CN112665704B - 一种拆分动设备振动频谱峰频的方法 - Google Patents
一种拆分动设备振动频谱峰频的方法 Download PDFInfo
- Publication number
- CN112665704B CN112665704B CN201910976648.5A CN201910976648A CN112665704B CN 112665704 B CN112665704 B CN 112665704B CN 201910976648 A CN201910976648 A CN 201910976648A CN 112665704 B CN112665704 B CN 112665704B
- Authority
- CN
- China
- Prior art keywords
- frequency
- vibration
- peak frequency
- frequency spectrum
- peak
- 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
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请实施例公开了一种拆分动设备振动频谱峰频的方法,使得动设备故障振动诊断方法可以采集得到更准确的频谱特征数据,从而提高对动设备振动故障诊断的准确性。传统设备振动频谱峰频的拆分方法采用频谱功率值极大值求取法,抓取功率曲线上所有可视的峰频频率值和功率值作为频谱特征数据,这种方法的缺点是无法有效区分重叠或相近频率信号的峰频特征值,从而会引起振动故障诊断遗漏或偏差;利用动设备振动信号可以看成是振源信号与异常冲击叠加的原理,利用相应的数据处理技术,把设备振动频率峰频中的复合峰频、叠加峰频有效拆分出来,从而得到更加准确的频谱特征数据,让振动故障诊断更准确。
Description
技术领域
本申请涉及利用一种拆分动设备振动频谱峰频的方法,使得动设备故障振动诊断方法可以采集得到更准确的频谱特征数据,从而提高对动设备振动故障诊断的准确性。其特征在于,包括:利用动设备振动信号可以看成是振源信号与异常冲击叠加的原理,根据峰频带宽相对稳定特征,建立频域带宽子波,对频谱数据进行相应处理,把设备振动频率峰频中的复合峰频、叠加峰频有效拆分出来,从而得到更加准确的频谱特征数据,让振动故障诊断更准确。
背景技术
动设备出现故障时,往往在设备振动信号里会出现相应的频谱峰值,一般为转速或电源频率的倍频、分数频或者复合频率,设备振动故障诊断方法主要就是根据故障与峰频值的因果关系来反推故障类型。但是,实际采集数据中,当设备有多种故障或者工况条件复杂时,设备振动信号的频谱峰值个数会较多,有些特征峰频值会比较靠近,产生频谱复合、叠加现象,这就给峰频拆分和利用振动频率特征反演诊断故障的计算工作带来困难,因此,科学有效的峰频拆分技术就在机电设备振动故障诊断中显得尤为重要。
发明内容
附图说明:
图1是本申请实施例的方法逻辑图
本申请实施例提供了一种有效的动设备振动频谱峰频拆分技术,使得设备故障振动诊断方法可以采集得到更准确的频谱特征数据,从而提高对动设备振动故障诊断的准确性,使得振动故障诊断软件系统可以有效地根据设备的峰频频谱特征准确地学习反演出设备的故障类型及其发生概率;
第一方面,快速傅里叶变换技术。这是个市场上已有的成熟技术,本发明内容需要利用到技术,由时域振动信号得到频谱数据;
第二方面,提取峰频带宽技术。这是本发明内容之一,利用动设备振动信号可以看成是振源信号与异常冲击叠加的原理,符合褶积运算公式:z(t)=x(t)*h(t)=∫x(m)h(t-m)dm,根据峰频带宽相对稳定特征,建立振源信号的频域带宽子波h(t)。采用智能分析算法,主动提取频谱数据中的部分峰频信息,得到峰频带宽特征,建立频域带宽子波,例如:普遍带宽一般为0.5-3HZ左右,如为1HZ;
第三方面,峰频拆分技术。这是本发明内容之一,利用振源信号的频域带宽子波h(t),对频谱数据进行相应处理,具体对监测信号z(t)进行反褶积运算,求取反映异常冲击的反射系数x(t),把设备振动频率峰频中的复合峰频、叠加峰频有效拆分出来,即把反映不同冲击的峰频信号有效区分出来,从而得到更加准确的频谱特征数据。具体先利用前后频谱值比较大小算法,以及最低幅值,求取振动频谱中所有有效的峰频信息(频率、功率和带宽信息),形成设备振动频谱峰频特征序列信息;对于峰频带宽大于1.5倍标准带宽的或者相邻峰频频率间距小于0.5倍标准带宽的,利用带宽子波对该部分频谱信号进行反褶积运算,解析复合或叠加信号,求取离散后的峰频信息;将新的峰频信息替代原有的峰频,列入特征序列当中;
第四方面,根据第三点的结果将设备振动频谱峰频特征序列信息中的每组峰频信息(频率、功率值)与已建立好的《故障频谱特征库》中的特征序列信息依次比对,根据吻合程度,给出故障类型和故障概率,存在一对多的情形;
第五方面,比较完所有频谱特征信息,按故障类型进行归集,累计故障概率,并给出最终诊断结果。
Claims (1)
1.一种拆分动设备振动频谱峰频的方法,使得设备故障振动诊断方法可以采集得到更准确的频谱特征数据,从而提高对动设备振动故障诊断的准确性;其特征在于,利用动设备振动信号可以看成是振源信号与异常冲击叠加的原理,符合褶积运算公式:z(t)=x(t)*h(t)=∫x(m)h(t-m)dm,根据峰频带宽相对稳定特征,建立振源信号的频域带宽子波h(t),利用频域带宽子波,对频谱数据进行相应处理,把设备振动频率峰频中的复合峰频、叠加峰频有效拆分出来,具体先利用前后频谱值比较大小算法,以及最低幅值,求取振动频谱中所有有效的峰频信息,形成设备振动频谱峰频特征序列信息,峰频信息包括频率、功率和带宽信息;对于峰频带宽大于1.5倍标准带宽的或者相邻峰频频率间距小于0.5倍标准带宽的,利用带宽子波对该部分频谱信号进行反褶积运算,解析复合或叠加信号,求取离散后的峰频信息;将新的峰频信息替代原有的峰频,列入特征序列当中;从而得到更加准确的频谱特征数据,让振动故障诊断更准确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910976648.5A CN112665704B (zh) | 2019-10-15 | 2019-10-15 | 一种拆分动设备振动频谱峰频的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910976648.5A CN112665704B (zh) | 2019-10-15 | 2019-10-15 | 一种拆分动设备振动频谱峰频的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112665704A CN112665704A (zh) | 2021-04-16 |
CN112665704B true CN112665704B (zh) | 2023-03-24 |
Family
ID=75399734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910976648.5A Active CN112665704B (zh) | 2019-10-15 | 2019-10-15 | 一种拆分动设备振动频谱峰频的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112665704B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116223909B (zh) * | 2022-11-18 | 2023-12-12 | 南方电网数字电网研究院有限公司 | 叠加信号的重建方法、装置、服务器和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095802A (zh) * | 2009-12-14 | 2011-06-15 | 黑龙江省电力科学研究院 | 一种基于振动声学的支柱绝缘子裂纹的检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101666677B (zh) * | 2009-09-25 | 2011-05-11 | 北京工业大学 | 一种用于提取低速重载设备微弱故障特征信息的方法 |
US8892374B2 (en) * | 2011-07-01 | 2014-11-18 | Intel Corporation | Identifying electrical sources of acoustic noise |
CN103076177A (zh) * | 2013-01-16 | 2013-05-01 | 昆明理工大学 | 一种基于振动检测的滚动轴承故障检测方法 |
CN208458876U (zh) * | 2018-07-18 | 2019-02-01 | 上海数深智能科技有限公司 | 一种便于使用的蓝牙测振仪 |
-
2019
- 2019-10-15 CN CN201910976648.5A patent/CN112665704B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095802A (zh) * | 2009-12-14 | 2011-06-15 | 黑龙江省电力科学研究院 | 一种基于振动声学的支柱绝缘子裂纹的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112665704A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qin et al. | M-band flexible wavelet transform and its application to the fault diagnosis of planetary gear transmission systems | |
Lei et al. | A review on empirical mode decomposition in fault diagnosis of rotating machinery | |
CN102721545B (zh) | 一种基于多特征参量的滚动轴承故障诊断方法 | |
CN108875170B (zh) | 一种基于改进变分模态分解的噪声源识别方法 | |
CN105628381B (zh) | 一种基于改进的局部均值分解的往复压缩机轴承故障诊断方法 | |
CN102243140B (zh) | 一种基于子带信号分析的机械设备状态监测方法 | |
CN108168886B (zh) | 滚动轴承故障特征提取与运行状态监测方法 | |
CN108458871B (zh) | 一种基于改进经验小波变换的齿轮箱故障识别方法 | |
CN109765055B (zh) | 基于ewt、谱有效值和knn的滚动轴承故障检测方法及系统 | |
CN112665704B (zh) | 一种拆分动设备振动频谱峰频的方法 | |
CN107966287B (zh) | 一种自适应机电装备微弱故障特征提取方法 | |
CN116861320A (zh) | 基于短时傅里叶同步压缩变换的转子故障诊断方法 | |
CN114705427A (zh) | 一种强噪声环境下的滚动轴承智能故障诊断方法 | |
CN107941511B (zh) | 一种基于信号时频分解的频率—峭度图的实现方法 | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
CN103674550A (zh) | 一种滚动轴承静电监测信号实时混合去噪方法 | |
Cao et al. | Remaining useful life prediction of wind turbine generator bearing based on EMD with an indicator | |
CN117571316A (zh) | 一种复合故障诊断方法及系统 | |
CN113639985A (zh) | 一种基于优化故障特征频谱的机械故障诊断与状态监测方法 | |
CN112761843A (zh) | 一种共轨喷油器故障诊断方法 | |
Li et al. | Bearing fault detection via wavelet packet transform and rough set theory | |
CN115374605A (zh) | 一种基于svmd和排列熵的水轮发电机组振摆数据消噪方法 | |
CN116524945A (zh) | 一种用于气体泄漏声信号检测的降噪方法 | |
Pramesti et al. | Stator fault identification analysis in induction motor using multinomial logistic regression | |
CN116070099A (zh) | 一种用于轴承故障信号分类处理的时频分析方法及系统 |
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 |