一种基于奇异谱分解的旋转机械故障诊断方法技术

本发明专利技术公开了一种基于奇异谱分解的旋转机械故障诊断方法，包括以下步骤：步骤1，在旋转机械的关键部件附近安装传感器进行测量，采集测量信号作为源信号；步骤2，利用奇异谱分解对源信号进行分解，得到若干个瞬时频率具有物理意义的奇异谱分量；步骤3，根据特征能量因子最大准则挑选蕴含丰富故障特征信息的分解分量作为主奇异谱分量；步骤4，对主奇异谱分量进行希尔伯特解调，获得相应的包络谱；步骤5，从包络谱中观察故障特征频率处是否存在明显峰值，从而实现旋转机械故障类型的准确判别。本发明专利技术简单易行，较其他现有技术相比能够实现更为精确的故障诊断。

【技术实现步骤摘要】

本专利技术属于机械工程
，具体涉及一种旋转机械故障诊断方法。
技术介绍
工业现场中常见的零部件，如轴承、齿轮、转子等，是旋转机械设备中的重要组成构件，由于在长期高速运转、交变载荷等恶劣工况下，这些关键部件极易产生局部损伤并演化成晚期故障，极大地影响着整个旋转机械传递系统的工作性能。因此，针对旋转机械设备中的关键部件进行有效故障检测具有重要的现实意义。由于实际工程中旋转机械振动信号表现为非平稳特性，其受到部件间多传递路径耦合作用的影响，振动信号中掺杂着强烈背景噪声和多干扰源信号，致使旋转机械的故障特征提取极其复杂和困难。因此，如何从振动信号中有效地提取有用故障特征信息，是判断旋转机械设备是否发生故障需要解决的关键难题。现有的旋转机械故障诊断方法主要包括：小波变换、经验模式分解和奇异谱分析。小波变换受海森堡测不准原理的约束，需选择基函数且缺乏自适应性，对非平稳性信号分析存在局限性。经验模式分解具备自适应性，能够对非平稳信号进行有效分析，但其采用插值拟合包络原理进行分解具备较大拟合误差，同时存在过包络、欠包络、端点效应和模态混叠等缺陷。奇异谱分析是一种基于主成分分析的非参数谱估计方法，包括嵌入维数的选取、奇异值分解及分量序列的重构等过程，能有效用于旋转机械测量信号的降噪处理，但其主要依赖经验性选取嵌入维数长度构建轨迹矩阵，并基于轨迹矩阵的主成分进行奇异值分解、特征重组及信号重构，很大程度上影响其诊断结果。
技术实现思路
针对上述技术存在的问题，本专利技术提供了一种基于奇异谱分解的旋转机械故障诊断方法，旨在提高旋转机械故障诊断的精确度。为实现上述目的，本专利技术采用的技术方案为：一种基于奇异谱分解的旋转机械故障诊断方法，包括以下步骤：步骤1，在旋转机械的关键部件附近安装传感器进行测量，采集测量信号作为源信号；步骤2，利用奇异谱分解对源信号进行分解，得到若干个瞬时频率具有物理意义的奇异谱分量；步骤3，根据特征能量因子最大准则挑选蕴含丰富故障特征信息的分解分量作为主奇异谱分量；步骤4，对主奇异谱分量进行希尔伯特解调，获得相应的包络谱；步骤5，从包络谱中观察故障特征频率处是否存在明显峰值，从而实现旋转机械故障类型的准确判别。步骤1中，所述的旋转机械的关键部件为轴承、齿轮和转子。所述步骤2中利用奇异谱分解对源信号进行分解的步骤为步骤2.1，对源信号构建一个新的轨迹矩阵表达式：以源信号x(n)＝{1,2,3,4,5本文档来自技高网...

【技术保护点】
一种基于奇异谱分解的旋转机械故障诊断方法，其特征在于：包括以下步骤：步骤1，在旋转机械的关键部件附近安装传感器进行测量，采集测量信号作为源信号；步骤2，利用奇异谱分解对源信号进行分解，得到若干个瞬时频率具有物理意义的奇异谱分量；步骤3，根据特征能量因子最大准则挑选蕴含丰富故障特征信息的分解分量作为主奇异谱分量；步骤4，对主奇异谱分量进行希尔伯特解调，获得相应的包络谱；步骤5，从包络谱中观察故障特征频率处是否存在明显峰值，从而实现旋转机械故障类型的准确判别。

【技术特征摘要】
1.一种基于奇异谱分解的旋转机械故障诊断方法，其特征在于：包括以下步骤：步骤1，在旋转机械的关键部件附近安装传感器进行测量，采集测量信号作为源信号；步骤2，利用奇异谱分解对源信号进行分解，得到若干个瞬时频率具有物理意义的奇异谱分量；步骤3，根据特征能量因子最大准则挑选蕴含丰富故障特征信息的分解分量作为主奇异谱分量；步骤4，对主奇异谱分量进行希尔伯特解调，获得相应的包络谱；步骤5，从包络谱中观察故障...

【专利技术属性】
技术研发人员：贾民平，鄢小安，许飞云，胡建中，黄鹏，朱林，张菀，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32