The invention discloses a fault diagnosis method for rotating machinery based on improved synchronous extrusion transform, which includes the following steps: first, filtering and analyzing vibration signals of fault features of rotating machinery, eliminating the influence of strong background noise, and extracting pure vibration signals; second, extracting fault signals by using wavelet analysis method. The optimal frequency range of the obstacle characteristic signal is used to extract the time-frequency ridge feature and the time-frequency component of the vibration signal according to the synchronous extrusion transform method. The vibration signal is reconstructed. The optimal signal component is selected by the spectral peak method, and the fault feature is extracted by Hilbert transform. The present invention is based on the improved synchronous extrusion wavelet transform and can accurately determine the fault characteristic frequency through the optimal frequency center and its range.
【技术实现步骤摘要】
一种基于改进的同步挤压变换的旋转机械故障诊断方法
本专利技术是一种旋转机械故障诊断方法,特别涉及一种基于最优频率范围选择和改进的同步挤压变换方法的旋转机械故障诊断方法。
技术介绍
旋转机械设备的故障诊断过程分为原始振动信号的去噪、振动信号分量的提取和重构、故障特征信息提取三部分。旋转机械零部件的失效往往会产生严重后果。通过对振动信号的分析,能够确定旋转机械的故障状态,但是带有故障的旋转机械在工作过程中的振动信号很容易受工作环境的影响,信号特征不容易提取。为了能够准确捕捉到早期失效信息和失效状态,众多学者已经研究了多种旋转机械故障诊断方法,基于振动信号处理的旋转机械故障特征提取和故障诊断方法已广泛应用于工程实践中。至今,对旋转机械的的故障形式及信号特征已经做了一定的认识。在故障缺陷处的旋转机械振动信号由在一些频率谱上周期性出现的指数延迟的瞬时振荡组成,具有调幅调频特征,通过检测旋转机械故障缺陷处振动信号的特征频率能够确定对应的缺陷区域。因此,旋转机械故障诊断的关键是尽早发现振动信号中的异常,并从强噪声背景中分离出来并确定故障类型和位置。旋转机械有故障时的振动信号极易受到机械设备内部其他零部件和整机振动环境的污染和干扰。旋转零部件早期的故障振动信号比较微弱,不易发现和探测到,更加增加了故障特征提取和诊断的难度。强噪声背景和调制特征影响是旋转机械故障信号特征提取的两个主要障碍。由于故障信号中含有由一定的频率分量组成的简谐序列,在旋转零部件缺陷频率处与共振频率处会出现最高幅值。如何从强噪声背景下提取旋转机械零部件的微弱故障振动信号,就显得至关重要。旋转机械振动信号 ...
【技术保护点】
1.一种基于改进的同步挤压变换的旋转机械故障诊断方法,其特征在于,包括以下步骤:步骤一:采集有故障特征的旋转机械振动信号;步骤二:通过公式
【技术特征摘要】
1.一种基于改进的同步挤压变换的旋转机械故障诊断方法,其特征在于,包括以下步骤:步骤一:采集有故障特征的旋转机械振动信号;步骤二:通过公式计算振动信号的软阈值,并将其作为降噪限值,式中,N为信号长度,σ为信号标准差,C为常数,设计自适应滤波器,利用小波软阈值降噪方法自适应的滤除原始信号中的噪声分量,对原始振动信号进行降噪处理,提取振动信号中的周期性的有效故障信息;步骤三:通过公式计算小波系数阈值γ,式中,Wf表示小波系数,是第nv个小波系数,表示小波系数的中值,与高斯分布的MAD和它的标准差有关,A为乘数因子,N为信号长度,利用小波分解将降噪后的信号分解为若干分量信号fk(t),即IMT1、IMT2、…、IMTn,利用最大能量熵方法计算各分量信号的频率中心φ′k(t),利用误差能量Eresidual最小的方法计算最优频率中心及其宽度,即Eresidual=Etotal-E1-E2-En,其中,Ei=-∑pilog10pi,各分量信号的累积频率范围εk(t)是由它的小波变换系数和频率中心曲线φ′k(t)自适应确定,以适用于fk(t)的小波系数带;步骤四:将累积频率范围引入同步挤压小波变换中,对振动信号重新进行分解获得各本征模式函数并提取脊特征,选择合适的小波基ψ,其傅里叶变换为唯一的峰值为ξP,的支承区间为[ξψ-Δ,ξψ+Δ],ξψ为ψ对应的频率,Δ为步长,Δ>0,信号的瞬时频率和尺度必须满足关系其中,ω(a,t)即为瞬时频率,是尺度a和时间t的函数,Ts是抽样周期,搜索合...
【专利技术属性】
技术研发人员:辛玉,李舜酩,王金瑞,程春,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。