CN205449521U - 基于emd降噪的吸油烟机故障诊断的系统 - Google Patents
基于emd降噪的吸油烟机故障诊断的系统 Download PDFInfo
- Publication number
- CN205449521U CN205449521U CN201520835680.9U CN201520835680U CN205449521U CN 205449521 U CN205449521 U CN 205449521U CN 201520835680 U CN201520835680 U CN 201520835680U CN 205449521 U CN205449521 U CN 205449521U
- Authority
- CN
- China
- Prior art keywords
- range hood
- vibration signal
- fault
- signal
- noise reduction
- 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.)
- Expired - Fee Related
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 60
- 230000009467 reduction Effects 0.000 title claims abstract description 46
- 238000006073 displacement reaction Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000005183 dynamical system Methods 0.000 claims description 46
- 238000011946 reduction process Methods 0.000 claims description 34
- 238000000605 extraction Methods 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 19
- 230000006870 function Effects 0.000 description 16
- 238000001228 spectrum Methods 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 11
- 239000000284 extract Substances 0.000 description 11
- 238000000354 decomposition reaction Methods 0.000 description 8
- 230000001419 dependent effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000002405 diagnostic procedure Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000001788 irregular Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000005119 centrifugation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本实用新型提供一种基于EMD降噪的吸油烟机故障诊断的系统。该系统包括：获取装置，包括位移传感器，安装在吸油烟机正后方，用于获取吸油烟机运行时动力系统的振动信号；处理装置，其与所述位移传感器同步输入连接；诊断装置，其与所述处理装置连接。从而解决对吸油烟机进行运行状态监测中，通过非平稳振动信号的集成EMD方式进行振动信号的降噪分析，更加准确快速的提取故障信号的时频特征等的问题，以确定故障与否或故障位置，节省故障产生部位的查找验证时间，在早期就能够快速诊断吸油烟机中电机转子及风轮等运动部件是否出现了相关的故障问题而不必拆卸整机，省时省力，提升了故障诊断的效率、提高了诊断故障的准确度。
Description
技术领域
本实用新型涉及家用电器维护领域，尤其涉及基于EMD降噪的吸油烟机故障诊断的系统。
背景技术
吸油烟机在稳定运行时所产生的噪声构成比较复杂，而其主要噪声源来自其风机组件(如：电动机转子及风轮等运动部件)。具体地，风机组件(即吸油烟机内部的动力系统或者机电系统)包括：电机(如：电动机转子)，蜗壳，离心风叶等零部件。而其中，噪声的一部分来源即是电动机转子及风轮等运动部件的机械振动噪声，这往往蕴含着潜在的故障征兆信息。具体地，电动机转子及风轮等运动部件所在动力系统，在启动过程，其振动信号含有噪声成分，且随着转速的提高，噪声会越明显，并出现无规律的脉冲干扰，吸油烟机的电动机转子及风轮等运动部件所处整个动力系统发生故障的重要特征就是其(如：该电动机转子及风轮风运动部件所处的整个动力系统)伴有异常的振动和噪声，特别是启停过程(表示吸油烟机启动和停止两个过程)，振动信号非平稳特征突出、频谱结构变化大，蕴含着风机组件等运动部件丰富的动力学特性与故障征兆信息，通常该动力系统(即电动机转子及风轮等运动部件所处的整个动力系统)的故障信息反映在信号的幅值域、频率域和时间域。因而，启动和停止过程中振动信号的分析对于吸油烟机进行运动状态监测和早期故障诊断至关重要。
另外，在故障诊断中，消噪效果往往会直接影响后续的故障分析和诊断，要想准确诊断吸油烟机的故障，需要先消除脉冲干扰波的噪声影响。因此，诊断故障的技术，必须具备能够自适应滤波的特性，而且还应该具有极强的对脉冲干扰的抑制能力。
因而，了解和掌握电机转子及风轮等运动部件在故障状态下的振动特征，对于吸油烟机故障诊断的效率和准确度都具有重要的理论意义和实际工程应用价值。但目前的吸油烟机故障诊断技术，并不能满足掌控吸油烟机的电机转子及风轮等运动部件的运行状态以及准确确定运行出现故障时的状态下的振动特征，通常，要确定究竟是哪一个部件发生了故障，还需要拆卸机子来一一查找，这种方式不仅麻烦，还需要花费大量时间验证，影响诊断和维护效率，即故障诊断效率低、准确度低。
实用新型内容
本实用新型的主要目的在于提供一种基于EMD降噪的吸油烟机故障诊断的系统，以解决对吸油烟机进行运行状态监测中，通过非平稳振动信号的集成EMD(经验模式分解)方式进行振动信号的降噪分析，更加准确快速的提取故障信号的时频特征等的问题，以确定故障与否或故障位置，节省故障产生部位的查找验证时间，在早期就能够快速诊断吸油烟机中电机转子及风轮等运动部件(即主要是吸油烟机的动力系统)是否出现了相关的故障问题而不必拆卸整机，省时省力，提升了故障诊断的效率、提高了诊断故障的准确度。
本实用新型一方面提供一种基于EMD降噪的吸油烟机故障诊断的系统，包括：所述吸油烟机，包括：能够产生振动噪声的动力系统；所述基于EMD降噪的吸油烟机故障诊断的系统，包括：获取装置，其用于对吸油烟机的动力系统的运行状态进行监测，获取吸油烟机运行时动力系统的振动信号；所述获取装置包括位移传感器，所述位移传感器安装在吸油烟机正后方，所述位移传感器检测到该振动信号并采集该振动信号；处理装置，其与所述获取装置连接，并与所述位移传感器同步输入连接，用于对采集到的吸油烟机运行时的振动信号通过一个自适应高通滤波器，得到降噪后的振动信号；诊断装置，其与所述处理装置连接，用于根据所述降噪处理获得的降噪后的振动信号以及提取的信号的特征，进行故障诊断。
优选地，所述振动信号为吸油烟机运行时的径向振动信号；所述位移传感器进行采集的振动信号，是沿径向振动的；所述位移传感器采集动力系统的径向振动信号。
优选地，所述位移传感器的端部具有磁铁头，所述位移传感器通过所述磁铁头的磁铁吸力安装在吸油烟机后盖方向。
优选地，所述位移传感器，安装在吸油烟机后盖方向，即动力系统所在位置。
优选地，所述动力系统包括电机和风轮部件。
优选地，所述电机包括转子，所述径向振动信号来自于所述转子。
优选地，所述处理装置，包括计算机系统，所述计算机系统与所述位移传感器连接；通过采集而获得的吸油烟机的该振动信号，能够同步输入到与位移传感器连接的计算机系统中进行处理。
本实用新型的方案，针对现有技术的缺陷，为了更准确快速地提取故障信号的调幅调频振动特征，提高故障诊断的准确性，节省故障诊断的查找时间，在对吸油烟机进行运行状态监测中，基于非平稳振动信号的集成EMD降噪，实现对运行中的吸油烟机完成故障诊断。其可以在吸油烟机运行的过程中，利用位移传感器采集吸油烟机(主要是动力系统)的径向振动信号，在吸油烟机启动过程中的振动信号含有噪声信号，而随着转速的升高，噪声越明显，且出现无规律的脉冲干扰，利用EMD降噪处理对该径向振动信号进行降噪分析，这样，在吸油烟机运行的同时，既具有良好的降噪能力，又具有对信号非平稳特征的良好适应性和完全的数据自身驱动性等优点，能够在很大程度上抑制异常事件模式和信号振动固有模式的混叠，以及信号缓变段的时频谱发散现象，与未加噪信号的时频谱保持一致，更好地凸显真实信号特征，从而能在对吸油烟机进行运行状态的监测中，更加准确快速的提取到故障信号的时频特征，节省故障产生部位的查找验证时间，在早期就能够快速诊断动力系统是否出现了相关故障问题，而不必拆卸整机，省时省力。
由此，在吸油烟机运行的同时，经过EMD降噪处理后，滤去了脉冲干扰下的振动信号波，消除了高频噪声分量和低频残余项，获得了吸油烟机(主要是其动力系统)的振动信号真实的时频谱特征，反映了吸油烟机(主要是其动力系统)在启动和停止过程中，振动信号的幅值和频率调制物理特征(如：振动信号的幅值和频率掺杂了别的信号变大或变小的特征，通过解调才能恢复信号本来的特征)，通过消除启动和停止过程中的干扰噪声而快速准确提取出故障信号的时频特征，诊断出是否存在故障，从而节省了吸油烟机故障产生部位的查找验证时间，为后续做出相关诊断决策提供了必要的技术支持，从而提高诊断、维护、决策等的效率。
附图说明
此处所说明的附图用来提供对本实用新型的进一步理解，构成本实用新型的一部分，本实用新型的示意性实施例及其说明用于解释本实用新型，并不构成对本实用新型的不当限定。在附图中：
图1是本实用新型的技术方案的一实施例的原理图；
图2是本实用新型的基于EMD降噪的吸油烟机故障诊断过程的一实施例的示意图；
图3是本实用新型的技术方案中使用的位移传感器的一实施例的结构示意图；
图4是本实用新型的位移传感器的整机安装的一实施例的结构示意图；
图5是本实用新型的技术方案中预处理并进行EMD降噪处理的故障诊断的一实施例的原理图；
图6是本实用新型的方案中EMD降噪处理的一应用实例的示意图；
图7是本实用新型的基于EMD降噪的吸油烟机故障诊断的系统的一实施例的结构示意图。
具体实施方式
为使本实用新型的目的、技术方案和优点更加清楚，下面将结合本实用新型具体实施例及相应的附图对本实用新型技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。
在说明本实用新型的方案之前，参见图1所示本实用新型的方案所依据的故障诊断的一实施例的原理图，说明对于吸油烟机运行状态监测过程中，进行故障诊断的主要思想。
其中，可以对吸油烟机的动力系统(包括电机及风轮等)的工作状态或工作模式等进行识别和分类，判断其为正常或异常，并区分各种不同的异常状态。
如图1所示，进行故障诊断前的准备工作，异常状态文档建立过程100：
首先，可以进行故障模拟，将典型故障110对应的振动信号输出，检测到该振动信号120，即故障信号130。
接着，可以对该故障信号进行特征提取140，建立故障档案库150。如数据库中每个典型故障对应着提取的其自身会产生的故障信号的特征进行存储。
然后，对模拟的典型故障所在工作状态或工作模式进行识别和分类，确定该典型故障所对应的状态模式160。进而，可以建立相应的异常状态文档，描述某状态模式下的某典型故障的故障情况170。
由此，可以利用故障档案库、异常状态文档，等等，进行异常或正常的辨别、能够进行属于哪种异常状态等的区分，等等。
也就是说，可以根据该故障档案库或者说异常状态文档，通过相应的故障信号的特征，识别对应的典型故障，并将该故障划分到相应的工作状态或工作模式下(例：识别出是在“加速”工作状态或工作模式下、并且判断为异常，属于相应“加速”状态模式下的典型故障A；识别出在“电源打开”工作状态或工作模式下、判断为异常，属于在“电源打开”状态模式下的典型故障B，等等)，即一个或多个不同的典型故障可以分配对应到不同的工作状态或工作模式的类别下；在对应的工作状态或工作模式类别下，相应的有属于该状态模式的一个或多个典型故障。
如图1所示，故障诊断实施过程200(主要包括：故障信号的获取、提取故障特征、最后模式识别和故障诊断等)：
首先，从产生振动噪声的吸油烟机的动力系统210中进行信号检测220，即检测其振动信号。
例如：由于在吸油烟机运转时，噪声源产生的噪声大部分不稳定，为了更准确的提取电机以及风轮等部件在启动和停止过程中振动信号的调幅调频特性，快速进行故障诊断，可以采用图3所示的位移传感器3000采集吸油烟机的振动信号(尤其是包含噪声的振动信号)。具体如图4所示，将该位移传感器3000安装在吸油烟机正后方，具体地，其靠位移传感器3000的端部的磁铁头3100的磁铁吸力，将位移传感器3000安装在吸油烟机后盖方向，即动力系统(电机和风轮等)所在位置，便于准确采集到该处的振动信号。
接着，根据对吸油烟机的监测获得的状态信号230，确定其工作状态或工作模式，并基于该状态下检测到的所述振动信号，进行特征提取240，获得故障特征信息250。
然后，将故障特征信息250与故障档案库150中的故障所对应的特征进行比较260，确定是否出现故障。
例如：基于与该故障档案库150的特征比较，可以确定采集到的振动信号包含的故障特征信息是否为某个典型故障中的特征，即确定是否为某个典型的故障；若是某个典型故障，则可以判断其为异常，对应异常状态文档确定其属于哪类异常状态270，结合异常状态文档中的故障情况170分析该状态趋势280，等等；若不是则判断为正常。
由此，可以根据故障情况170、状态趋势280等，形成决策形式290，给出故障诊断决策300，以干预310该吸油烟机的动力系统。
根据本实用新型的实施例，提供了一种基于EMD降噪的吸油烟机故障诊断的方法及系统。其依据图1所示的故障诊断的原理，在对吸油烟机进行运行状态监测的同时，预处理采集的振动信号并降噪处理，例如：EMD降噪处理分析，然后再进行特征提取和比较判断，得出更准确的诊断结果，作出更合理的故障干预决策。
如图5所示，本实用新型的技术方案中，预处理并进行EMD降噪处理的故障诊断的一实施例的原理图。
对电机及风轮等所在的动力系统，进行故障模拟即做故障诊断的准备建立文档的过程100(如图1所示)：建立物理模型(模拟、典型故障)、形成数学模型、完成振动特性分析、得到振动模式函数(包括被分析信号的分量，例：振动信号分量)。进而可以确定对应的故障(即故障诊断)。
而在对电机及风轮等所在的动力系统，进行故障诊断实施200时(如图1所示)：检测并采集到振动信号(振动信号测试)，预处理该振动信号，EMD降噪处理，从而得到固有模式函数IMFs，与之前振动模式函数进行验证。具体如：去除最后一个IMF或几个IMF后组合其余IMF获得集成平均对应的IMF分量，这样，相当于原信号即振动信号通过了一个自适应高通滤波器，根据该IMF分量和被分析信号(如：振动信号)计算互信息关系，完成特征提取，比如，提取出振动信号(如：振动信号的幅值和频率掺杂了别的信号变大或变小的特征，通过解调才能恢复信号本来的特征)各个IMF的时频特征、然后根据实际需要对各个IMF进行后续处理分析和特征提取(如：瞬时频率、瞬时幅值、或时频谱等特征)，重构得到降噪后的信号。基于此信号及其特征，确定故障，从而完成故障诊断。
下面，为更清楚的说明本实用新型的实现方式，结合图2所示本实用新型的诊断思路的例子进行说明。
在步骤S210，基于对吸油烟机的运行状态的监测，获取吸油烟机运行时的振动信号。
在一个实施方式中，对吸油烟机进行运行状态监测，检测并采集吸油烟机运行时的振动信号。
其中，振动信号中包含有噪声信号，例如：启动阶段，随着转速的升高，噪声越明显，且出现无规律的脉冲干扰，因而，在吸油烟机运行时，噪声源(动力系统)产生的噪声大部分是不稳定的，即该振动信号是非平稳振动信号。
其中，可以通过图3所示位移传感器3000检测到该振动信号并采集该振动信号。通过位移传感器3000端部的磁铁头3100的磁铁吸力，将位移传感器3000安装在吸油烟机后盖方向(如图4所示)，即动力系统(电机及风轮等运动部件)所在位置，便于准确采集到这些主要的非平稳振动信号来源(即包括噪声来源)的部分的振动信号。由此，能够更准确地提取动力系统(如电机及风轮部件等)在启动和停止过程中振动信号的调幅调频特性，从而加快故障诊断速度。
进一步，位移传感器3000可以采集动力系统(如电动机转子)径向振动信号。其中，采用的位移传感器进行采集振动信号，是沿径向振动的，因此只能测得径向振动信号，而轴向振动信号采集不到。
进一步，通过采集而获得的吸油烟机的该振动信号，可以同步输入到与位移传感器3000连接的计算机系统中进行处理。
在步骤S220，根据获取的吸油烟机运行时的振动信号，采用EMD进行降噪处理。
在一个实施方式中，在对来自位移传感器3000采集到的振动信号进行分析处理之前(如：降噪处理)：可以提取和消除趋势误差，避免由于该趋势误差的存在而使得低频谱出现较大的畸变、甚至完全失真；并且，还可以提高该振动信号的信噪比。
进一步，还可以在提取和消除了趋势误差、和/或提高了信噪比之后，接着对该振动信号进行预处理，例如：删除由于突发的传感器异常、干扰等原因在采集的振动信号中所产生的突变点，等等。这样，可以尽可能的排除一些明显的信号干扰因素，有利于降噪处理的效果。
在一个实施方式中，可以在预处理了该获取的吸油烟机运行时的振动信号之后，进行降噪处理，例如：经验模式分解EMD降噪处理。
其中，EMD降噪，是将多分量信号分解为有限个单分量信号的组合，基于信号的局部极值点信息逐级筛分，并根据芳柯西收敛准则确定的停止准则从高至低获取各阶固有模式函数IMF，以保证IMF在幅值和频率上都具有完整的物理意义，对有限个IMF分量和残余项求和，将固有模式函数组IMFs去除最后一个或几个IMF，把其余IMF组合起来，集成平均对应的IMF分量，相当于原信号通过了一个自适应高通滤波器，根据IMF分量和被分析信号(例：吸油烟机运行过程中被采集到的振动信号或已经预处理过的该振动信号等)的互信息关系计算，提取出振动系统(如：振动系统就是吸油烟机运行过程中电动机转子及风轮等运动部件所处整个动力系统)各个IMF的时频谱特征，然后根据实际需要，对各个IMF进行后续的处理分析和特征提取，比如瞬时频率、瞬时幅值或时频谱等特征，重构得到降噪后的信号(例：降噪后的振动信号)。
下面结合图6所示的对非平稳信号的集成EMD降噪处理的例子，来说明对获取的振动信号和/或预处理后该获取的振动信号进行的降噪原理。
在一个实施方式中，对预处理后的振动信号开始EMD降噪处理运算。
第一步，进行初始化：C＝x(t)；初始化参数设置，σ＝0.2，m＝500，Ij＝0，j＝1，I＝0.1，
其中，C-IMF；x(t)-被分析振动信|号；分量的个数；
Ij-互信息值；I-预先设定的阈值。初始化的过程是：
1.向被分析振动信号中加入等长度的正态分布白噪声，并对加入白噪声后信号进行归一化处理；2.应用EMD对加入白噪声后的信号进行分解，得到各IMF分量；3.重复上述步骤n次，要求每次加入新的随机正态分布白噪声序列；4.将每次分解得到的IMFs对应集成平均，当n足够大时，一方面添加白噪声的对应IMFs的和将趋于0，另一方面有效振动模式分量中混入的白噪声成分也将相互抵消，进而得到被分析振动信号的固有模式函数组合；5.设计滤波器，利用各IMF分量和被分析振动信号的互信息关系计算式，并对互信息值归一化处理，若互信息值小于预先设定的阈值I，则认为各IMF分量为干扰噪声成分并予以去除，对互信息值大于给定阈值I的IMF分量进行重构，得到反映系统振动特性的相应信号估计。
这样集成EMD降噪方法采用添加白噪声的思路，既保持了EMD自适应滤波的特性，而且克服了EMD分解方法对脉冲干扰抑制能力的不足，滤波器设计简便，不需要复杂的先验知识和参数选择，具有一定的先进性。
第二步，进行归一化处理：S＝C+w(i)；
第三步，对S进行EMD分解：得到一组IMF[j,i]，并保存该当前IMF组；
第四步，重复前三步的步骤：i＝i+1，判断i是否大于m(阈值)即若转到第五步，得到m组IMF[j,i]；
第五步，集成平均对应的IMF分量：
第六步，根据IMF分量和被分析信号x(t)的互信息关系计算，包括：
(a)计算变量C的信息熵H(C)；
(b)计算各IMFj的信息熵Hj(IMFj)；
(c)计算各IMFj与C的联合信息熵Hj(IMFj，C)；
(d)计算各IMFj与C的互信息Ij＝Hj(IMFj)+H(C)-Hj(IMHj，C))；
第七步，判断是否Ij＞I，j＝j+1；I是预先设定的阈值。
第八步，若Ij＞I，则重构信号即为降噪结果，程序结束；否则去除
其中，x(t)和w(i)为输入信号，在本实用新型中，x(t)可以代表待分析处理的振动信号，C和S为中间变量，均为一维向量。
其中，x(t)是被分析振动信号，而w(i)是向被分析振动信号中加入的等长度的正态分布白噪声，并对加入白噪声后的信号进行归一化处理，接着通过EMD对加入白噪声后的信号进行分解，从而得到各IMF分量。
经过EMD降噪处理后(参见图5、6所示)，滤去了脉冲干扰下的振动信号波，消除了高频噪声分量和低频残余项，获得了吸油烟机运行时其振动信号真实的时频谱特征，反映了吸油烟机启动和停止过程中，振动信号的幅值和频率调制物理特征，通过消除运行过程中产生的振动信号的干扰噪声而提取出故障信号的时频特征，进而，可以诊断电机、风轮等所在动力系统是否存在故障，例如：与典型故障的故障特征库中的特征进行对比等(参见下述步骤S230)。因而，启动过程中，振动信号的处理分析对于吸油烟机内部动力系统(如：电机、风轮等选装机械)的状态监测和早期故障诊断至关重要。由此，通过EMD处理后，可以有效节省吸油烟机故障产生部位的查找验证时间，提高诊断、监测的效率。
在步骤S230，基于EMD进行降噪处理所提取的振动信号的特征，作为故障特征信息，进行故障诊断。
在一个实施方式中，完成了EMD降噪处理分析得到降噪后的振动信号，例如：对各个IMF进行后续的处理分析和特征提取，比如瞬时频率、瞬时幅值或时频谱等特征，重构得到降噪后的信号。将其提取出的振动信号的各个特征作为故障特征信息，与诸如故障档案库中的典型故障的特征进行比较，并且，识别其所处状态模式、确定其为哪种故障即做故障诊断(如图1所示)，也就是可以最终识别和确认是否存在故障以及属于相应状态模式下的何种故障，并作出故障干预决策，调整吸油烟机的动力系统等的运行。
进行故障诊断过程中，利用EMD降噪后的振动信号，能更好地凸显真实信号特征，从而能在对吸油烟机进行运行状态的监测中，更加准确快速的提取到实际的故障信号(如前述重构得到降噪后的信号)的时频特征，完成特征对比、识别对应状态模式并确认对应的故障，从而节省故障产生部位的查找验证时间，在早期就能够快速诊断动力系统是否出现了相关故障问题，而不必拆卸整机。
下面结合图7所示本实用新型的基于EMD降噪的吸油烟机故障诊断的系统的一实施例的结构示意图。描述本发明的系统。该系统可以包括：
获取装置710，用于基于对吸油烟机的运行状态的监测，获取吸油烟机运行时的振动信号。该装置的具体功能及处理可以对应步骤S210。
在一个实施方式中，对吸油烟机进行运行状态监测，检测并采集吸油烟机运行时的振动信号。
其中，振动信号中包含有噪声信号，例如：启动阶段，随着转速的升高，噪声越明显，且出现无规律的脉冲干扰，因而，在吸油烟机运行时，噪声源(动力系统)产生的噪声大部分是不稳定的，即该振动信号是非平稳振动信号。
其中，获取装置710包括采集装置711，采集装置711包括如：位移传感器3000这类感受振动并形成数据信号的传感器设备，其中，该位移传感器3000端部可以具有磁铁头3100。具体地，获取装置710，可以通过图3所示位移传感器3000检测到该振动信号并采集该振动信号，先通过位移传感器3000端部的磁铁头3100的磁铁吸力，将位移传感器3000安装在吸油烟机后盖方向(如图4所示)，即动力系统(电机及风轮等运动部件)所在位置，然后，利用该传感器3000获取此处的振动信号，这样，便于准确采集到这些主要的非平稳振动信号来源(即包括噪声来源)的部分的振动信号。由此，通过密切接触的传感器设备，能够更准确地提取动力系统(如电机及风轮部件等)在启动和停止过程中振动信号的调幅调频特性，从而加快故障诊断速度。
进一步，位移传感器3000可以采集动力系统(如电动机转子)径向振动信号。其中，采用的位移传感器进行采集振动信号，是沿径向振动的，因此只能测得径向振动信号，而轴向振动信号采集不到。
进一步，通过采集而获得的吸油烟机的该振动信号，可以同步输入到与位移传感器3000连接的处理装置720(例：计算机/电脑等)中进行处理。
处理装置720，用于根据获取的吸油烟机运行时的振动信号，采用EMD进行降噪处理。该装置的具体功能及处理可以对应步骤S220。
在一个实施方式中，处理装置720可以包括预处理装置721，用于进行采集到的振动信号的初步处理和预处理。
其中，预处理装置721，用于在对来自位移传感器3000采集到的振动信号进行分析处理之前(如：降噪处理)，先进行初步处理：可以提取和消除趋势误差，避免由于该趋势误差的存在而使得低频谱出现较大的畸变、甚至完全失真；并且，还可以提高该振动信号的信噪比。进一步，还可以在提取和消除了趋势误差、和/或提高了信噪比之后，接着对该振动信号进行进一步的预处理，例如：删除由于突发的传感器异常、干扰等原因在采集的振动信号中所产生的突变点，等等。这样，可以尽可能的排出一些明显的信号干扰因素，有利于降噪处理的效果。
在一个实施方式中，处理装置720可以包括EMD降噪处理装置722，用于可以在预处理了该获取的吸油烟机运行时的振动信号之后，进行降噪处理，例如：经验模式分解EMD降噪处理。
其中，EMD降噪，是将多分量信号分解为有限个单分量信号的组合，基于信号的局部极值点信息逐级筛分，并根据芳柯西收敛准则确定的停止准则从高至低获取各阶固有模式函数IMF，以保证IMF在幅值和频率上都具有完整的物理意义，对有限个IMF分量和残余项求和，将固有模式函数组IMFs去除最后一个或几个IMF，把其余IMF组合起来，集成平均对应的IMF分量，相当于原信号通过了一个自适应高通滤波器，根据IMF分量和被分析信号(例：吸油烟机运行过程中被采集到的振动信号或已经预处理过的该振动信号等)的互信息关系计算，提取出振动系统(如：该振动系统系可以是电动机转子及风轮等运动部件所在动力系统)各个IMF的时频谱特征，然后根据实际需要，对各个IMF进行后续的处理分析和特征提取，比如瞬时频率、瞬时幅值和/或时频谱等特征，重构得到降噪后的信号(例：降噪后的振动信号)。
进一步，EMD降噪处理装置722包括：
分解单元7221，采用EMD进行降噪处理，将多分量的采集到的该振动信号分解为有限个单分量信号的组合，基于信号的局部极值点信息逐级筛分；
获取单元7222，根据芳柯西收敛准则确定的停止准则从高级至低级获取各阶固有模式函数IMF，以保证IMF在幅值和频率上都具有完整的物理意义；
集成单元7223，对有限个IMF分量和残余项求和，将固有模式函数组IMFs去除最后一个或几个IMF，把其余IMF组合起来，集成平均对应的IMF分量；
互信息计算单元7224，根据IMF分量和被分析的采集到的该振动信号的互信息关系计算，提取出各个IMF的时频谱特征；
重构单元7225，对各个IMF进行后续的处理分析和特征提取，比如瞬时频率、瞬时幅值和/或时频谱等特征，重构得到降噪后的信号作为降噪后的振动信号。
下面结合图6所示的本实用新型的的对非平稳信号的集成EMD降噪处理的例子，来说明对获取的振动信号和/或预处理后该获取的振动信号进行的降噪原理
在一个实施方式中，对预处理后的振动信号开始EMD降噪处理运算。
第一步，进行初始化：C＝x(t)；初始化参数设置，σ＝0.2，m＝500，Ij＝0，j＝1，I＝0.1，
其中，C-IMF；x(t)-被分析振动信|号；分量的个数；
Ij-互信息值；I-预先设定的阈值。初始化的过程是：
1.向被分析振动信号中加入等长度的正态分布白噪声，并对加入白噪声后信号进行归一化处理；2.应用EMD对加入白噪声后的信号进行分解，得到各IMF分量；3.重复上述步骤n次，要求每次加入新的随机正态分布白噪声序列；4.将每次分解得到的IMFs对应集成平均，当n足够大时，一方面添加白噪声的对应IMFs的和将趋于0，另一方面有效振动模式分量中混入的白噪声成分也将相互抵消，进而得到被分析振动信号的固有模式函数组合；5.设计滤波器，利用各IMF分量和被分析振动信号的互信息关系计算式，并对互信息值归一化处理，若互信息值小于预先设定的阈值I，则认为各IMF分量为干扰噪声成分并予以去除，对互信息值大于给定阈值I的IMF分量进行重构，得到反映系统振动特性的相应信号估计。
这样集成EMD降噪方法采用添加白噪声的思路，既保持了EMD自适应滤波的特性，而且克服了EMD分解方法对脉冲干扰抑制能力的不足，滤波器设计简便，不需要复杂的先验知识和参数选择，具有一定的先进性。
第二步，进行归一化处理：S＝C+w(i)；
第三步，对S进行EMD分解：得到一组IMF[j，i]，并保存该当前IMF组；
第四步，重复前三步的步骤：i＝i+1，判断i是否大于m(阈值)即若转到第五步，得到m组IMF[j，i]；
第五步，集成平均对应的IMF分量：
第六步，根据IMF分量和被分析信号x(t)的互信息关系计算，包括：
(a)计算变量C的信息熵H(C)；
(b)计算各IMFj的信息熵Hj(IMFj)；
(c)计算各IMFj与C的联合信息熵Hj(IMFj，C)；
(d)计算各IMFj与C的互信息Ij＝Hj(IMFj)+H(C)-Hj(IMHj，C))；
第七步，判断是否Ij＞I，j＝j+1；I是预先设定的阈值。
第八步，若Ij＞I，则重构信号即为降噪结果，程序结束；否则去除
其中，x(t)和w(i)为输入信号，在本实用新型中，x(t)可以代表待分析处理的振动信号，C和S为中间变量，均为一维向量。
其中，x(t)是被分析振动信号，而w(i)是向被分析振动信号中加入的等长度的正态分布白噪声，并对加入白噪声后的信号进行归一化处理，接着通过EMD对加入白噪声后的信号进行分解，从而得到各IMF分量。
经过EMD降噪处理后(参见图5、6所示)，滤去了脉冲干扰下的振动信号波，消除了高频噪声分量和低频残余项，获得了吸油烟机运行时其振动信号真实的时频谱特征，反映了吸油烟机启动和停止过程中，振动信号的幅值和频率调制物理特征，通过消除运行过程中产生的振动信号的干扰噪声而提取出故障信号的时频特征，进而，可以诊断电机、风轮等所在动力系统是否存在故障，例如：与典型故障的故障特征库中的特征进行对比等(参见下述步骤S230)。因而，启动过程中，振动信号的处理分析对于吸油烟机内部动力系统(如：电机、风轮等选装机械)的状态监测和早期故障诊断至关重要。由此，通过EMD处理后，可以有效节省吸油烟机故障产生部位的查找验证时间，提高诊断、监测的效率。
诊断装置730，用于基于EMD进行降噪处理所提取的振动信号的特征，作为故障特征信息，进行故障诊断。该装置的具体功能及处理参见步骤S230。
在一个实施方式中，完成了EMD降噪处理分析得到降噪后的振动信号，例如：对各个IMF进行后续的处理分析和特征提取，比如瞬时频率、瞬时幅值或时频谱等特征，重构得到降噪后的信号。将其提取出的振动信号的各个特征作为故障特征信息，与诸如故障档案库中的典型故障的特征进行比较，并且，识别其所处状态模式、确定其为哪种故障即做故障诊断(如图1所示)，也就是可以最终识别和确认是否存在故障以及属于相应状态模式下的何种故障，并作出故障干预决策，调整吸油烟机的动力系统等的运行。
进行故障诊断过程中，利用EMD降噪后的振动信号，能更好地凸显真实信号特征，从而能在对吸油烟机进行运行状态的监测中，更加准确快速的提取到实际的故障信号(如前述重构得到降噪后的信号)的时频特征，完成特征对比、识别对应状态模式并确认对应的故障，从而节省故障产生部位的查找验证时间，在早期就能够快速诊断动力系统是否出现了相关故障问题，而不必拆卸整机。
进一步，该系统在具体实现原理(组成、设计工作原理等)的例子，包括如图1至6所示的描述的具体内容，也是在该系统的各装置配合下完成的处理和功能。
由于本实施例的系统所实现的处理及功能基本相应于前述图1至图6所示的方法的实施例及应用场景的原理实例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此不做赘述。
本实用新型的方案，将基于非平稳振动信号的集成经验模式分解EMD的降噪算法应用到吸油烟机运行时的监测尤其是其故障诊断过程的信号处理分析上，滤去了脉冲干扰下的振动信号波，消除了高频噪声分量和低频残余项，获得了系统振动信号真实的时频谱特征，反映了吸油烟机启动和停止过程振动信号的幅值和频率调制物理特征。进一步，其应用在故障诊断过程中的主要特点包括：
第一，基于此算法，在吸油烟机运行同时，保证了良好的降噪能力，能够在很大程度上抑制异常事件模式和信号振动固有模式的混叠，更好地凸显真实信号特征。
第二，EMD降噪具有对信号非平稳特征的良好适应性和完全的数据自身驱动性等优点，能够抑制信号缓变段的时频谱发散现象，与未加噪信号的时频谱保持一致。
第三，通过EMD降噪处理，消除振动信号中的干扰噪声，能够更加准确快速的提取故障信号的时频特征，节省故障产生部位的查找验证时间，在早期就能够快速诊断电机风轮系统是否出现了相关故障问题，而不必拆卸整机，省时省力。
这样，在吸油烟机运行的同时，既具有良好的降噪能力，又具有对信号非平稳特征的良好适应性和完全的数据自身驱动性等优点，能够在很大程度上抑制异常事件模式和信号振动固有模式的混叠，以及信号缓变段的时频谱发散现象，与未加噪信号的时频谱保持一致，更好地凸显真实信号特征，从而能在对吸油烟机进行运行状态的监测中，更加准确快速的提取到故障信号的时频特征，节省故障产生部位的查找验证时间，在早期就能够快速诊断动力系统是否出现了相关故障问题，而不必拆卸整机，省时省力，为吸油烟机的使用保驾护航。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本实用新型的实施例而已，并不用于限制本实用新型，对于本领域的技术人员来说，本实用新型可以有各种更改和变化。凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的权利要求范围之内。
Claims (7)
1.一种基于EMD降噪的吸油烟机故障诊断的系统，其特征在于，所述吸油烟机，包括：能够产生振动噪声的动力系统；
所述基于EMD降噪的吸油烟机故障诊断的系统，包括：
获取装置，其用于对吸油烟机的动力系统的运行状态进行监测，获取吸油烟机运行时动力系统的振动信号；所述获取装置包括位移传感器，所述位移传感器安装在吸油烟机正后方，所述位移传感器检测到该振动信号并采集该振动信号；
处理装置，其与所述获取装置连接，并与所述位移传感器同步输入连接，用于对采集到的吸油烟机运行时的振动信号通过一个自适应高通滤波器，得到降噪后的振动信号；
诊断装置，其与所述处理装置连接，用于根据所述降噪处理获得的降噪后的振动信号以及提取的信号的特征，进行故障诊断。
2.如权利要求1所述的系统，其特征在于，所述振动信号为吸油烟机运行时的径向振动信号；
所述位移传感器进行采集的振动信号，是沿径向振动的；所述位移传感器采集动力系统的径向振动信号。
3.如权利要求2所述的系统，其特征在于，所述位移传感器的端部具有磁铁头，所述位移传感器通过所述磁铁头的磁铁吸力安装在吸油烟机后盖方向。
4.如权利要求2所述的系统，其特征在于，所述位移传感器，安装在吸油烟机后盖方向，即动力系统所在位置。
5.如权利要求2-4之一所述的系统，其特征在于，所述动力系统包括电机和风轮部件。
6.如权利要求5所述的系统，其特征在于，所述电机包括转子，所述径向振动信号来自于所述转子。
7.如权利要求1-4之一所述的系统，其特征在于，所述处理装置，包括计算机系统，所述计算机系统与所述位移传感器连接；通过采集而获得的吸油烟机的该振动信号，能够同步输入到与位移传感器连接的计算机系统中进行处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201520835680.9U CN205449521U (zh) | 2015-10-23 | 2015-10-23 | 基于emd降噪的吸油烟机故障诊断的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201520835680.9U CN205449521U (zh) | 2015-10-23 | 2015-10-23 | 基于emd降噪的吸油烟机故障诊断的系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN205449521U true CN205449521U (zh) | 2016-08-10 |
Family
ID=57179662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201520835680.9U Expired - Fee Related CN205449521U (zh) | 2015-10-23 | 2015-10-23 | 基于emd降噪的吸油烟机故障诊断的系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN205449521U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287921A (zh) * | 2019-06-28 | 2019-09-27 | 潍柴动力股份有限公司 | 一种发动机特征参数的降噪方法及降噪系统 |
-
2015
- 2015-10-23 CN CN201520835680.9U patent/CN205449521U/zh not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110287921A (zh) * | 2019-06-28 | 2019-09-27 | 潍柴动力股份有限公司 | 一种发动机特征参数的降噪方法及降噪系统 |
| CN110287921B (zh) * | 2019-06-28 | 2022-04-05 | 潍柴动力股份有限公司 | 一种发动机特征参数的降噪方法及降噪系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105203346A (zh) | 基于emd降噪的吸油烟机故障诊断的方法及系统 | |
| Assaad et al. | Vibration based condition monitoring of a multistage epicyclic gearbox in lifting cranes | |
| Borghesani et al. | The relationship between kurtosis-and envelope-based indexes for the diagnostic of rolling element bearings | |
| Jaramillo et al. | Condition monitoring of distributed systems using two-stage Bayesian inference data fusion | |
| CN108760327B (zh) | 一种航空发动机转子故障的诊断方法 | |
| EP3788328B1 (en) | System and process for pattern matching bearing vibration diagnostics | |
| Boudiaf et al. | A summary of vibration analysis techniques for fault detection and diagnosis in bearing | |
| CN105021276A (zh) | 电器故障诊断方法和装置及电器 | |
| Wang et al. | Weak fault detection for wind turbine bearing based on ACYCBD and IESB | |
| CN110530507A (zh) | 用于旋转设备监测的边缘计算方法、介质及系统 | |
| Sun et al. | A novel rolling bearing vibration impulsive signals detection approach based on dictionary learning | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| Cao et al. | Remaining useful life prediction of wind turbine generator bearing based on EMD with an indicator | |
| CN205449521U (zh) | 基于emd降噪的吸油烟机故障诊断的系统 | |
| CN105987809A (zh) | 基于随机共振的离心式压缩机半开式叶轮裂纹检测方法 | |
| CN111400959A (zh) | 风力发电机组的叶片故障诊断方法及装置 | |
| CN105203318A (zh) | 一种吸油烟机运行状态实时监测的方法及装置 | |
| Del Rosso et al. | Mechanical fault detection for induction motors based on vibration analysis: a case study | |
| Koukoura et al. | Wind turbine gearbox vibration signal signature and fault development through time | |
| KR101752298B1 (ko) | 회전익 진동 기반 건전성 감시 장치 및 이를 이용하는 감시 방법 | |
| Amar et al. | Unitary anomaly detection for ubiquitous safety in machine health monitoring | |
| Ninoslav et al. | Vibration feature extraction methods for gear faults diagnosis-a review | |
| Koukoura et al. | Wind turbine gearbox planet bearing failure prediction using vibration data | |
| Hazan et al. | Trajectory clustering for vibration detection in aircraft engines | |
| CN104819145B (zh) | 一种基于声发射信号的消防水泵的故障诊断方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 Termination date: 20211023 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |