CN116756631A - 一种风机结构模态参数的识别方法及系统 - Google Patents
一种风机结构模态参数的识别方法及系统 Download PDFInfo
- Publication number
- CN116756631A CN116756631A CN202310671178.8A CN202310671178A CN116756631A CN 116756631 A CN116756631 A CN 116756631A CN 202310671178 A CN202310671178 A CN 202310671178A CN 116756631 A CN116756631 A CN 116756631A
- Authority
- CN
- China
- Prior art keywords
- order
- frequency
- mode
- fan structure
- filtering
- 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 59
- 230000004044 response Effects 0.000 claims abstract description 68
- 238000001914 filtration Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 33
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000013016 damping Methods 0.000 claims description 36
- 230000001133 acceleration Effects 0.000 claims description 27
- 230000001052 transient effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 230000005284 excitation Effects 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 36
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005316 response function Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04D—NON-POSITIVE-DISPLACEMENT PUMPS
- F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
- F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- 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
- 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
本申请提出了一种风机结构模态参数的识别方法及系统，该方法包括：获取风机结构的振动信号,并对振动信号进行傅里叶变换，获得风机结构的多阶固有频率的初步估计值；依次对初步估计值进行滤波处理和经验模态分解，获得风机结构的多阶固有模态函数；通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号；对每阶模态的自由振动衰减响应信号进行希尔伯特‑黄变换，并对变换后的信号进行模态分析，获得风机结构各阶模态的多个模态参数。该方法提高了对风机结构模态参数的识别精度。
Description
技术领域
本申请涉风力发电技术领域，尤其涉及一种风机结构模态参数的识别方法及系统。
背景技术
模态是某个结构的固有振动特性，每一个模态均具有特定的多个模态参数，这些模态参数可以由计算或试验分析得到。对于风机结构而言，精确、合理的识别出模态参数，有助于获知风机的运行特性，对于保持风电机组正常、稳定的运行具有重要作用。
相关技术中，在进行结构模态识别时，通常是通过快速傅里叶变换(FFT)的方式来获取结构的模态参数。然而，在实际应用中，由于FFT方法对非线性、非平稳信号的处理能力较差，存在阻尼比等模态参数识别精度不高的问题。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种风机结构模态参数的识别方法，该方法提高了对风机结构模态参数的识别精度，丰富了可处理的信号类型，解决了无法处理非线性、非平稳信号，对某些模态参数识别精度不高的问题。
本申请的第二个目的在于提出一种风机结构模态参数的识别系统；
本申请的第三个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本申请的第一方面在于提出一种风机结构模态参数的识别方法，该方法包括以下步骤：
获取风机结构的振动信号,并对所述振动信号进行傅里叶变换，获得所述风机结构的多阶固有频率的初步估计值；
依次对所述初步估计值进行滤波处理和经验模态分解，获得所述风机结构的多阶固有模态函数；
通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号；
对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换，并对变换后的信号进行模态分析，获得所述风机结构各阶模态的多个模态参数。
可选地，在本申请的一个实施例中，所述多阶固有频率包括所述风机结构的前预设数量阶固有频率，所述依次对所述初步估计值进行滤波处理和经验模态分解，包括：设置第一滤波截止频率和第二滤波截止频率，其中，所述第一滤波截止频率是滤波频率最低阈值，所述第二滤波截止频率是滤波频率最高阈值；由所述第一滤波截止频率和所述第二滤波截止频率构成带通滤波器，将所述前预设数量阶固有频率中的每个固有频率对应的初步估计值分别通过所述带通滤波器，得到预设数量个时间序列信号。
可选地，在本申请的一个实施例中，所述依次对所述初步估计值进行滤波处理和经验模态分解，还包括：分别对每个所述时间序列信号进行经验模态分解，获得所述风机结构的预设数量阶固有模态函数。
可选地，在本申请的一个实施例中，所述变换后的信号，包括：对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换得到的每个所述自由振动衰减响应信号的瞬时特性；所述对变换后的信号进行模态分析，获得所述风机结构各阶模态的多个模态参数，包括：基于模态识别理论对每个所述自由振动衰减响应信号的瞬时特性进行分析，计算出每阶模态的自振频率、振型和阻尼比。
可选地，在本申请的一个实施例中，所述获取风机结构的振动信号，包括：在风机的预设位置处安装加速度传感器；通过所述加速度传感器采集风机结构在环境激励下所述预设位置处的加速度响应信号，将所述加速度响应信号作为所述振动信号。
为达上述目的，本申请的第二方面实施例还提出了一种风机结构模态参数的识别系统，包括以下模块：
获取模块，用于获取风机结构的振动信号,并对所述振动信号进行傅里叶变换，获得所述风机结构的多阶固有频率的初步估计值；
第一处理模块，用于依次对所述初步估计值进行滤波处理和经验模态分解，获得所述风机结构的多阶固有模态函数；
第二处理模块，用于通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号；
识别模块，用于对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换，并对变换后的信号进行模态分析，获得所述风机结构各阶模态的多个模态参数。
可选地，在本申请的一个实施例中，所述多阶固有频率包括所述风机结构的前预设数量阶固有频率，所述第一处理模块，具体用于：设置第一滤波截止频率和第二滤波截止频率，其中，所述第一滤波截止频率是滤波频率最低阈值，所述第二滤波截止频率是滤波频率最高阈值；由所述第一滤波截止频率和所述第二滤波截止频率构成带通滤波器，将所述前预设数量阶固有频率中的每个固有频率对应的初步估计值分别通过所述带通滤波器，得到预设数量个时间序列信号。
可选地，在本申请的一个实施例中，所述第一处理模块，还用于：分别对每个所述时间序列信号进行经验模态分解，获得所述风机结构的预设数量阶固有模态函数。
可选地，在本申请的一个实施例中，所述变换后的信号，包括：对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换得到的每个所述自由振动衰减响应信号的瞬时特性；所述识别模块，具体用于：基于模态识别理论对每个所述自由振动衰减响应信号的瞬时特性进行分析，计算出每阶模态的自振频率、振型和阻尼比。
本申请的实施例提供的技术方案至少带来以下有益效果：本申请在快速傅里叶变换(FFT)的基础上，基于希尔伯特-黄(Hilbert-Huang)变换和随机减量技术(RDT)进行模态参数识别。首先对结构振动信号进行快速傅里叶变换(FFT)处理后，选择合适的滤波截止频率，经过滤波处理和经验模态分解，得到风机结构各阶固有模态函数，然后利用随机减量技术提取各阶模态的自由振动衰减响应，进而由希尔伯特-黄(Hilbert-Huang)变换得到信号的瞬时特性，最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。由此，本申请提高了对非线性、非平稳信号的处理能力，提高了获取的风机结构的自振频率和阻尼比等模态参数的精确度，可适用于对不同的风机结构的多种类型的信号进行处理以识别模态参数，提高了模态参数识别的精确性和适用性。
为了实现上述实施例，本申请第三方面实施例还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中第一方面所述的风机结构模态参数的识别方法。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提出的一种风机结构模态参数的识别方法的流程图；
图2为本申请实施例提出的一种具体的风机结构模态参数的识别方法的流程图；
图3为本申请实施例提出的一种风机结构模态参数的识别系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图详细描述本申请实施例所提出的一种风机结构模态参数的识别方法和系统。
图1为本申请实施例提出的一种风机结构模态参数的识别方法的流程图，如图1所示，该方法包括以下步骤：
步骤S101，获取风机结构的振动信号，并对振动信号进行傅里叶变换，获得风机结构的多阶固有频率的初步估计值。
具体的，由于模态参数用于反映结构的固有振动特性，因此本申请先采集风机结构的振动信号，便于后续对振动信号进行计算分析，以识别出模态参数。在采集振动信号时，可以采集风机中某一位置处的振动信号作为风机结构整体的振动信号，以减少数据计算量。具体实施振动信号采集时，可以通过不同的方式采集该位置处能够反映振动特性的各类型的信号。
作为其中一种可能的实现方式，可以在风机的预设位置处安装加速度传感器；通过加速度传感器采集风机结构在环境激励下预设位置处的加速度响应信号，将加速度响应信号作为振动信号。
在本示例中，在风机预先确定的某一合适位置处安装加速度传感器，该加速度传感器用于采集振动信号，当风机结构处在环境激励下时，由加速度传感器采集到该位置的加速度响应信号x(t)，将x(t)作为振动信号。
作为另一种可能的实现方式，可以直接在风机的预设位置处安装振动传感器，由振动传感器采集风机结构处在环境激励下的振动信号。
进一步的，对采集到的结构振动信号进行快速傅里叶变换(FFT)处理，获得对风机结构的多阶固有频率的初步估计值。
在本申请一个实施例中，通过FFT处理得到的风机结构的固有频率的阶数可以根据模态参数识别精确的需求等因素预先确定，比如，多阶固有频率包括风机结构的前预设数量(n)阶固有频率。即，本步骤通过对x(t)进行快速傅里叶变换，得到风机结构前n阶固有频率(ω1,ω2,…,ωn)的初步估计值。
步骤S102，依次对初步估计值进行滤波处理和经验模态分解，获得风机结构的多阶固有模态函数。
其中，经验模态分解(Empirical Mode Decomposition，简称EMD)是一种自适应信号时频处理方法，该分解方法能够适用于对非线性、非平稳信号的分析处理。
具体的，对上一步骤中分解得到的各个初步估计值，选择合适的滤波截止频率进行滤波处理后，再进行经验模态分解，得到风机结构的各阶固有模态函数，即得到上述n阶固有频率中的每阶对应的固有模态函数。
在本申请一个实施例中，依次对初步估计值进行滤波处理和经验模态分解，包括：设置第一滤波截止频率和第二滤波截止频率，其中，第一滤波截止频率是滤波频率最低阈值，第二滤波截止频率是滤波频率最高阈值。然后，由第一滤波截止频率和第二滤波截止频率构成带通滤波器，将前预设数量阶固有频率中的每个固有频率对应的初步估计值分别通过带通滤波器，得到预设数量个时间序列信号。
具体而言，在本实施例中，选择合理的滤波截止频率ωiL和ωiR，其中，ωiL是第一滤波截止频率，ωiR是第二滤波截止频率。将上一步骤中得到的x(t)对应的固有频率的初步估计值通过由ωiL<ωi<ωiR表示的带通滤波器，从而得到n个时间序列信号，记为xj(t)(j＝1,2,…,n)。其中，ωi表示上述前n阶固有频率中的任意一个。
进一步的，对滤波处理后得到的预设数量个时间序列信号进行经验模态分解。在本申请一个实施中，依次对初步估计值进行滤波处理和经验模态分解，还包括：分别对每个时间序列信号进行经验模态分解，获得风机结构的预设数量阶固有模态函数。
具体而言，在本实施例中，逐一对上述滤波得到的各个时间序列信号xj(t)进行经验模态分解，得到风机结构各阶固有模态函数。比如，对每个时间序列信号通过经验模态分解，得到对应的一个固有模态函数。
需要说明的是，本实施例中进行经验模态分解的具体实现过程，可以参照相关技术中对数据信号进行经验模态分解的过程。比如，确定时间序列信号xj(t)所有的极大值点并用插值函数拟合形成上包络线。并且，确定时间序列信号xj(t)所有的极小值点并将所有的极小值点通过插值函数拟合形成数据的下包络线。再将原始时间序列信号xj(t)减去平均包络，得到一个新的数据序列。再对该新的数据序列进行不断的筛选，得到时间序列信号的本征模函数。各步骤具体实现过程此处不进行赘述。
步骤S103，通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号。
具体的，运用随机减量技术(RDT)处理各阶响应模态(即上一步骤中获得的各阶固有模态函数)，提取出各阶模态的自由振动衰减响应信号Xj(t)，(j＝1,2,…,n)。
其中，随机减量技术基于样本平均的方式，去掉响应中的随机成分，以获得初始激励下的自由响应。在处理过程中假定一个受到平稳随机激励的系统，其响应是由初始条件决定的确定性响应和外荷载激励的随机响应两者的叠加而成。
需要说明的是，本实施例中通过随机减量技术对每阶固有模态函数进行处理的具体实现过程，可以参照相关技术中对数据进行随机减量处理的过程。比如，利用平稳随机振动信号的平均值为零的性质，在一定限制条件下对各阶固有模态函进行取样本和采样。再通过时域平均，将包含有确定性振动信号和随机信号两种成分的实测振动响应信号进行辨别，将确定性信号从随机信号中分离出来，可提取出相当于初始条件下的自由衰减响应信号。同时测得各测点的自由响应，通过多次不同延时采样，构造自由响应采样数据的增广矩阵，根据自由响应的数学模型建立特征方程，求解出特征对后再估计各阶模态。各步骤具体实现过程此处不进行赘述。
步骤S104，对每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换，并对变换后的信号进行模态分析，获得风机结构各阶模态的多个模态参数。
在本申请一个实施例中，对于上一步骤中得到的各阶模态的自由振动衰减响应信号Xj(t)，分别进行希尔伯特-黄(Hilbert-Huang)变换，变换后的信号包括：对每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换得到的每个自由振动衰减响应信号的瞬时特性。进一步的，对变换后的信号进行模态分析，获得风机结构各阶模态的多个模态参数，包括：基于模态识别理论对每个自由振动衰减响应信号的瞬时特性进行分析，计算出每阶模态的多个模态参数，包括：自振频率、振型和阻尼比等参数。
具体而言，在本实施例中，对Xj(t)进行希尔伯特-黄变换，得到信号的瞬时特性(比如，瞬时频率)。再对信号的瞬时特性进行模态分析时，可以结合模态识别的基本理论，计算出风机结构各阶的自振频率、模态振型和模态阻尼比。
在本实施例中，进行希尔伯特-黄(Hilbert-Huang)变换时，是先将风机结构的前n阶固有频率通过经验模态分解后得到前n阶固有模态函数，前n阶固有模态函数是满足一定条件的分量。然后，对每一个固有模态函数(IMF)进行希尔伯特转换(Hilbert Transform)，得到相应的Hilbert谱，即将每个IMF表示在联合的时频域中。最后，汇总前n阶固有模态函数全部的Hilbert谱，以得到原始信号的Hilbert谱。由此，本实施例，通过希尔伯特转换，构造解析信号，并表达在极坐标下，求取每个自由振动衰减响应信号的瞬时频率，可以获得各阶模态的自由振动衰减响应信号Xj(t)的瞬时特性。
由此，本申请通过希尔伯特-黄变换，可用于对风机结构中在不同工况下采集的非线性、非平稳信号进行分析。
进一步的，结合模态识别领域中的基本理论，可以计算出风机结构的各阶模态下模态频率和模态阻尼比等模态参数。
需要说明的是，本实施例中的模态识别的基本理论，可以是相关技术中进行模态分析时的现有理论，比如，模态坐标变换理论、频响函数或脉冲响应函数分析理论和振形动画参数识别等，此处不再赘述。
由此，本申请基于希尔伯特-黄变换和随机减量技术，对变换后得到各阶模态的自由振动衰减响应信号的瞬时特性进行基本的模态识别，即可以识别出高精度的阻尼比等模态参数。
综上所述，本申请实施例的风机结构模态参数的识别方法，在快速傅里叶变换的基础上，基于希尔伯特-黄变换和随机减量技术进行模态参数识别。首先对结构振动信号进行快速傅里叶变换处理后，选择合适的滤波截止频率，经过滤波处理和经验模态分解，得到风机结构各阶固有模态函数，然后利用随机减量技术提取各阶模态的自由振动衰减响应，进而由希尔伯特-黄变换得到信号的瞬时特性，最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。由此，该方法提高了对非线性、非平稳信号的处理能力，提高了获取的风机结构的自振频率和阻尼比等模态参数的精确度，可适用于对不同的风机结构的多种类型的信号进行处理以识别模态参数，提高了模态参数识别的精确性和适用性。
为了更加清楚地说明本申请实施例的风机结构模态参数的识别方法的具体实现流程，下面以在本申请一个实施例中提出的一种具体的模态参数识别方法实施例进行详细说明。图2为本申请实施例提出的一种具体的风机结构模态参数的识别方法的流程图，如图2所示，该实施例的识别方法包括以下步骤：
步骤S201：在风机某一合适位置安装加速度传感器。
具体的，安装的加速度传感器用于采集振动信号。
步骤S202：在风机结构在环境激励下，通过加速度传感器采集该位置的加速度响应信号。
具体的，由加速度传感器可以采集到上述步骤中按照传感器位置的加速度响应信号x(t)
步骤S203：对加速度响应信号进行傅里叶变换，得到风机结构前n阶固有频率的初步估计值。
具体的，对x(t)进行FFT变换，得到风机结构前n阶固有频率(ω1,ω2,…,ωn)的初步估计值。
步骤S204：选择合理的滤波截止频率，对加速度响应信号进行滤波，得到n个时间序列信号。
具体的，选择合理的滤波截止频率，分别为：ωiL和ωiR，使x(t)通过ωiL<ωi<ωiR的带通滤波器，从而得到n个时间序列信号，记为xj(t)(j＝1,2,…,n)。
步骤S205：逐一对各个时间序列信号进行经验模态分解，得到固有模态函数。
具体的，逐一对各个时间序列信号xj(t)进行经验模态分解，得到风机结构各阶固有模态函数。
步骤S206：运用随机减量技术处理各阶响应模态，得到各阶模态的自由振动衰减响应信号。
其中，得到的自由振动衰减响应信号记为Xj(t)。
步骤S207：对自由振动衰减响应信号进行希尔伯特变换，得到信号的瞬时特性，并结合模态识别的基本理论，计算出结构各阶自振频率、振型和阻尼比。
需要说明的是，本实施例中各步骤的具体实现方式可参照上述实施例中的相关描述，此处不再赘述。
为了实现上述实施例，本申请还提出了一种风机结构模态参数的识别系统，图3为本申请实施例提出的一种风机结构模态参数的识别系统的结构示意图，如图3所示，该系统包括获取模块100、第一处理模块200、第二处理模块300和识别模块400。
其中，获取模块100，用于获取风机结构的振动信号,并对振动信号进行傅里叶变换，获得风机结构的多阶固有频率的初步估计值。
第一处理模块200，用于依次对初步估计值进行滤波处理和经验模态分解，获得风机结构的多阶固有模态函数。
第二处理模块300，用于通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号。
识别模块400，用于对每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换，并对变换后的信号进行模态分析，获得风机结构各阶模态的多个模态参数。
可选地，在本申请的一个实施例中，多阶固有频率包括风机结构的前预设数量阶固有频率，第一处理模块200，具体用于：设置第一滤波截止频率和第二滤波截止频率，其中，第一滤波截止频率是滤波频率最低阈值，第二滤波截止频率是滤波频率最高阈值；由第一滤波截止频率和第二滤波截止频率构成带通滤波器，将前预设数量阶固有频率中的每个固有频率对应的初步估计值分别通过带通滤波器，得到预设数量个时间序列信号。
可选地，在本申请的一个实施例中，第一处理模块200还用于：分别对每个时间序列信号进行经验模态分解，获得风机结构的预设数量阶固有模态函数。
可选地，在本申请的一个实施例中，变换后的信号，包括：对每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换得到的每个自由振动衰减响应信号的瞬时特性；识别模块400，具体用于：基于模态识别理论对每个自由振动衰减响应信号的瞬时特性进行分析，计算出每阶模态的自振频率、振型和阻尼比。
可选地，在本申请的一个实施例中，获取模块100，具体用于：在风机的预设位置处安装加速度传感器；通过加速度传感器采集风机结构在环境激励下预设位置处的加速度响应信号，将加速度响应信号作为振动信号。
需要说明的是，前述对风机结构模态参数的识别方法的实施例的解释说明也适用于该实施例的系统，此处不再赘述。
综上所述，本申请实施例的风机结构模态参数的识别系统，在快速傅里叶变换的基础上，基于希尔伯特-黄变换和随机减量技术进行模态参数识别。首先对结构振动信号进行快速傅里叶变换处理后，选择合适的滤波截止频率，经过滤波处理和经验模态分解，得到风机结构各阶固有模态函数，然后利用随机减量技术提取各阶模态的自由振动衰减响应，进而由希尔伯特-黄变换得到信号的瞬时特性，最后结合模态识别的基本理论识别结构的模态频率和模态阻尼比。由此，该系统提高了对非线性、非平稳信号的处理能力，提高了获取的风机结构的自振频率和阻尼比等模态参数的精确度，可适用于对不同的风机结构的多种类型的信号进行处理以识别模态参数，提高了模态参数识别的精确性和适用性。
为了实现上述实施例，本申请还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述实施例中任一所述的风机结构模态参数的识别方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种风机结构模态参数的识别方法，其特征在于，包括以下步骤：
获取风机结构的振动信号,并对所述振动信号进行傅里叶变换，获得所述风机结构的多阶固有频率的初步估计值；
依次对所述初步估计值进行滤波处理和经验模态分解，获得所述风机结构的多阶固有模态函数；
通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号；
对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换，并对变换后的信号进行模态分析，获得所述风机结构各阶模态的多个模态参数。
2.根据权利要求1所述的风机结构模态参数的识别方法，其特征在于，所述多阶固有频率包括所述风机结构的前预设数量阶固有频率，所述依次对所述初步估计值进行滤波处理和经验模态分解，包括：
设置第一滤波截止频率和第二滤波截止频率，其中，所述第一滤波截止频率是滤波频率最低阈值，所述第二滤波截止频率是滤波频率最高阈值；
由所述第一滤波截止频率和所述第二滤波截止频率构成带通滤波器，将所述前预设数量阶固有频率中的每个固有频率对应的初步估计值分别通过所述带通滤波器，得到预设数量个时间序列信号。
3.根据权利要求2所述的风机结构模态参数的识别方法，其特征在于，所述依次对所述初步估计值进行滤波处理和经验模态分解，还包括：
分别对每个所述时间序列信号进行经验模态分解，获得所述风机结构的预设数量阶固有模态函数。
4.根据权利要求1所述的风机结构模态参数的识别方法，其特征在于，所述变换后的信号，包括：对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换得到的每个所述自由振动衰减响应信号的瞬时特性；
所述对变换后的信号进行模态分析，获得所述风机结构各阶模态的多个模态参数，包括：
基于模态识别理论对每个所述自由振动衰减响应信号的瞬时特性进行分析，计算出每阶模态的自振频率、振型和阻尼比。
5.根据权利要求1所述的风机结构模态参数的识别方法，其特征在于，所述获取风机结构的振动信号，包括：
在风机的预设位置处安装加速度传感器；
通过所述加速度传感器采集风机结构在环境激励下所述预设位置处的加速度响应信号，将所述加速度响应信号作为所述振动信号。
6.一种风机结构模态参数的识别系统，其特征在于，包括以下模块：
获取模块，用于获取风机结构的振动信号,并对所述振动信号进行傅里叶变换，获得所述风机结构的多阶固有频率的初步估计值；
第一处理模块，用于依次对所述初步估计值进行滤波处理和经验模态分解，获得所述风机结构的多阶固有模态函数；
第二处理模块，用于通过随机减量技术对每阶固有模态函数进行处理，提取出每阶模态的自由振动衰减响应信号；
识别模块，用于对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换，并对变换后的信号进行模态分析，获得所述风机结构各阶模态的多个模态参数。
7.根据权利要求6所述的风机结构模态参数的识别系统，其特征在于，所述多阶固有频率包括所述风机结构的前预设数量阶固有频率，所述第一处理模块，具体用于：
设置第一滤波截止频率和第二滤波截止频率，其中，所述第一滤波截止频率是滤波频率最低阈值，所述第二滤波截止频率是滤波频率最高阈值；
由所述第一滤波截止频率和所述第二滤波截止频率构成带通滤波器，将所述前预设数量阶固有频率中的每个固有频率对应的初步估计值分别通过所述带通滤波器，得到预设数量个时间序列信号。
8.根据权利要求7所述的风机结构模态参数的识别系统，其特征在于，所述第一处理模块，还用于：
分别对每个所述时间序列信号进行经验模态分解，获得所述风机结构的预设数量阶固有模态函数。
9.根据权利要求6所述的风机结构模态参数的识别系统，其特征在于，所述变换后的信号，包括：对所述每阶模态的自由振动衰减响应信号进行希尔伯特-黄变换得到的每个所述自由振动衰减响应信号的瞬时特性；所述识别模块，具体用于：
基于模态识别理论对每个所述自由振动衰减响应信号的瞬时特性进行分析，计算出每阶模态的自振频率、振型和阻尼比。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的风机结构模态参数的识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310671178.8A CN116756631A (zh) | 2023-06-07 | 2023-06-07 | 一种风机结构模态参数的识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310671178.8A CN116756631A (zh) | 2023-06-07 | 2023-06-07 | 一种风机结构模态参数的识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116756631A true CN116756631A (zh) | 2023-09-15 |
Family
ID=87958215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310671178.8A Pending CN116756631A (zh) | 2023-06-07 | 2023-06-07 | 一种风机结构模态参数的识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116756631A (zh) |
-
2023
- 2023-06-07 CN CN202310671178.8A patent/CN116756631A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101331325B1 (ko) | 전지 셀의 임피던스를 연산하기 위한 디바이스 및 전지 임피던스 측정 시스템 | |
| CN102680860B (zh) | 一种高压电力线路行波测距用故障点自动定位方法 | |
| CN111912521B (zh) | 一种非平稳信号的频率检测方法和存储介质 | |
| CN104136896B (zh) | 用于获取旋转马达的振动信号的系统 | |
| CN109633266B (zh) | 一种频率测量方法、系统、装置及计算机可读存储介质 | |
| CN113361331B (zh) | 基于加窗插值fft的工频干扰消除方法、系统和介质 | |
| CN113008361B (zh) | 一种变电站站界噪声抗环境干扰检测方法及装置 | |
| Manganiello et al. | FPGA implementation of the EIS technique for the on-line diagnosis of fuel-cell systems | |
| CN114977216A (zh) | 振荡信号的参数辨识方法及终端 | |
| CN111523231B (zh) | 一种基于EEMD和Prony方法的次同步振荡分析方法 | |
| CN116706876A (zh) | 一种双高电力系统宽频振荡识别方法、装置及设备 | |
| CN116756631A (zh) | 一种风机结构模态参数的识别方法及系统 | |
| CN112446329A (zh) | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 | |
| CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
| JP5699403B2 (ja) | 不規則なパルス列の信号処理方法および信号処理装置 | |
| CN108008183B (zh) | 一种电量测量方法、系统、设备及计算机存储介质 | |
| CN115031875B (zh) | 基于频谱反馈的振弦传感器自适应扫频激励方法及系统 | |
| CN116432527A (zh) | 一种空化预测方法、装置、存储介质及电子设备 | |
| EP1001352A1 (en) | Data conversion method, data converter, and program storage medium | |
| CN115219787A (zh) | 基于改进矩阵束的电网相量移动测量方法、系统及介质 | |
| CN111075660B (zh) | 一种风电机组的监测变量的频域分析方法、装置及设备 | |
| CN113719465B (zh) | 压缩机性能检测方法、装置、计算机设备及存储介质 | |
| CN110646665A (zh) | 一种多逆变器电网的谐振检测方法、系统、终端及存储介质 | |
| CN114184838A (zh) | 基于sn互卷积窗的电力系统谐波检测方法、系统及介质 | |
| CN111551785A (zh) | 基于无迹卡尔曼滤波的频率与谐波检测方法 |
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 |