一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法技术

一种基于振动信号相干倒谱分析的风机类旋转机械设备的轴承健康监测及故障诊断方法，包括如下步骤：步骤一：在风机等类型旋转机械设备的轴承座上安装至少两个振动传感器，测量采集轴承座不同部位的结构振动信号，将信号转换成数字信号，并进行预处理；步骤二：将每个传感器测量获得的振动信号分为N个采样点，N为自然数，计算获得各个部位振动监测信号的自功率谱和两两之间的互功率谱；步骤三：选取两个传感器的振动信号x(n)和y(n)，运用步骤二，对该两个传感器的振动信号进行相干分析，获得相干函数；步骤四：对步骤三中的两个振动信号的相干函数进行傅立叶逆变换，获得一个倒频域的新函数，称为相干倒谱Hxy(n)；步骤五：从相干倒谱Hxy(n)中提取若干特征值Fi，获得不同监测时刻的特征值Fi(t)做出趋势图；步骤六：根据特征值变化趋势，诊断、预测轴承故障状态。本发明专利技术可以获取较为精确的轴承健康状况。

【技术实现步骤摘要】
一种基于振动信号相干倒谱分析的风机轴承健康监测诊断方法
本专利技术属于基于振动监测分析的机械设备健康监测诊断
，具体来讲，是一种基于振动信号相干倒谱分析提取风机轴承故障特征，早期识别轴承健康状态劣化的方法。
技术介绍
滚动轴承是风机等旋转机械设备的主要部件之一，其健康状态对于整个设备的安全可靠运行非常重要，所以滚动轴承健康状态监测与故障预测一直受到高度关注。旋转机械设备中的滚动轴承长期受到交变载荷作用，因此故障率较高。对于支撑结构复杂、运行工况和环境条件影响较大的旋转机械设备，监测的振动信号中往往包含突出的噪声成分，当滚动轴承开始发生故障时，由于故障部位较小，引起的结构振动响应变化较弱，因此采用常规的振动信号分析方法往往难以揭示故障信息，影响了对于轴承早期健康劣化状态的判断识别。因此需要有效抑制噪声干扰，突出显示信号中的故障信息，提高轴承健康劣化状态监测预测的及时性和准确性，以满足风机健康状态监测的实际应用需求。当风机等类型的旋转机械设备中的轴承部件发生故障时，轴承故障部位在经过承载区时将产生冲击激励，产生调制振动，表现在振动信号频谱中的特征是在一些高频共振频率附近出现边带成分。通过提取识别这些边带成分，可以判断滚动轴承的健康状态。常用的振动监测分析方法，例如倒频谱分析、包络分析等均是基于这一原理，但是这些方法都有一定的局限性。设备上不同部位的结构振动响应存在很大差别，不同测量部位的振动信号中的故障调制特征可能差别很大，有些部位的故障振动调制信号可能很弱，再加上强噪声干扰、变工况条件的影响，很难识别微弱故障信息。本专利技术通过至少两个测点信号的相干函数进行倒频域，可以减小测点部位的影响，达到增强故障信息的目的。
技术实现思路
针对复杂旋转机械设备中轴承部件健康监测中，由于振动监测信号频率成分杂乱、噪声干扰严重、受测点部位影响大，因而难以识别微弱故障特征的问题，本专利技术提出一种轴承零件故障特征提取的振动信号相干倒谱分析。通过监测设备在不同部位的振动信号，首先对监测信号进行两两之间的相干分析，降低测点部位的影响，抑制测量信号中的干扰噪声，突出信号的故障引起的边带信息；再将相干函数变换到倒频域，得到相干倒谱函数，将故障边带信息的能量在倒频域进行集中，从而可以更加清楚地提取故障边带特征。本专利技术可以通过以下技术方案来实现：一种基于振动信号相干倒谱分析的风机类旋转机械设备的轴承健康监测及故障诊断方法，包括下列步骤：步骤一：在风机等类型旋转机械设备的轴承座上安装至少两个振动传感器，测量采集轴承座不同部位的结构振动信号，将信号转换成数字信号，并进行预处理；步骤二：将每个传感器测量获得的振动信号分为N个采样点，N为自然数，计算获得各个部位振动监测信号的自功率谱和两两之间的互功率谱；步骤三：选取两个传感器的振动信号x(n)和y(n)，对该两个传感器的振动信号进行x(n)和y(n)进行相干分析，获得相干函数；步骤四：对第三步中的两个振动信号的相干函数进行傅立叶逆变换，获得一个倒频域的新函数，称为相干倒谱Hxy(n)；步骤五：从相干倒谱Hxy(n)中提取若干特征值Fi，获得不同监测时刻的特征值Fi(t)并做出趋势图；步骤六：根据特征值变化趋势，诊断、预测轴承故障状态。其中特征值Fi为与故障特征频率对应的相干倒谱值。其中步骤二的自功率谱和互功率谱采用如下计算方式：设振动信号为有限长数字信号x(i)，采样点数为N，其自功率谱估计计算公式为：两个采样点数为N的有限长振动信号x(n)和y(n)的互功率谱估计计算公式为：上两式中，X(k)和Y(k)为信号x(n)的N点离散频谱；离散频谱的计算公式为：将采样点数为N的离散信号分成L段，考虑重叠的情况下，设每段数据长度为M，用公式(2)计算得到每一段信号xi(n)和yi(n)的频谱(i＝1,...,L)；然后将各段频谱求平均，得到自功率谱估计和互功率谱估计；公式表示为：其中步骤三的相干函数采用如下计算方式：对两个振动信号x(n)和y(n)的相干分析，计算相干函数：其中步骤四的相干倒谱采用如下计算方式：对两个信号的相干函数进行傅立叶逆变换，得到倒频域的新函数，称为相干倒谱：式中，γxy(k)为两个振动信号x(n)和y(n)的相干函数。本专利技术的有益效果在于：1)具有复杂结构的旋转机械设备，其结构固有动态特性也非常复杂，导致其结构不同部位的振动响应特性存在很大差别，同一故障在不同部位激起的振动信号能量不同，有些部位对故障激励不敏感，导致监测信号中的故障信息很弱，甚至可能根本就不包含故障信息。利用单一测点信号分析就可能发生故障漏检的情况，影响对轴承微弱故障的诊断识别，从而进一步影响对健康劣化趋势的及时准确分析和预测。而采用多测点相干分析可以增强信号中的同源成分，抑制非同源干扰噪声，降低测点部位对分析结果的影响。2)复杂旋转机械设备的结构振动是由许多激励源共同作用的结果，振动加速度信号中包含复杂的频率成分。当设备中轴承的健康状态开始劣化时，轴承内部出现的局部故障可能很小，故障产生的谐波成分和边带成分的能量变化很弱，在信号频谱中分布在较宽频率范围，因此通过频谱分析有时难以识别和判断故障。倒频域分析将频域分析转换成倒频域分析，将分布在较宽频率范围的故障信息进行了能量集中平均处理，起到故障信息增强作用，可以有效提取信号中的微弱故障信息。3)对于变工况运行的旋转机械设备，运行工况变化往往导致结构激励载荷的变化，从而使结构振动响应发生变化。旋转机械设备载荷的变化主要影响结构振动响应的强弱，对于振动频谱的构成特征影响较小。相干倒谱分析将频谱中故障产生的周期性成分(谐波、边带等)进行能量综合平均处理，进而可以抑制载荷波动对故障分析识别结果的影响。附图说明图1基于相干倒谱分析的风机设备轴承健康监测诊断方法的流程；图2风机轴承振动分析示例：正常和故障状态的信号波形对比；图3风机轴承振动分析示例：正常和故障状态的相干函数对比；图4风机轴承振动分析示例：正常和故障状态的相干倒谱对比。本专利技术的实施例本专利技术为国家重点研发计划课题(2017YFC0805905)资助项目。本专利技术提供了一种基于振动信号相干倒谱分析进行旋转机械轴承健康劣化状态监测及微弱故障特征提取的技术方案，下面结合附图和具体实施方式对本专利技术做进一步说明：图1为基于相干倒谱分析的旋转机械轴承健康劣化状态监测及微弱故障特征提取的技术方案流程，图1中附图标记1为电机，附图标记2为振动传感器，附图标记3为轴承，附图标记4为风机。图1上半部分为结构示意图；从振动传感器2获取的信号由图1下半部分的处理流程框图进行处理。本专利技术技术方案分成五个步骤，该五个步骤中涉及到的计算公式参见
技术实现思路
部分：(1)通过安装在风机等类型旋转机械设备的轴承座上不同部位的振动传感器(至少两个传感器测点)，监测设备不同部位的结构振动信号。监测信号经多通道数据采集器转换成数字信号，并进行预处理。图2示出了处于正常状态和故障状态下振动传感器检测波形图，其中图2上方为正常状态下的信号波形图，图2下方为故障状态下的信号波形图，图2中的波形图为水平测点的波形图。(2)计算设备各个部位振动监测信号的自功率谱估计和两两信号之间的互功率谱估计。为了保证后续相干倒谱分析具有足够的识别精度，要求功率谱估计计算具有本文档来自技高网...

【技术保护点】
1.一种基于振动信号相干倒谱分析的风机类旋转机械设备的轴承健康监测及故障诊断方法，其特征在于，包括：步骤一：在风机等类型旋转机械设备的轴承座上安装至少两个振动传感器，测量采集轴承座不同部位的结构振动信号，将信号转换成数字信号，并进行预处理；步骤二：将每个传感器测量获得的振动信号分为N个采样点，N为自然数，计算获得各个部位振动监测信号的自功率谱和两两之间的互功率谱；步骤三：选取两个传感器的振动信号x(n)和y(n)，运用步骤二对该两个传感器的振动信号进行相干分析，获得相干函数；步骤四：对第三步中的两个振动信号的相干函数进行傅立叶逆变换，获得一个倒频域的新函数，称为相干倒谱Hxy(n)；步骤五：从相干倒谱Hxy(n)中提取若干特征值Fi，获得不同监测时刻的特征值Fi(t)做出趋势图；步骤六：根据特征值变化趋势，诊断、预测轴承故障状态。

【技术特征摘要】
1.一种基于振动信号相干倒谱分析的风机类旋转机械设备的轴承健康监测及故障诊断方法，其特征在于，包括：步骤一：在风机等类型旋转机械设备的轴承座上安装至少两个振动传感器，测量采集轴承座不同部位的结构振动信号，将信号转换成数字信号，并进行预处理；步骤二：将每个传感器测量获得的振动信号分为N个采样点，N为自然数，计算获得各个部位振动监测信号的自功率谱和两两之间的互功率谱；步骤三：选取两个传感器的振动信号x(n)和y(n)，运用步骤二对该两个传感器的振动信号进行相干分析，获得相干函数；步骤四：对第三步中的两个振动信号的相干函数进行傅立叶逆变换，获得一个倒频域的新函数，称为相干倒谱Hxy(n)；步骤五：从相干倒谱Hxy(n)中提取若干特征值Fi，获得不同监测时刻的特征值Fi(t)做出趋势图；步骤六：根据特征值变化趋势，诊断、预测轴承故障状态。2.根据权利要求1所述的风机类旋转机械设备的轴承健康监测及故障诊断方法，其特征在于，特征值Fi为与故障特征频率对应的相干倒谱值。3.根据权利要求1所述的风机类旋转机械设备的轴承...

【专利技术属性】
技术研发人员：柳亦兵，赵立，滕伟，刘潇波，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11