CN113109586A - 基于振动信号提取转速信息的方法及系统 - Google Patents

基于振动信号提取转速信息的方法及系统 Download PDF

Info

Publication number
CN113109586A
CN113109586A CN202110318908.7A CN202110318908A CN113109586A CN 113109586 A CN113109586 A CN 113109586A CN 202110318908 A CN202110318908 A CN 202110318908A CN 113109586 A CN113109586 A CN 113109586A
Authority
CN
China
Prior art keywords
index
instantaneous speed
vibration signal
accurate
curve
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
Application number
CN202110318908.7A
Other languages
English (en)
Inventor
彭迪康
郭岩宝
张政
王德国
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110318908.7A priority Critical patent/CN113109586A/zh
Publication of CN113109586A publication Critical patent/CN113109586A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/02—Devices characterised by the use of mechanical means

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开基于振动信号提取转速信息的方法及系统，其中，该方法包括采集振动信号，并基于振动信号获取多条瞬时速度曲线；将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。本发明公开的基于振动信号提取转速信息的系统，采用上述基于振动信号提取转速信息的方法，通过评价反馈机制获取每个时间段中最精确的瞬时速度并将其整合在一起，进而提升瞬时速度曲线的精确度。

Description

基于振动信号提取转速信息的方法及系统
技术领域
本发明涉及转速测量技术领域，尤其涉及基于振动信号提取转速信息的方法及系统。
背景技术
目前，在无转速信息情况下，基于时频分析或相位解调通过振动信号提取瞬时速度的方法有上百种，虽然这些方法在实验室级别都已经与转速传感器测得的实际转速信号进行了对比验证，然而没有一种方法能够在所有的工况下得到最精确的瞬时速度曲线。
此外，基于振动信号的瞬时速度估计，主要应用在没有转速传感器的情况下进行瞬时速度提取与阶次跟踪，以进行后续的信号处理和分析。因此，在实际应用中，于没有速度传感器，无法选择最合适的方法精确提取瞬时速度。此外，由于以风电传动为主的振动信号中包含大量振动成分，关于如何针对具体信号提取合适的振动成分以进行后续瞬时速度提取与阶次跟踪，也没有相关评价机制，导致无法判断那个振动成分对应的瞬时速度最为精确，进而无法在所有的工况下得到最精确的瞬时速度曲线。
发明内容
本发明的目的在于提供基于振动信号提取转速信息的方法及系统，通过评价反馈机制获取每个时间段中最精确的瞬时速度并将其整合在一起，进而提升瞬时速度曲线的精确度。
为了实现上述目的，本发明提供如下技术方案：
一种基于振动信号提取转速信息的方法，包括：
采集振动信号，并基于振动信号获取多条瞬时速度曲线；
将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；
利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。
优选地，基于振动信号采用速度获取方法得到多条瞬时速度曲线，其中，所述速度获取方法包括以下一种或多种：
对振动信号进行时频分析，提取振动信号中的各条脊线，并依据脊线对应的阶次关系获取瞬时速度曲线；
提取振动信号中不同振动成分在不同频段的解析信号曲线，依据所述解析信号曲线获取相位信息曲线并进行微分以获取瞬时速度曲线；
对已获取的瞬时速度曲线，利用Vold-Kalman滤波按照传动关系获得高阶振动成分曲线，基于所述高阶振动成分曲线获取对应的相位信息曲线并进行微分以获取新的瞬时速度曲线。
较佳地，将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，并获取每一段瞬时速度曲线对应的角度域振动信号的方法包括：
利用窗函数将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线；
通过对每一条瞬时速度曲线进行积分获得对应的瞬时相位曲线；
对所述瞬时相位曲线进行阶次跟踪获取每一条瞬时速度曲线对应的角度域振动信号。
较好地，所述精确指标模型设有多个单一指标分析单元及至少一个多指标融合单元，所述单一指标分析单元包括但不限于能量分析单元和阶次分析单元，利用预设的精确指标模型计算每一段角度域振动信号的精确指标的方法包括：
利用能量分析单元对每一段角度域振动信号分别进行能量分析，获取轴相关振动信号的分离指标；
利用阶次分析单元对每一段角度域振动信号分别进行阶次分析，获取轴相关振动信号的位置指标；
利用多指标融合单元基于熵值法获取每一段角度域振动信号的分离指标和位置指标的权重并进行加权平均计算，得到每一段角度域振动信号的精确指标。
具体地，利用能量分析单元对每一段角度域振动信号分别进行能量分析，获取轴相关振动信号的分离指标的方法包括：
从角度域振动信号中分离出轴相关振动信号和残余振动信号；
分别计算轴相关振动信号和残余振动信号对应的能量曲线；
基于所述能量曲线获取轴相关振动信号的分离指标SI，其中，
Figure BDA0002991990380000031
式(1)中，yi是轴相关振动信号对应的能量曲线中第i个信号点对应的幅值，ny是轴相关振动信号对应的能量曲线的信号长度，xi是残余信号曲线对应的能量曲线中第i个信号点对应的幅值，nx是残余信号曲线对应的能量曲线的信号长度。
较佳地，利用阶次分析单元对每一段角度域振动信号分别进行阶次分析，获取轴相关振动信号的位置指标的方法包括：
获取每一段角度域振动信号对应的阶次谱，获取阶次谱中轴相关振动信号的阶次l的实际值ql；
计算轴相关振动信号的位置指标PI，其中，
Figure BDA0002991990380000032
式(2)中，s为所有轴相关振动成分的最高阶次。
进一步地，利用多指标融合单元基于熵值法获取每一段角度域振动信号的分离指标和位置指标的权重并进行加权平均计算，得到每一段角度域振动信号的精确指标的方法包括：
将位置指标PI标记为b1，将分离指标SI分别标记为b2，并以bk作为指标变量，k＝1或2；
分别计算每一段角度域振动信号对应的位置指标PI和分离指标SI的归一化处理结果bkj，其中，
Figure BDA0002991990380000041
式(3)中，j是角度域振动信号的计数变量，m是对应于同一条瞬时速度曲线的角度域振动信号的分段数量，tkj是第j段角度域振动信号对应的SI或PI的值；
分别计算每一段角度域振动信号对应的位置指标PI和分离指标SI的熵值ek，其中，
Figure BDA0002991990380000042
式(4)中，
Figure BDA0002991990380000043
p代表指标类型数量，即p＝2；
分别获取每一段角度域振动信号对应的位置指标PI和分离指标SI的变换系数dk，其中，
dk＝1-ek (5)
计算每一段角度域振动信号对应的位置指标PI和分离指标SI的权重ωk，其中，
Figure BDA0002991990380000044
对每一段角度域振动信号对应的位置指标PI和分离指标SI进行加权平均计算，得到每一段角度域振动信号的精确指标。
优选地，利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线的方法包括：
基于每一段角度域振动信号的精确指标，对应获取时域中每一段瞬时速度曲线的精确指标；
筛选出每一时间段中所述精确指标最大的瞬时速度曲线并标记为最精确的瞬时速度曲线；
将所有的最精确的瞬时速度曲线按照时间顺序整合得到精确瞬时速度曲线。
优选地，基于振动信号提取转速信息的方法还包括：
将所述精确瞬时速度曲线与直接基于振动信号获取的多条瞬时速度曲线分别转换为完整角度域振动信号；
利用精确指标模型中任一单一指标分析单元对每个完整角度域振动信号进行精确度分析，获取每个完整角度域振动信号对应的完整曲线指标；
基于完整曲线指标筛选出最精确的完整角度域振动信号及对应的瞬时速度曲线。
一种基于振动信号提取转速信息的系统，包括采集模块、处理模块和判断模块，其中，
所述采集模块，用于采集振动信号，并基于振动信号获取多条瞬时速度曲线；
所述处理模块，用于将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；
所述判断模块，用于利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。
与现有技术相比，本发明提供的基于振动信号提取转速信息的方法及系统具有以下有益效果：
本发明提供的基于振动信号提取转速信息的方法，首先基于振动信号获取多条瞬时速度曲线，然后将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标，以该精确指标作为反馈信号，筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。避免了利用单一指标对整条瞬时速度曲线的精确度进行排序并选取最精确的瞬时速度曲线时，选择出的瞬时速度曲线在个别时间段内的精确度有可能低于其他瞬时速度曲线精确度的问题，提升了基于振动信号提取转速信息时获取的瞬时速度曲线的精确度。
本发明提供的基于振动信号提取转速信息的系统，采用上述基于振动信号提取转速信息的方法，通过评价反馈机制获取每个时间段中最精确的瞬时速度并将其整合在一起，进而提升瞬时速度曲线的精确度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中基于振动信号提取转速信息的方法流程示意图；
图2为本发明实施例中基于振动信号提取转速信息的方法执行过程示意图；
图3为本发明实施例中振动信号做阶次跟踪前后的对比示意图；
图4为本发明实施例中振动信号做时域同步平均前后的对比示意图；
图5为本发明实施例中SI与不同瞬时速度曲线的精确度相关性示意图；
图6为利用本发明实施例中基于振动信号提取转速信息的方法得到的瞬时速度曲线及其误差对比示意图；
图7为本发明实施例中采用一种方法直接基于振动信号提取的多条瞬时速度曲线与利用本发明实施例中通过多指标融合提取的瞬时速度曲线的误差对比示意图；
图8为本发明实施例中基于振动信号提取转速信息的系统模块结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，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，所描述的实施例仅仅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作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。
实施例一
请参阅图1或图2，本实施例提供一种基于振动信号提取转速信息的方法，包括：
采集振动信号，并基于振动信号获取多条瞬时速度曲线；
将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；
利用精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。
本发明提供的基于振动信号提取转速信息的方法，将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，然后计算每一段瞬时速度曲线对应的精确指标，并以该精确指标形成反馈评价机制，筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。避免了利用单一指标对整条瞬时速度曲线的精确度进行排序并选取最精确的瞬时速度曲线时，选择出的瞬时速度曲线在个别时间段内的精确度有可能低于其他瞬时速度曲线精确度的问题，提升了基于振动信号提取转速信息时获取的瞬时速度曲线在各个时间段内的精确度。
具体实施过程中，由于旋转设备振动信号包括旋转设备轴相关振动成分以及其高阶倍频，因此获得基于振动信号获得多条瞬时速度时可以通过以下速度获取方法中任意一种或多种实现：
(1)对振动信号进行时频分析，提取振动信号中的各条脊线，并依据脊线对应的阶次关系获取瞬时速度曲线；时频分析方法如小波、短时傅里叶变换等方法。
(2)通过以相位解调或Teager-Energy Operator为主的解调方法，提取振动信号中不同振动成分在不同频段的解析信号曲线，依据解析信号曲线获取相位信息曲线并进行微分以获取瞬时速度曲线；
(3)对已利用其他速度获取方法获取的瞬时速度曲线，利用Vold-Kalman滤波按照传动关系获得高阶振动成分曲线，基于高阶振动成分曲线获取对应的相位信息曲线并进行微分以获取新的瞬时速度曲线。
本实施例提供一种基于振动信号提取转速信息的方法中，每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，并获取每一段瞬时速度曲线对应的角度域振动信号的方法包括：
利用窗函数将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线；
通过对每一条瞬时速度曲线进行积分获得对应的瞬时相位曲线；
对瞬时相位曲线进行阶次跟踪获取每一条瞬时速度曲线对应的角度域振动信号。
其中，分段窗函数长度选择以包含至少五个频率最低的周期性信号循环次数为佳。
请参阅图3，阶次跟踪的核心是基于轴的瞬时速度进行重采样，将振动信号从等时间采样转换为等角度采样。阶次跟踪主要分为三个步骤，分别是瞬时速度-时间联系的建立，计算等角度间隔，以及依据等角度间隔将振动信号进行重采样。
基于振动信号提取转速信息时，由于不同振动成分在不同时间(即瞬时速度不同)会在频率响应函数不同的位置，因此会导致不同时间段中各振动成分提取的瞬时速度精确度随之变化。虽然可以用一种或多种指标判断整体瞬时速度精确度，并将该指标作为评价机制的标准形成反馈，提升选取的瞬时速度曲线的精确度，然而这种方式选取的瞬时速度曲线在各个时间段内的精确度有可能低于其他瞬时速度曲线在该时间段内的瞬时速度的精确度。主要原因在于通过振动信号中各振动成分提取的瞬时速度曲线在不同时间段跨越不同的共振带，因此各振动成分在不同时间段增强以降低噪声对瞬时速度估计的影响。同理，通过不同方法提取的瞬时速度在不同时间段结果也不一样。因此，将振动信号以及各条瞬时速度曲线通过窗函数进行分段，获取每个时间段中最精确的瞬时速度并将其整合在一起，进而提升瞬时速度曲线的精确度。
由于分段后每段振动信号时间短，缺少足够的轴相关振动的循环次数，因此无法将轴相关成分有效的从信号中提取出来，用单一指标会对其造成影响，因此，精确指标模型设有多个单一指标分析单元及至少一个多指标融合单元，单一指标分析单元包括但不限于能量分析单元和阶次分析单元，利用预设的精确指标模型计算每一段角度域振动信号的精确指标的方法包括：
利用能量分析单元对每一段角度域振动信号分别进行能量分析，获取轴相关振动信号的分离指标；
利用阶次分析单元对每一段角度域振动信号分别进行阶次分析，获取轴相关振动信号的位置指标；
利用多指标融合单元基于熵值法获取每一段角度域振动信号的分离指标和位置指标的权重并进行加权平均计算，得到每一段角度域振动信号的精确指标。
具体地，利用能量分析单元对每一段角度域振动信号分别进行能量分析，获取轴相关振动信号的分离指标的方法包括：
从角度域振动信号中分离出轴相关振动信号和残余振动信号；
分别计算轴相关振动信号和残余振动信号对应的能量曲线；
基于能量曲线获取轴相关振动信号的分离指标SI(Separation Index)，其中，
Figure BDA0002991990380000091
式(1)中，yi是轴相关振动信号对应的能量曲线中第i个信号点对应的幅值，ny是轴相关振动信号对应的能量曲线的信号长度，xi是残余信号曲线对应的能量曲线中第i个信号点对应的幅值，nx是残余信号曲线对应的能量曲线的信号长度。
一个准确率更高的瞬时速度曲线将会把轴相关振动信号(即齿轮和轴的振动信号)的能量提取出来，从而降低残余振动信号的能量占比。因此本实施例使用两部分信号的能量相除用于判断瞬时速度曲线是否精确，由于信号总能量不变，更准确的瞬时速度将使得分子能量增大且分母能量减小，即一个更加准确的瞬时速度曲线将增大SI指标的数值，这一方式不仅准确率高，而且灵敏度高。
在具体实施中，将角度域振动信号的轴相关振动成分(周期性信号，如轴转动以及齿轮啮合等)和残余振动信号(其余振动成分和噪声)分离，分离方法包括：利用自回归模型(Autoregressive filtering)、时域同步平均(Time synchronous averaging)、无监督噪声去除(Unsupervised noise cancellation)等方法，将轴相关振动成分与残余振动信号分离开并计算两个成分能量。
例如，一个p阶自回归模型可表达为：
yt＝φ1yt-1+φ2yt-2+…+φpyt-p+εt
其中，y是振动信号，εt是残余项，由于轴相关的振动成分如轴的振动和齿轮啮合是一阶循环平稳信号，能够通过之前的振动成分进行预测，因此，yt能够通过之前的振动成分yt-1～yt-p得到，而残余项εt最终得到的是无法预测的非确定性信号(即残余振动信号，包括噪声以及其他振动成分)。各阶φ的参数通过线性预测获得，阶次p的确定通过计算残余振动信号ε，选取ε最大的峭度获得。
再例如，利用时域同步平均方法将轴相关振动成分与残余振动信号分离开并计算两个成分能量时，由于轴相关的振动(如齿轮啮合和轴的振动)是周期性信号，因此将多个周期叠加，最后取平均就能去除噪声和其他非周期性成分对该振动的影响。一个简单的时域同步平均的应用如图4所示。时域同步平均运用在本实施例中要考虑到提取所有轴相关的振动成分，包括各级轴的振动以及各级齿轮啮合的振动，并将其叠加到一起后通过整体信号减去时域同步平均信号得到残余振动信号(即非轴相关振动成分以及噪声)。
本发明提供的基于振动信号提取转速信息的方法中，还利用阶次分析单元对每一段角度域振动信号分别进行阶次分析，获取轴相关振动信号的位置指标，具体方法包括：
获取每一段角度域振动信号对应的阶次谱，获取阶次谱中轴相关振动信号的阶次l的实际值ql，其中，阶次l的获取方式例如按照传动比计算的各级轴、齿轮啮合阶次及其倍频；
计算轴相关振动信号的位置指标PI(Position Index)，其中，
Figure BDA0002991990380000111
式(2)中，s为所有纳入评价考虑范围内的轴相关振动成分的最高阶次。由于每段振动信号中，阶次谱没有完全模糊，因此一个基于更加准确的瞬时速度曲线得到的阶次谱，其轴相关的阶次(如齿轮啮合或轴的倍频)将会更加贴近其理论值，而不准确的瞬时速度曲线得到阶次谱图中，其轴相关成分将背离其理论值。PI取值时采用绝对值，确保实际值在理论值左右不会影响各阶次平均后结果，同时，随着瞬时曲线越精确PI值也随之增大。
得到单一指标之后，虽然也可以对每段瞬时速度曲线的精确度做出初步性判断，但是判断结果所考虑的影响因素可能会不够全面，因此，可以利用多指标融合单元基于熵值法获取每一段角度域振动信号的分离指标和位置指标的权重并进行加权平均计算，得到每一段角度域振动信号的精确指标，获取SI和PI用熵值法所对应的权重并加以结合的具体方法包括：
将位置指标PI标记为b1，将分离指标SI分别标记为b2，并以bk作为指标变量，k＝1或2，具体使用中，将位置指标PI标记为b2，将分离指标SI分别标记为b1也是可以的；
分别计算每一段角度域振动信号对应的位置指标PI和分离指标SI的归一化处理结果bkj，其中，
Figure BDA0002991990380000112
式(3)中，j是角度域振动信号的计数变量，m是对应于同一条瞬时速度曲线的角度域振动信号的分段数量，tkj是第j段角度域振动信号对应的SI或PI的值，本领域技术人员可以理解的是，本步骤所要实现的是对每个瞬时速度曲线分别进行指标的归一化处理，每次计算bkj时所用到的tkj是对应于同一条瞬时速度曲线的角度域振动信号的SI或PI的值；
分别计算每一段角度域振动信号对应的位置指标PI和分离指标SI的熵值ek，其中，
Figure BDA0002991990380000121
式(4)中，
Figure BDA0002991990380000122
p代表指标类型数量，即p＝2；
分别获取每一段角度域振动信号对应的位置指标PI和分离指标SI的变换系数dk，其中，
dk＝1-ek (5)
计算每一段角度域振动信号对应的位置指标PI和分离指标SI的权重ωk，其中，
Figure BDA0002991990380000123
对每一段角度域振动信号对应的位置指标PI和分离指标SI进行加权平均计算，得到每一段角度域振动信号的精确指标。
最后，利用精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线的方法包括：
基于每一段角度域振动信号的精确指标，对应获取时域中每一段瞬时速度曲线的精确指标；
筛选出每一时间段中精确指标最大的瞬时速度曲线并标记为最精确的瞬时速度曲线；
将所有的最精确的瞬时速度曲线按照时间顺序整合得到精确瞬时速度曲线。
以上步骤中，分别针对不同瞬时速度曲线对应的每一段角度域振动信号进行计算，获得各段角度域振动信号的精确指标，然后基于每一段角度域振动信号的精确指标，对应获取时域中每一段瞬时速度曲线在每个时间段的精确指标，并将各时间段中最准确的瞬时速度曲线(对应于最大的精确指标)提取出来，并用汉宁窗将各时间段的瞬时速度整合到一起获得精确瞬时速度曲线。之后，该精确瞬时速度曲线可以通过精确指标模型获得全局瞬时速度曲线的精确度，即完整曲线指标，并加以判断是否在无速度传感器的情况下其精确度是否高于其他利用不同方法直接基于振动成分提取出的瞬时速度曲线的精确度。该判断方法包括：
将精确瞬时速度曲线与直接基于振动信号获取的多条瞬时速度曲线分别转换为完整角度域振动信号；
利用精确指标模型中任一单一指标分析单元对每个完整角度域振动信号进行精确度分析，获取每个完整角度域振动信号对应的完整曲线指标；
基于完整曲线指标筛选出最精确的完整角度域振动信号及对应的瞬时速度曲线。
请参阅图2，在实际使用中，可以先采用对分段的角度域振动信号的处理方式，对每个完整角度域振动信号分别进行单一指标分析后进行多指标融合分析，获取最精确的完整角度域振动信号及对应的瞬时速度曲线，再调用一个单一指标分析单元，例如能量分析单元对每个完整角度域振动信号分别进行能量分析，获取每个完整角度域振动信号的轴相关振动信号的分离指标。也可以采用只调用一个单一指标分析单元，例如能量分析单元对每个完整角度域振动信号分别进行能量分析，获取每个完整角度域振动信号的轴相关振动信号的分离指标，并以此作为整个瞬时速度曲线的精确度判断依据。本实施例提供一种基于振动信号提取转速信息的方法，建立了精确度评价反馈机制，通过评价反馈机制有效提升瞬时速度曲线的精确度。
以将本实施例提供的基于振动信号提取转速信息的方法应用于2MW风电传动系统中为例，利用通过多种不同的速度获取方法直接基于振动信号提取出瞬时速度曲线后，可以调用能量分析单元对每个完整角度域振动信号分别进行能量分析，获取每个完整角度域振动信号的轴相关振动信号的分离指标SI，并以SI作为整个瞬时速度曲线的精确度判断依据。请参阅图5，可以看出，无转速的情况下用SI将各条瞬时速度进行排序的值和各瞬时速度真实精确度的排序是一致的，方法可以用来选取最精确的瞬时速度。
应用于2MW风电传动系统时，还可以采用对分段的角度域振动信号的处理方式，对每个完整角度域振动信号分别进行单一指标分析后进行多指标融合分析，获取最精确的完整角度域振动信号及对应的瞬时速度曲线。图6为利用本发明实施例中基于振动信号提取转速信息的方法，最终通过汉宁窗将所有时间段中最精确的瞬时速度曲线拼接到一起得到的最终的瞬时速度曲线及其误差对比示意图，可见其精确度提升到了平均绝对误差为0.09％和中值绝对误差为0.08％，比对比中最好的MOPA精度提升了30％。图7为本发明实施例中采用一种方法直接基于振动信号提取的多条瞬时速度曲线与利用本发明实施例中通过多指标融合提取的瞬时速度曲线的误差对比示意图，可以看出，由于使用专利中的分段选取最精确的瞬时速度曲线方法并加以整合，最终的瞬时曲线精确度超过了所有参与对比的直接基于振动信号获取的瞬时速度曲线，精确度相较于参考曲线中最精确的瞬时速度曲线MOPA(平均绝对误差和中值绝对误差分别为0.13％和0.10％)相比，提升了接近一倍(平均绝对误差和中值绝对误差分别为0.07％和0.08)。需要说明的是，MOPA和迭代相位解调为主在2MW风机上在2014年和2018年取得了最高的精确度。
目前现有的无速度传感器情况下通过振动成分提取的瞬时速度曲线的方法，无论哪种方法都没有一个实际的评价机制，即无法确定在没有转速信息的情况下用该方法或该振动成分得到的瞬时速度的准确性是不是最高的，甚至于在一些情况下使用的振动成分是否正确也无从得知。在2014年的非稳态状态监测大会(CMMNO2014)中，法国赛峰集团提供了2MW风机在550秒的振动数据和风机传动系统的结构图，要求为通过振动信号提取瞬时速度。比赛获得了来自世界各地科研单位和企业总共8份报告，其中有7份选取了一个错误的非轴相关的振动成分提取了瞬时速度。其原因在于该成分具有最强的能量。可以看出，即使目前有着上百种通过振动信号提取瞬时速度的方法，但是没有一个评价反馈机制的情况下，即使业内专家也会有选取不合适的方法/振动成分导致后续瞬时速度曲线的提取出现问题。然而在没有转速信息的情况下没有一种能够评价通过各方法、振动成分提取的瞬时速度精确度的评价机制。本实施例提供的方法解决了以上提出的问题，提出了一种在无速度传感器情况下评价各瞬时速度精确度的机制，将评价结果作为反馈信号，并在此基础上加以改进使得其适用于相对较短的采集时间内，即，在选取各时间段中最精确的瞬时速度并加以整合之后所得到的瞬时速度的精确度将高于所加以对比的所有瞬时速度曲线。从上面应用实例可以看出，得到的瞬时速度曲线不仅可以通过SI准确的判断各瞬时速度的准确值并进行排序，而且还可以通过将角度域振动信号分段评价并对应提取每段时间内的最准确的瞬时速度曲线并整合，以进一步提升瞬时速度曲线的精确度，这在以往基于振动信号提取瞬时转动速度曲线时是前所未有的。
实施例二
请参阅图8，本实施例提供一种基于振动信号提取转速信息的系统，包括采集模块、处理模块和判断模块。其中，采集模块，用于采集振动信号，并基于振动信号获取多条瞬时速度曲线；处理模块，用于将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；判断模块，用于利用精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。
本发明提供的基于振动信号提取转速信息的系统，采用上述实施例一中的基于振动信号提取转速信息的方法，通过评价反馈机制获取每个时间段中最精确的瞬时速度并将其整合在一起，进而提升瞬时速度曲线的精确度。与现有技术相比，本发明实施例提供的基于振动信号提取转速信息的系统的有益效果与上述实施例一提供的基于振动信号提取转速信息的方法的有益效果相同，且该系统中的其他技术特征与上一实施例方法公开的特征相同，在此不做赘述。
在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于振动信号提取转速信息的方法，其特征在于，包括：
采集振动信号，并基于振动信号获取多条瞬时速度曲线；
将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；
利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。
2.根据权利要求1所述的基于振动信号提取转速信息的方法，其特征在于，基于振动信号采用速度获取方法得到多条瞬时速度曲线，其中，所述速度获取方法包括以下一种或多种：
对振动信号进行时频分析，提取振动信号中的各条脊线，并依据脊线对应的阶次关系获取瞬时速度曲线；
提取振动信号中不同振动成分在不同频段的解析信号曲线，依据所述解析信号曲线获取相位信息曲线并进行微分以获取瞬时速度曲线；
对已获取的瞬时速度曲线，利用Vold-Kalman滤波按照传动关系获得高阶振动成分曲线，基于所述高阶振动成分曲线获取对应的相位信息曲线并进行微分以获取新的瞬时速度曲线。
3.根据权利要求1所述的基于振动信号提取转速信息的方法，其特征在于，将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，并获取每一段瞬时速度曲线对应的角度域振动信号的方法包括：
利用窗函数将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线；
通过对每一条瞬时速度曲线进行积分获得对应的瞬时相位曲线；
对所述瞬时相位曲线进行阶次跟踪获取每一条瞬时速度曲线对应的角度域振动信号。
4.根据权利要求1所述的基于振动信号提取转速信息的方法，其特征在于，所述精确指标模型设有多个单一指标分析单元及至少一个多指标融合单元，所述单一指标分析单元包括但不限于能量分析单元和阶次分析单元，利用预设的精确指标模型计算每一段角度域振动信号的精确指标的方法包括：
利用能量分析单元对每一段角度域振动信号分别进行能量分析，获取轴相关振动信号的分离指标；
利用阶次分析单元对每一段角度域振动信号分别进行阶次分析，获取轴相关振动信号的位置指标；
利用多指标融合单元基于熵值法获取每一段角度域振动信号的分离指标和位置指标的权重并进行加权平均计算，得到每一段角度域振动信号的精确指标。
5.根据权利要求4所述的基于振动信号提取转速信息的方法，其特征在于，利用能量分析单元对每一段角度域振动信号分别进行能量分析，获取轴相关振动信号的分离指标的方法包括：
从角度域振动信号中分离出轴相关振动信号和残余振动信号；
分别计算轴相关振动信号和残余振动信号对应的能量曲线；
基于所述能量曲线获取轴相关振动信号的分离指标SI，其中，
Figure FDA0002991990370000021
式(1)中，yi是轴相关振动信号对应的能量曲线中第i个信号点对应的幅值，ny是轴相关振动信号对应的能量曲线的信号长度，xi是残余信号曲线对应的能量曲线中第i个信号点对应的幅值，nx是残余信号曲线对应的能量曲线的信号长度。
6.根据权利要求4所述的基于振动信号提取转速信息的方法，其特征在于，利用阶次分析单元对每一段角度域振动信号分别进行阶次分析，获取轴相关振动信号的位置指标的方法包括：
获取每一段角度域振动信号对应的阶次谱，获取阶次谱中轴相关振动信号的阶次l的实际值ql；
计算轴相关振动信号的位置指标PI，其中，
Figure FDA0002991990370000031
式(2)中，s为所有轴相关振动成分的最高阶次。
7.根据权利要求4-6中任一项所述的基于振动信号提取转速信息的方法，其特征在于，利用多指标融合单元基于熵值法获取每一段角度域振动信号的分离指标和位置指标的权重并进行加权平均计算，得到每一段角度域振动信号的精确指标的方法包括：
将位置指标PI标记为b1，将分离指标SI分别标记为b2，并以bk作为指标变量，k＝1或2；
分别计算每一段角度域振动信号对应的位置指标PI和分离指标SI的归一化处理结果bkj，其中，
Figure FDA0002991990370000032
式(3)中，j是角度域振动信号的计数变量，m是对应于同一条瞬时速度曲线的角度域振动信号的分段数量，tkj是第j段角度域振动信号对应的SI或PI的值；
分别计算每一段角度域振动信号对应的位置指标PI和分离指标SI的熵值ek，其中，
Figure FDA0002991990370000033
式(4)中，
Figure FDA0002991990370000034
p代表指标类型数量，即p＝2；
分别获取每一段角度域振动信号对应的位置指标PI和分离指标SI的变换系数dk，其中，
dk＝1-ek (5)
计算每一段角度域振动信号对应的位置指标PI和分离指标SI的权重ωk，其中，
Figure FDA0002991990370000035
对每一段角度域振动信号对应的位置指标PI和分离指标SI进行加权平均计算，得到每一段角度域振动信号的精确指标。
8.根据权利要求7所述的基于振动信号提取转速信息的方法，其特征在于，利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线的方法包括：
基于每一段角度域振动信号的精确指标，对应获取时域中每一段瞬时速度曲线的精确指标；
筛选出每一时间段中所述精确指标最大的瞬时速度曲线并标记为最精确的瞬时速度曲线；
将所有的最精确的瞬时速度曲线按照时间顺序整合得到精确瞬时速度曲线。
9.根据权利要求4所述的基于振动信号提取转速信息的方法，其特征在于，还包括：
将所述精确瞬时速度曲线与直接基于振动信号获取的多条瞬时速度曲线分别转换为完整角度域振动信号；
利用精确指标模型中任一单一指标分析单元对每个完整角度域振动信号进行精确度分析，获取每个完整角度域振动信号对应的完整曲线指标；
基于完整曲线指标筛选出最精确的完整角度域振动信号及对应的瞬时速度曲线。
10.一种基于振动信号提取转速信息的系统，其特征在于，包括采集模块、处理模块和判断模块，其中，
所述采集模块，用于采集振动信号，并基于振动信号获取多条瞬时速度曲线；
所述处理模块，用于将每条瞬时速度曲线按照相同的时间节点分别分解为多段瞬时速度曲线，获取每一段瞬时速度曲线对应的角度域振动信号，并利用预设的精确指标模型计算每一段角度域振动信号的精确指标；
所述判断模块，用于利用所述精确指标筛选出每一时间段中最精确的瞬时速度曲线，并整合得到精确瞬时速度曲线。
CN202110318908.7A 2021-03-25 2021-03-25 基于振动信号提取转速信息的方法及系统 Pending CN113109586A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110318908.7A CN113109586A (zh) 2021-03-25 2021-03-25 基于振动信号提取转速信息的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110318908.7A CN113109586A (zh) 2021-03-25 2021-03-25 基于振动信号提取转速信息的方法及系统

Publications (1)

Publication Number Publication Date
CN113109586A true CN113109586A (zh) 2021-07-13

Family

ID=76711025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110318908.7A Pending CN113109586A (zh) 2021-03-25 2021-03-25 基于振动信号提取转速信息的方法及系统

Country Status (1)

Country Link
CN (1) CN113109586A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114295577A (zh) * 2022-01-04 2022-04-08 太赫兹科技应用(广东)有限公司 一种太赫兹检测信号的处理方法、装置、设备和介质
CN116071881A (zh) * 2023-03-24 2023-05-05 光谷技术有限公司 基于地波和视频的多模态入侵探测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114295577A (zh) * 2022-01-04 2022-04-08 太赫兹科技应用(广东)有限公司 一种太赫兹检测信号的处理方法、装置、设备和介质
CN114295577B (zh) * 2022-01-04 2024-04-09 太赫兹科技应用(广东)有限公司 一种太赫兹检测信号的处理方法、装置、设备和介质
CN116071881A (zh) * 2023-03-24 2023-05-05 光谷技术有限公司 基于地波和视频的多模态入侵探测系统

Similar Documents

Publication Publication Date Title
CN109682561B (zh) 一种自动检测高速铁路桥梁自由振动响应以识别模态的方法
Wang et al. Rolling element bearing fault diagnosis via fault characteristic order (FCO) analysis
CN113109586A (zh) 基于振动信号提取转速信息的方法及系统
Wang et al. Traversal index enhanced-gram (TIEgram): A novel optimal demodulation frequency band selection method for rolling bearing fault diagnosis under non-stationary operating conditions
CN106482917B (zh) 一种斜拉桥主梁动态挠度的检测方法
CN109030001B (zh) 一种基于改进hht的滚动轴承故障诊断方法
CN102183366A (zh) 滚动轴承振动测量和故障分析装置及方法
CN105699072B (zh) 一种基于级联经验模态分解齿轮故障诊断方法
CN109668733A (zh) 变分非线性模式分解变转速轴承故障诊断方法
Lin et al. A review and strategy for the diagnosis of speed-varying machinery
CN112364706A (zh) 一种基于类不平衡的小样本轴承故障诊断方法
Wang et al. A two-stage method using spline-kernelled chirplet transform and angle synchronous averaging to detect faults at variable speed
CN115130495A (zh) 一种滚动轴承故障预测方法及系统
CN113642508A (zh) 基于参数自适应vmd与优化svm的轴承故障诊断方法
Ding et al. Multiple instantaneous frequency ridge based integration strategy for bearing fault diagnosis under variable speed operations
Zhao et al. Rolling element bearing instantaneous rotational frequency estimation based on EMD soft-thresholding denoising and instantaneous fault characteristic frequency
CN112177865B (zh) 一种用于解决风机故障检测中标记噪音和标记不足的方法
CN100498229C (zh) 一种惯性器件中周期性误差处理方法
CN114781466B (zh) 基于旋转机械振动信号谐波基频的故障诊断方法及系统
Cui et al. Instantaneous frequency estimation-based order tracking for bearing fault diagnosis under strong noise
CN112232414B (zh) 一种基于x,y双测点频谱数据的三重并发故障分析方法
CN110779723B (zh) 一种基于霍尔信号的变速工况电机轴承精确故障诊断方法
CN110595751B (zh) 基尼指数引导的早期故障特征小波重构方法及其应用
CN112781723A (zh) 一种基于频谱方差的谐波成分检测方法
CN115326396A (zh) 一种轴承故障的诊断方法及装置

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