而得到信号的故障信号的时频表征。
2.根据权利要求1所述的矿井提升机主轴装置的故障诊断方法,其特征在于,所述主轴装置振动信号包括内外圈振动信号和滚动体振动信号。
3.根据权利要求1所述的矿井提升机主轴装置的故障诊断方法,其特征在于,所述能量图谱指标为分解的小波系数wcoef的平方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010370794.6A CN111444893A (zh) | 2020-05-06 | 2020-05-06 | 一种矿井提升机主轴装置的故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010370794.6A CN111444893A (zh) | 2020-05-06 | 2020-05-06 | 一种矿井提升机主轴装置的故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111444893A true CN111444893A (zh) | 2020-07-24 |
Family
ID=71654753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010370794.6A Pending CN111444893A (zh) | 2020-05-06 | 2020-05-06 | 一种矿井提升机主轴装置的故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444893A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113834658A (zh) * | 2021-10-27 | 2021-12-24 | 沈阳航空航天大学 | 一种基于WPD-KVI-Hilbert的滚动轴承早期故障识别方法 |
CN115808236A (zh) * | 2023-02-02 | 2023-03-17 | 武汉理工大学 | 船用涡轮增压器故障在线监测诊断方法、装置和存储介质 |
CN116861218A (zh) * | 2023-07-25 | 2023-10-10 | 上海华菱电站成套设备股份有限公司 | 一种矿井提升机关键设备状态监测预警系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499445A (zh) * | 2013-09-28 | 2014-01-08 | 长安大学 | 一种基于时频切片分析的滚动轴承故障诊断方法 |
CN103837345A (zh) * | 2014-03-25 | 2014-06-04 | 上海电机学院 | 齿轮箱故障诊断方法及装置 |
CN104485113A (zh) * | 2014-12-23 | 2015-04-01 | 长沙理工大学 | 一种多故障源声发射信号分离方法 |
CN104677632A (zh) * | 2015-01-21 | 2015-06-03 | 大连理工大学 | 利用粒子滤波与谱峭度的滚动轴承故障诊断方法 |
CN105698922A (zh) * | 2016-02-04 | 2016-06-22 | 国网福建省电力有限公司 | 基于改进emd和谱峭度法变压器振动故障特征提取方法 |
CN108152037A (zh) * | 2017-11-09 | 2018-06-12 | 同济大学 | 基于itd和改进形态滤波的轴承故障诊断方法 |
CN108318249A (zh) * | 2018-01-24 | 2018-07-24 | 广东石油化工学院 | 一种旋转机械轴承的故障诊断方法 |
CN108572075A (zh) * | 2018-04-28 | 2018-09-25 | 河北工业大学 | 基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法 |
CN108710889A (zh) * | 2018-04-02 | 2018-10-26 | 天津大学 | 一种汽车发动机缺缸故障诊断方法 |
CN108844725A (zh) * | 2018-04-24 | 2018-11-20 | 天津大学 | 一种汽车发动机轴瓦磨损故障诊断方法 |
US20190095781A1 (en) * | 2017-09-23 | 2019-03-28 | Nanoprecise Sci Corp. | System and method for automated fault diagnosis and prognosis for rotating equipment |
CN110160791A (zh) * | 2019-06-27 | 2019-08-23 | 郑州轻工业学院 | 基于小波-谱峭度的感应电机轴承故障诊断系统及诊断方法 |
CN110320040A (zh) * | 2019-06-21 | 2019-10-11 | 昆明理工大学 | 一种基于iitd和amckd的滚动轴承故障特征提取方法 |
CN111089726A (zh) * | 2020-01-16 | 2020-05-01 | 东南大学 | 一种基于最优维数奇异谱分解的滚动轴承故障诊断方法 |
-
2020
- 2020-05-06 CN CN202010370794.6A patent/CN111444893A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499445A (zh) * | 2013-09-28 | 2014-01-08 | 长安大学 | 一种基于时频切片分析的滚动轴承故障诊断方法 |
CN103837345A (zh) * | 2014-03-25 | 2014-06-04 | 上海电机学院 | 齿轮箱故障诊断方法及装置 |
CN104485113A (zh) * | 2014-12-23 | 2015-04-01 | 长沙理工大学 | 一种多故障源声发射信号分离方法 |
CN104677632A (zh) * | 2015-01-21 | 2015-06-03 | 大连理工大学 | 利用粒子滤波与谱峭度的滚动轴承故障诊断方法 |
CN105698922A (zh) * | 2016-02-04 | 2016-06-22 | 国网福建省电力有限公司 | 基于改进emd和谱峭度法变压器振动故障特征提取方法 |
US20190095781A1 (en) * | 2017-09-23 | 2019-03-28 | Nanoprecise Sci Corp. | System and method for automated fault diagnosis and prognosis for rotating equipment |
CN108152037A (zh) * | 2017-11-09 | 2018-06-12 | 同济大学 | 基于itd和改进形态滤波的轴承故障诊断方法 |
CN108318249A (zh) * | 2018-01-24 | 2018-07-24 | 广东石油化工学院 | 一种旋转机械轴承的故障诊断方法 |
CN108710889A (zh) * | 2018-04-02 | 2018-10-26 | 天津大学 | 一种汽车发动机缺缸故障诊断方法 |
CN108844725A (zh) * | 2018-04-24 | 2018-11-20 | 天津大学 | 一种汽车发动机轴瓦磨损故障诊断方法 |
CN108572075A (zh) * | 2018-04-28 | 2018-09-25 | 河北工业大学 | 基于小波包能量谱和调制双谱分析的滚动轴承故障诊断方法 |
CN110320040A (zh) * | 2019-06-21 | 2019-10-11 | 昆明理工大学 | 一种基于iitd和amckd的滚动轴承故障特征提取方法 |
CN110160791A (zh) * | 2019-06-27 | 2019-08-23 | 郑州轻工业学院 | 基于小波-谱峭度的感应电机轴承故障诊断系统及诊断方法 |
CN111089726A (zh) * | 2020-01-16 | 2020-05-01 | 东南大学 | 一种基于最优维数奇异谱分解的滚动轴承故障诊断方法 |
Non-Patent Citations (4)
Title |
---|
FEN YANG ET AL.: ""Application of Mutual Information-Sample Entropy Based MED-ICEEMDAN De-Noising Scheme for Weak Fault Diagnosis of Hoist Bearing"", 《ENTROPY》 * |
任学平等: ""小波包和峭度在轴承早期故障分析中的应用"", 《轴承》 * |
张琳: ""基于同步提取变换的变转速工况下滚动轴承故障诊断方法研究"", 《信息科技》 * |
杨晨: ""基于振动信号分析法的滚动轴故障诊断研究"", 《信息科技-工程科技II辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113834658A (zh) * | 2021-10-27 | 2021-12-24 | 沈阳航空航天大学 | 一种基于WPD-KVI-Hilbert的滚动轴承早期故障识别方法 |
CN115808236A (zh) * | 2023-02-02 | 2023-03-17 | 武汉理工大学 | 船用涡轮增压器故障在线监测诊断方法、装置和存储介质 |
CN115808236B (zh) * | 2023-02-02 | 2023-05-05 | 武汉理工大学 | 船用涡轮增压器故障在线监测诊断方法、装置和存储介质 |
CN116861218A (zh) * | 2023-07-25 | 2023-10-10 | 上海华菱电站成套设备股份有限公司 | 一种矿井提升机关键设备状态监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111444893A (zh) | 一种矿井提升机主轴装置的故障诊断方法 | |
Miao et al. | Improvement of kurtosis-guided-grams via Gini index for bearing fault feature identification | |
Wang | Some further thoughts about spectral kurtosis, spectral L2/L1 norm, spectral smoothness index and spectral Gini index for characterizing repetitive transients | |
He et al. | Multifractal entropy based adaptive multiwavelet construction and its application for mechanical compound-fault diagnosis | |
CN108982107B (zh) | 一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法 | |
Zhang et al. | Rolling bearing fault diagnosis utilizing variational mode decomposition based fractal dimension estimation method | |
Osman et al. | An enhanced Hilbert–Huang transform technique for bearing condition monitoring | |
Chen et al. | Improved spectral kurtosis with adaptive redundant multiwavelet packet and its applications for rotating machinery fault detection | |
CN108647667B (zh) | 一种基于信号时频分解的频域幅值谱峭度图的实现方法 | |
CN103335841A (zh) | 一种采用脉冲小波能量谱分析的滚动轴承故障诊断方法 | |
Sui et al. | An adaptive envelope spectrum technique for bearing fault detection | |
Yu et al. | A novel ITD-GSP-based characteristic extraction method for compound faults of rolling bearing | |
Shuuji et al. | Low-speed bearing fault diagnosis based on improved statistical filtering and convolutional neural network | |
CN104089699A (zh) | 一种变电站设备声音重建算法 | |
CN111881736A (zh) | 一种基于带宽傅立叶分解的滚动轴承早期故障诊断方法 | |
Wang et al. | Weak fault diagnosis of rolling bearing under variable speed condition using IEWT-based enhanced envelope order spectrum | |
CN104215456A (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
Yang et al. | Tri-axial vibration information fusion model and its application to gear fault diagnosis in variable working conditions | |
Zhao et al. | Bearing fault diagnosis based on inverted Mel-scale frequency cepstral coefficients and deformable convolution networks | |
Wei et al. | Fault diagnosis of bearings in multiple working conditions based on adaptive time-varying parameters short-time Fourier synchronous squeeze transform | |
CN110953179A (zh) | 一种基于逆小波变换的风机状态监测方法及系统 | |
Gong et al. | Application of optimized multiscale mathematical morphology for bearing fault diagnosis | |
Zhou et al. | Application of IPSO-MCKD-IVMD-CAF in the compound fault diagnosis of rolling bearing | |
CN107292067B (zh) | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 | |
Chen et al. | Gearbox fault diagnosis based on VMD and acoustic emission technology |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200724 |