CN113435281A - 基于改进hht变换的波纹补偿器故障诊断方法 - Google Patents
基于改进hht变换的波纹补偿器故障诊断方法 Download PDFInfo
- Publication number
- CN113435281A CN113435281A CN202110676110.XA CN202110676110A CN113435281A CN 113435281 A CN113435281 A CN 113435281A CN 202110676110 A CN202110676110 A CN 202110676110A CN 113435281 A CN113435281 A CN 113435281A
- Authority
- CN
- China
- Prior art keywords
- signal
- hilbert
- ripple compensator
- spectrum
- original
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 11
- 238000003745 diagnosis Methods 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 84
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000000354 decomposition reaction Methods 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
一种基于改进HHT变换的波纹补偿器故障诊断方法,所述方法首先对波纹补偿器的振动信号进行小波降噪处理;然后利用EMD法将信号分解为N个IMF分量;再对每一个IMF分量进行Hilbert变换,得到其Hilbert谱;之后汇总所有IMF分量的Hilbert谱得到原始信号的Hilbert谱,继而得到其Hilbert边际谱,最后通过对Hilbert边际谱的分析判断波纹补偿器是否存在故障。本发明采用改进HHT变换法获取振动信号的Hilbert边际谱,并以此判断波纹补偿器是否正常,该方法解决了波纹补偿器产生的非线性、非平稳振动信号处理困难的问题,可准确判断波纹补偿器是否存在故障,为管道维护提供可靠信息。
Description
技术领域
本发明涉及一种波纹补偿器故障诊断方法,可准确判断波纹补偿器是否存在故障,属于监测技术领域。
背景技术
波纹补偿器也称膨胀节或者波纹管,其作用是利用波纹管的有效伸缩变形来补偿管道因温度、压力、振动等因素引起的位移。在管道系统中,波纹补偿器受到各种环境因素的影响,难免会出现各种故障,从而影响管道系统的正常运行,因此需要对波纹补偿器进行故障监测。
传统的波纹补偿器故障监测方法是由具有丰富经验的维护人员到现场定期检查,依靠维护人员的经验来判断波纹补偿器是否存在故障。这种监测方法不仅需要投入大量的人力物力,增加故障监测成本,而且监测结果受人为因素影响较大,容易出现误判。此外,维护人员到现场检查还存在着极大的安全隐患。
当波纹补偿器发生故障时,其振动信号的幅值和频率成分都会发生变化。因此,对波纹补偿器工作时的振动信号进行分析就能判断其是否存在故障,常用的振动信号分析方法有时域特征分析法、频域特征分析法和时频特征分析法,但由于波纹补偿器产生的是非线性、非平稳振动信号,传统的分析方法往往无法准确得出正常和故障波纹补偿器振动信号的能量分布及频率、幅值等参数的相互关系,不能准确判断波纹补偿器是否存在故障,因此有必要加以改进。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种基于改进HHT变换的波纹补偿器故障诊断方法,以准确判断波纹补偿器是否存在故障,为管道系统的维护提供可靠的参考信息。
本发明所述问题是以下述技术方案解决的:
一种基于改进HHT变换的波纹补偿器故障诊断方法,所述方法首先对波纹补偿器的振动信号进行小波降噪处理;然后利用EMD(经验模态分析)法将降噪后的信号分解为N个IMF(固有模态函数)分量;再对每一个IMF分量进行Hilbert变换,得到其Hilbert谱;之后汇总所有IMF分量的Hilbert谱得到原始信号的Hilbert谱,继而由原始信号的Hilbert谱得到其Hilbert边际谱,最后通过对Hilbert边际谱的分析判断波纹补偿器是否存在故障。
上述基于改进HHT变换的波纹补偿器故障诊断方法,所述方法包括以下步骤:
a.对波纹补偿器的振动信号进行小波降噪处理,得到降噪信号x(t);
b.对降噪信号x(t)进行EMD分解,具体步骤如下:
①找出降噪信号x(t)中所有的局部极大值点和极小值点;
②对找到的所有局部极大值点,用三次样条插值函数连接成上包络线zmax(t);
③对找到的所有局部极小值点,用三次样条插值函数连接成下包络线zmin(t);
④求出上下包络线平均值,记做m1,由此求得降噪信号x(t)与上下包络线平均值的差值h1;
x(t)-m1=h1
⑤如果h1满足固有模态函数的条件,那么h1就是求得的第一个IMF分量;否则将h1作为原始的降噪信号重复步骤①至步骤④的过程,直到第k次迭代后上下包络线平均值的差值h1,k(t)成为一个IMF分量,第一个IMF分量记为:
c1(t)=h1,k(t)
⑥从原降噪信号x(t)中减去c1(t),得到第一阶剩余信号r1(t):
x(t)-c1(t)=r1(t)
⑦将r1(t)作为原始降噪信号重复步骤④至步骤⑥的过程,在循环N次之后,停止条件是得到的第N阶剩余信号rN(t)为无法满足IMF条件的单调函数:
r1(t)-c2(t)=r2(t)
r2(t)-c3(t)=r3(t)
rN-1(t)-cN(t)=rN(t)
式中ri(t)表示第i阶剩余信号,ci(t)表示第i个IMF分量,i=1,2,…,N;
c.获取原始信号的Hilbert谱:
分别对每个IMF分量进行Hilbert变换,得到其Hilbert谱,具体步骤如下:
对第i个IMF分量ci(t)进行Hilbert变换:
构造解析信号:
则其幅值函数及相位函数分别
在此基础上得到对应的瞬时频率:
结合以上公式可得:
其中:RP为信号的实部;
从而得到原始信号的Hilbert谱H(ω,t):
d.获取原始信号的Hilbert边际谱
对H(ω,t)进行积分,得到原始信号的Hilbert边际谱h(ω):
其中T为信号总采样时间;
e.通过对原始信号的Hilbert边际谱的分析判断波纹补偿器是否存在故障。
上述基于改进HHT变换的波纹补偿器故障诊断方法,通过对原始信号的Hilbert边际谱的分析判断波纹补偿器是否存在故障的具体方法如下:
波纹补偿器振动信号的Hilbert边际谱包括低频部分和高频部分,用F1和F2分别表示正常波纹补偿器振动信号的Hilbert边际谱中低频部分和高频部分的最大峰值所对应的频率,用F1′和F2′分别表示被监测波纹补偿器振动信号的Hilbert边际谱中低频部分和高频部分的最大峰值所对应的频率,设置一个阈值δ,若则判断被监测波纹补偿器存在故障,否则判断被监测波纹补偿器正常。
上述基于改进HHT变换的波纹补偿器故障诊断方法,所述阈值δ的值设置为3。
本发明采用改进HHT变换法获取波纹补偿器振动信号的Hilbert边际谱,并以此判断波纹补偿器是否正常,该方法解决波纹补偿器产生的非线性、非平稳振动信号处理困难的问题,可准确判断波纹补偿器是否存在故障,为管道系统的维护提供可靠的参考信息。
附图说明
下面结合附图对本发明作进一步详述。
图1是小波去噪流程图;
图2是模拟振动信号传统EMD分解结果图;
图3是模拟振动信号改进的EMD分解结果图;
图4是传统EMD分解后的Hilbert谱;
图5是改进EMD分解后的Hilbert谱;
图6是信号x(t)的Hilbert边际谱;
图7是波纹补偿器正常工作信号;
图8是波纹补偿器异常信号;
图9是正常振动信号的EMD分解;
图10是故障振动信号的EMD分解;
图11是正常振动信号的Hilbert谱;
图12是故障振动信号的Hilbert谱;
图13是正常振动信号的Hilbert边际谱;
图14是故障振动信号的Hilbert边际谱。
文中各符号为:x(t)为降噪信号,zmax(t)为降噪信号的上包络线,zmin(t)为降噪信号的下包络线,m1为上下包络线平均值,h1为降噪信号x(t)与上下包络线平均值的差值,h1,k(t)为第k次迭代后上下包络线平均值的差值,ri(t)表示第i阶剩余信号,ci(t)表示第i个IMF分量,i=1,2,…,N,RP为信号的实部,H(ω,t)为原始信号的Hilbert谱,h(ω)为原始信号的Hilbert边际谱,T为信号总采样时间,F1和F2分别表示正常波纹补偿器振动信号的Hilbert边际谱中低频部分和高频部分的最大峰值所对应的频率,F1′和F2′分别表示被监测波纹补偿器振动信号的Hilbert边际谱中低频部分和高频部分的最大峰值所对应的频率,δ为阈值。
具体实施方式
为了解决波纹补偿器产生的非线性、非平稳振动信号处理困难的问题,本发明提供了一种基于改进希尔伯特-黄变换法(Hilbert-Huang Transform,简称HHT)的振动信号分析方法。它利用小波降噪克服传统EMD(经验模态分析)分解的模式混淆问题,然后将复杂的非线性、非平稳振动信号刻画成Hilbert-Huang谱,补偿了传统HHT变换法在波纹补偿器振动信号分析中的不足,能突显出故障信号的局部特征,并具有较好的自适应性及时频聚集能力。
本方法首先对检测到的波纹补偿器振动信号进行小波降噪处理,然后利用EMD法将给定的信号分解为若干固有模态函数,从而得到本征模态函数组;然后对每一个分解后的IMF分量进行Hilbert变换,由Hilbert变换计算出各IMF(固有模态函数)分量的瞬时幅值和瞬时频率,得出原信号完整的时频分布,最后汇总所有IMF(固有模态函数)的Hilbert谱就会得到原始信号的Hilbert谱,再由原始信号的Hilbert谱得到其Hilbert边际谱,从边际谱图中能够准确得出正常和异常振动信号的能量分布,直观地看出频率、幅值等参数的相互关系。该方法包括以下步骤:
1改进HHT变换法
1.1小波降噪的EMD分解
1.1.1小波降噪
对检测到的波纹补偿器振动信号进行小波降噪处理,得到降噪信号x(t)。
小波降噪的基本原理是信号通过小波包分解后,根据噪声信号与正常信号在频带上的小波分解系数强度分布差异的特点,在尽可能保持有用信号的大小不变的前提下,通过选取适当的阈值,保留大于阈值的小波系数,分离小于阈值的噪声小波系数,然后重构处理后的小波系数,从而得到纯净信号。由于在去噪后还能成功保留信号特征,具有低通滤波器的功效,也可以把小波去噪看作是低通滤波和特征提取的结合。小波去噪流程如图1所示。
1.1.2EMD分解
具体分解过程如下:
(1)找出降噪信号x(t)中所有的局部极大值点和极小值点;
(2)对找到的所有局部极大值点,用三次样条插值函数连接成上包络线zmax(t);
(3)同理,求得局部极小值构成的下包络线zmin(t),上、下包络线应包含信号中的所有数据;
(4)求出上下包络线平均值,记做m1,由此求得降噪信号x(t)与上下包络线平均值的差值h1;
x(t)-m1=h1 (1)
(5)如果h1满足IMF(固有模态函数)的条件,那么h1就是求得的第一个IMF分量;否则将h1作为原始的降噪信号重复步骤(1)至步骤(4)的过程,直到第k次迭代后上下包络线平均值的差值h1,k(t)成为一个IMF分量,第一个IMF分量记为:
c1(t)=h1,k(t) (2)
(6)从原降噪信号x(t)中减去c1(t),得到第一阶剩余信号r1(t)。
x(t)-c1(t)=r1(t) (3)
(7)将r1(t)作为原始降噪信号重复步骤(4)至步骤(6)的过程,在循环N次之后,停止条件是得到的第N阶剩余信号rN(t)为无法满足IMF条件的单调函数。
式中ri(t)表示第i阶剩余信号,ci(t)表示第i个IMF分量,i=1,2,…,N;
最终可将x(t)表示为:
通过MATLAB平台编译的算法对一含噪声的模拟振动信号验证改进HHT变换法的有效性,设信号x(t)为:
x(t)=sin(2·π·100·t)+sin(2·π·20·t)+r(t) (6)
其中r(t)为均值为0,方差为1的高斯随机噪声,采用传统EMD分解结果如图2所示,采用小波降噪的改进EMD分解结果如图3所示。
从上述两图中可看出原始信号经过EMD分解后得到了一系列频率从高到低的IMF分量,按时间特征尺度自小到大的顺序由4个IMF分量和1个残余分量r4组成,这些IMF分量的频率和带宽是随信号的变化而变化的。图2中原始信号经EMD分解出的IMF1分量为高频噪声分量,按照未加入噪声的信号频率来看,IMF2分量和IMF3分量应该对应着频率为100Hz和20Hz的正弦信号,但可明显看出IMF2分量和IMF3分量都在0.4s~0.5s和0.8s~0.9s的频率出现了不规律波动现象,这都是EMD分解过程中发生的模式混淆导致的。
图3中IMF2和IMF3分量可以明显看出是对应的100Hz和20Hz的正弦信号,IMF4分量出现的幅值较小的虚假分量是由于端点效应问题所产生的,与图2相比能更加清晰准确地反映频率的变化情况,说明小波降噪的EMD分解方法可以有效去除非平稳白噪声等产生的干扰信息,并有效克服分解过程中产生的模式混淆问题。
1.2获取原始信号的Hilbert谱
使用EMD分解法将信号自适应地分解为多个IMF分量的和之后,分别对每个IMF分量进行Hilbert变换,对各IMF分量的瞬时频率和瞬时幅值处理后可以得到Hilbert谱和Hilbert边际谱。
对式(5)中第i个IMF分量ci(t)进行Hilbert变换,得
则其幅值函数及相位函数:
式(9)和(10)表示出信号的瞬时振幅和瞬时相位,反应了信号的瞬时性,在此基础上可进一步得到对应的瞬时频率为:
结合以上公式可得:
其中:RP为信号的实部。
在(12)式中忽略了残余分量rN,残余分量的能量较大,会对其他有用分量的分析产生影响,并且一般出现在高频部分的信号才有意义。则将这种幅值的时频分布表示称为Hilbert谱,记作H(ω,t),则其展开式为:
图4为对图2进行Hilbert变换的结果,图5为对图3进行Hilbert变换的结果。在图4和图5中,能量越大信号幅值越大,Hilbert谱的谱线越黑,就表示信号的幅值越大。
对比改进前后EMD分解法得到的Hilbert谱图,可以看出图4中存在大量噪声干扰成分,无法看出信号的频率分布情况,而图5表现出了信号x(t)完整的时频分布特性,可以明显发现在100Hz和20Hz附近波动的频率值。
1.3Hilbert边际谱
Hilbert边际谱用来表示一段时间内累积的振幅或能量,描述了信号幅值随频率的变化情况,之后对式(13)积分后得到Hilbert边际谱,记作h(ω),定义为:
其中T为信号总采样时间,对图5处理后的Hilbert边际谱如图6所示。
图6中信号的频率成分和幅值的大小与图5对比可以看出,信号x(t)的Hilbert谱和Hilbert边际谱的幅值和频率基本相对应,所以对于一般信号,Hilbert谱和Hilbert边际谱有相同的分析效果。
1.4通过对原始信号的Hilbert边际谱的分析判断波纹补偿器是否存在故障,具体方法如下:
波纹补偿器振动信号的Hilbert边际谱包括低频部分和高频部分,用F1和F2分别表示正常波纹补偿器振动信号的Hilbert边际谱中低频部分和高频部分的最大峰值所对应的频率,用F1′和F2′分别表示被监测波纹补偿器振动信号的Hilbert边际谱中低频部分和高频部分的最大峰值所对应的频率,设置一个阈值δ,若则判断被监测波纹补偿器存在故障,否则判断被监测波纹补偿器正常。
2.实验结果与分析
为了验证改进HHT变换法在波纹补偿器振动信号分析中的有效性,进行振动信号采集分析实验。所分析的两段原始信号分别是加速度传感器通道位置处采集的波纹补偿器正常工作的振动信号和通过人为破坏试验的破损波纹补偿器的振动信号,两段振动信号的采样频率为1000Hz,采样时间2s,所得采样点数为2000个点。图7和图8是采集的波纹补偿器正常信号与异常信号。
首先对图7、图8两段原始振动信号分别进行经过小波降噪后的EMD分解,得到结果如图9、图10所示。图9为正常振动信号的EMD分解,图10为故障振动信号的EMD分解果。
在进行EMD处理后分别得到7个从高频到低频的模态分量,r6是残余分量不具有物理意义所以忽略不计,剩下的6个分量分别包含了从高到低的不同的频率成分。其中IMF1和IMF2分量主要为分解出的高频噪声,从IMF4到IMF6的波形是由于分解误差导致的,只有在IMF3分量中存在含有信号特征的波形,对比图9和图10中的IMF3分量,可以看出与正常信号下EMD分解结果相比,故障信号中的IMF2和IMF3分量的波动增大且出现明显不规则的波动,这其中就含有波纹补偿器产生故障的特征信息。
对图9、图10所得到的IMF分量进行Hilbert变换,可以得到波纹补偿器正常与故障信号的Hilbert谱,它可以表示出信号能量、时间、频率之间的变化关系,波纹补偿器振动信号的Hilbert谱表现为散点分布形式,如图11和图12所示。
由图11可以看出,波纹补偿器正常工作信号其频率主要集中在0~50Hz和550Hz~600Hz,从谱线的颜色可以看出信号的幅度在1.7左右;由图12的故障信号Hilbert谱中可以看出,波纹补偿器正常信号的频率已被故障所产生的其他频率成分所影响,故障信号的频率分布在0~200Hz和450~500Hz,较正常信号相比分布更为分散且不规律,同时信号产生的幅度更高,这也是由于故障导致的。
为了表示信号幅值随频率的变化情况,对图11和图12所得的各IMF分量进行处理,得到波纹补偿器振动信号的Hilbert边际谱,如图13和图14所示。
从图13中的两个峰值信号可以看出,F1=15.98,F2=585.1,即边际谱中的频率成分集中在16Hz和585Hz左右,同时所对应的信号幅值也在1.7上下,这与正常信号Hilbert谱中所对应的数据基本相同。而在图14故障信号的边际谱中可以明显看出波形较为分散且出现较多感染频率,与正常信号相比频率成分也变为了66Hz和549Hz左右,F1′=66.48,F2′=548.9,同时所对应的信号幅值也增长到2.8上下,这些变化都是由于波纹补偿器故障导致的。
由边际谱进一步得出波纹补偿器正常振动信号能量呈稳定规律分布,集中在低频和高频部分,波形高频部分能量呈周期分布;波纹补偿器故障振动信号能量呈无周期分散规律分布,向中间频率分散出现,且波形高频部分众多,大能量分布随机。
应用改进HHT变换法对波纹补偿器振动信号进行分析,经过研究得出如下结论:
1)本方法应用小波降噪能有效的克服EMD分解中的模式混淆问题,从而提高振动信号分析的准确性;2)应用改进HHT变换法分析振动信号中的无量纲特征参数,能准确的判断出波纹补偿器的损伤程度很好的解决非线性、非平稳信号处理困难的问题;3)通过Hilbert谱图能够准确的得出正常和异常振动信号的能量分布,并且可以直观的看出频率、幅值等参数的相互关系。
综上所述,基于改进HHT变换法的波纹补偿器振动信号分析方法,能够准确的判断出波纹补偿器是否存在故障,为波纹补偿器的故障监测提供了理论依据。
Claims (4)
1.一种基于改进HHT变换的波纹补偿器故障诊断方法,其特征是,所述方法首先对波纹补偿器的振动信号进行小波降噪处理;然后利用EMD法将降噪后的信号分解为N个IMF分量;再对每一个IMF分量进行Hilbert变换,得到其Hilbert谱;之后汇总所有IMF分量的Hilbert谱得到原始信号的Hilbert谱,继而由原始信号的Hilbert谱得到其Hilbert边际谱,最后通过对Hilbert边际谱的分析判断波纹补偿器是否存在故障。
2.根据权利要求1所述的一种基于改进HHT变换的波纹补偿器故障诊断方法,其特征是,所述方法包括以下步骤:
a.对波纹补偿器的振动信号进行小波降噪处理,得到降噪信号x(t);
b.对降噪信号x(t)进行EMD分解,具体步骤如下:
①找出降噪信号x(t)中所有的局部极大值点和极小值点;
②对找到的所有局部极大值点,用三次样条插值函数连接成上包络线zmax(t);
③对找到的所有局部极小值点,用三次样条插值函数连接成下包络线zmin(t);
④求出上下包络线平均值,记做m1,由此求得降噪信号x(t)与上下包络线平均值的差值h1;
x(t)-m1=h1
⑤如果h1满足固有模态函数的条件,那么h1就是求得的第一个IMF分量;否则将h1作为原始的降噪信号重复步骤①至步骤④的过程,直到第k次迭代后上下包络线平均值的差值h1,k(t)成为一个IMF分量,第一个IMF分量记为:
c1(t)=h1,k(t)
⑥从原降噪信号x(t)中减去c1(t),得到第一阶剩余信号r1(t):
x(t)-c1(t)=r1(t)
⑦将r1(t)作为原始降噪信号重复步骤④至步骤⑥的过程,在循环N次之后,停止条件是得到的第N阶剩余信号rN(t)为无法满足IMF条件的单调函数:
r1(t)-c2(t)=r2(t)
r2(t)-c3(t)=r3(t)
rN-1(t)-cN(t)=rN(t)
式中ri(t)表示第i阶剩余信号,ci(t)表示第i个IMF分量,i=1,2,…,N;
c.获取原始信号的Hilbert谱:
分别对每个IMF分量进行Hilbert变换,得到其Hilbert谱,具体步骤如下:
对第i个IMF分量ci(t)进行Hilbert变换:
构造解析信号:
则其幅值函数及相位函数分别
在此基础上得到对应的瞬时频率:
结合以上公式可得:
其中:RP为信号的实部;
从而得到原始信号的lbert谱H(ω,t):
d.获取原始信号的Hilbert边际谱
对H(ω,t)进行积分,得到原始信号的Hilbert边际谱h(ω):
其中T为信号总采样时间;
e.通过对原始信号的Hilbert边际谱的分析判断波纹补偿器是否存在故障。
4.根据权利要求3所述的一种基于改进HHT变换的波纹补偿器故障诊断方法,其特征是,所述阈值δ的值设置为3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110676110.XA CN113435281A (zh) | 2021-06-18 | 2021-06-18 | 基于改进hht变换的波纹补偿器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110676110.XA CN113435281A (zh) | 2021-06-18 | 2021-06-18 | 基于改进hht变换的波纹补偿器故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113435281A true CN113435281A (zh) | 2021-09-24 |
Family
ID=77756405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110676110.XA Pending CN113435281A (zh) | 2021-06-18 | 2021-06-18 | 基于改进hht变换的波纹补偿器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113435281A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109063A (zh) * | 2021-03-17 | 2021-07-13 | 大连科迈尔防腐科技有限公司 | 用于船舶机械结构健康监测数据信号的分离方法及装置 |
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 (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048677A (zh) * | 2014-07-03 | 2014-09-17 | 哈尔滨工业大学 | 基于k-s分布性检验和hht的陀螺仪故障诊断方法 |
CN105258789A (zh) * | 2015-10-28 | 2016-01-20 | 徐州医学院 | 一种振动信号特征频率带的提取方法及装置 |
CN105891707A (zh) * | 2016-05-05 | 2016-08-24 | 河北工业大学 | 一种基于振动信号的万能式断路器分合闸故障诊断方法 |
CN106198013A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于经验模式分解滤波的包络分析方法 |
US20170051725A1 (en) * | 2015-08-21 | 2017-02-23 | National Taiwan University | Method and apparatus for diagnosing blades of wind turbine |
CN107687941A (zh) * | 2017-07-03 | 2018-02-13 | 昆明理工大学 | 一种基于振动信号分析的高压隔膜泵单向阀早期故障诊断方法 |
CN108170981A (zh) * | 2018-01-15 | 2018-06-15 | 河海大学 | 一种诊断双馈异步风力发电机定子匝间短路故障的方法 |
CN108444712A (zh) * | 2018-05-07 | 2018-08-24 | 东南大学 | 基于改进hht和模糊熵的风电传动系统主轴承振动信号分析方法 |
CN109270346A (zh) * | 2018-10-22 | 2019-01-25 | 贵州电网有限责任公司 | 一种opgw雷击处偏振态波形信号处理方法 |
-
2021
- 2021-06-18 CN CN202110676110.XA patent/CN113435281A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048677A (zh) * | 2014-07-03 | 2014-09-17 | 哈尔滨工业大学 | 基于k-s分布性检验和hht的陀螺仪故障诊断方法 |
US20170051725A1 (en) * | 2015-08-21 | 2017-02-23 | National Taiwan University | Method and apparatus for diagnosing blades of wind turbine |
CN105258789A (zh) * | 2015-10-28 | 2016-01-20 | 徐州医学院 | 一种振动信号特征频率带的提取方法及装置 |
CN105891707A (zh) * | 2016-05-05 | 2016-08-24 | 河北工业大学 | 一种基于振动信号的万能式断路器分合闸故障诊断方法 |
CN106198013A (zh) * | 2016-06-29 | 2016-12-07 | 潍坊学院 | 一种基于经验模式分解滤波的包络分析方法 |
CN107687941A (zh) * | 2017-07-03 | 2018-02-13 | 昆明理工大学 | 一种基于振动信号分析的高压隔膜泵单向阀早期故障诊断方法 |
CN108170981A (zh) * | 2018-01-15 | 2018-06-15 | 河海大学 | 一种诊断双馈异步风力发电机定子匝间短路故障的方法 |
CN108444712A (zh) * | 2018-05-07 | 2018-08-24 | 东南大学 | 基于改进hht和模糊熵的风电传动系统主轴承振动信号分析方法 |
CN109270346A (zh) * | 2018-10-22 | 2019-01-25 | 贵州电网有限责任公司 | 一种opgw雷击处偏振态波形信号处理方法 |
Non-Patent Citations (5)
Title |
---|
李哲洙等: "基于HHT的液压管路裂纹故障诊断方法研究", 《计算机工程与应用》, pages 56 - 61 * |
窦远: ""旋转机械故障特征提取技术及其系统研制"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
窦远: ""旋转机械故障特征提取技术及其系统研制"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 07, 15 July 2010 (2010-07-15), pages 62 - 82 * |
范焕羽等: ""基于小波降噪和Hilbert-huang 变换的柴油机瞬时转速分析"", 《内燃机》 * |
范焕羽等: ""基于小波降噪和Hilbert-huang 变换的柴油机瞬时转速分析"", 《内燃机》, no. 6, 31 December 2018 (2018-12-31), pages 38 - 43 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113109063A (zh) * | 2021-03-17 | 2021-07-13 | 大连科迈尔防腐科技有限公司 | 用于船舶机械结构健康监测数据信号的分离方法及装置 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6133112B2 (ja) | 転がり軸受の診断装置および転がり軸受の診断方法 | |
Jafarizadeh et al. | Asynchronous input gear damage diagnosis using time averaging and wavelet filtering | |
Yan et al. | Harmonic wavelet-based data filtering for enhanced machine defect identification | |
CN101259016A (zh) | 实时自动检测癫痫特征波的方法 | |
CN113435281A (zh) | 基于改进hht变换的波纹补偿器故障诊断方法 | |
CN113375939B (zh) | 基于svd和vmd的机械件故障诊断方法 | |
Yang | Interpretation of mechanical signals using an improved Hilbert–Huang transform | |
CN110244202B (zh) | 基于同步压缩小波变换域变压器局部放电去噪方法 | |
Oh | Application of wavelet transform in fatigue history editing | |
CN105258940B (zh) | 机械故障定量提取的标准化多小波与多小波包变换方法 | |
CN102809493A (zh) | 异常音诊断装置 | |
CN112557038A (zh) | 多重降噪处理的轴承早期故障诊断方法 | |
CN110717472B (zh) | 基于改进的小波阈值去噪的故障诊断方法及系统 | |
CN112668518A (zh) | 一种对振动故障信号的vmsst时频分析方法 | |
CN109900447B (zh) | 一种基于谐波信号分解的循环冲击振动检测方法及系统 | |
CN113988125A (zh) | 一种基于改进同步压缩变换的扭振信号瞬时频率提取方法 | |
Wang et al. | Some new signal processing approaches for gear fault diagnosis | |
CN117316172A (zh) | 一种机器人声发射信号的降噪方法及系统 | |
CN111323227A (zh) | 一种航空发动机转子故障特征的提取方法 | |
CN116522074A (zh) | 一种基于自适应窗长时频峰值滤波的滚动轴承信号降噪方法 | |
CN112394402A (zh) | 基于同步挤压小波变换检测微地震信号的方法和系统 | |
CN113916463B (zh) | 一种危化品运输存储罐泄漏检测方法 | |
CN112697472A (zh) | 一种wd多尺度波动分析状态监测方法及装置 | |
CN112697477A (zh) | 一种emd设备故障诊断方法及系统 | |
CN112329626A (zh) | 调制与深度学习融合的设备故障诊断方法、系统及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |