一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法技术

本发明专利技术公开了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，包括以下步骤：(1)营造轴流风机的各种工况状态，建立轴流风机标准工况数据库；(2)建立轴流风机标准工况幅值谱数据库和倒频谱数据库；(3)采集实时运行的轴流风机振动信号，数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；(4)分别计算实时工况与标准工况的振动信号幅值谱相关系数和倒频谱相关系数；(5)绘制联合谱相关系数点并计算与点(1,1)之间的绝对距离；(6)根据绝对距离，确定轴流风机当前的实时运行状态。利用本发明专利技术能够对实时运行中的轴流风机的运行状态进行准确有效的识别判断。

【技术实现步骤摘要】
一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法
本专利技术涉及机械的故障诊断领域，尤其是涉及一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法。
技术介绍
轴流风机在长时间使用过程中会出现一些故障，目前基于轴流风机的振动信号的故障诊断方法主要有两类：时域方法和频域方法。时域方法主要分为两类，第一类时域方法是时域波形分析，直接对振动时域信号进行整体观察和分析，主要关心振动信号峰值的大小、振动的整体幅度大小、振动信号峰值对应的时间、同一形状的波形重复出现的周期长短等。另一类时域方法是时域统计参数分析，通过截取一段振动时域信号，然后对其进行各类统计参数的计算，如平均值、峰值、峰峰值、标准差、方差、均方根等，通过与已有的标准对比，进而判断当前风机的振动是否处于正常范围内。频域方法主要有快速傅里叶变换、短时傅里叶变换以及小波变换等。快速傅里叶变换是将信号的时域信息完全转换成频域信息的最常用方法，是一种快速高效的算法，能够较为完美地描述平稳信号的特征。而短时傅里叶变换是将时域信号加窗，将加窗之后的信号进行快速傅里叶变换，从而得到信号的时频联合分布。小波变换也是对信号进行加窗分析，但其窗函数形状可变，进而保证信号分析结果在低频处有较高的频率分辨率，在高频处有较高的时间分辨率，进而实现信号的自适应分析。但以上方法中，时域波形分析的方式太过简单粗糙，难以有针对性地获取有用的风机状态信息；时域统计参数分析所获取的参数只能判断振动幅度的大小，不能进一步判断轴流风机的运行状态；频域方法能将振动信号中的时域信息转换成频域信息，能有效获取振动的主要频率成分，但是也需要通过频谱分析进一步推测轴流风机可能的故障原因，且需要检查风机零部件以验证推测，不能够直观有效地获取轴流风机的运行状态信息。
技术实现思路
本专利技术提供了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，能够对实时运行中的轴流风机的运行状态进行准确有效的识别判断，可广泛运用于轴流风机的实时监测、状态识别和故障诊断等领域。一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，包括以下步骤：(1)营造轴流风机的各种工况状态，分别采集振动时域信号序列，建立标准工况数据库，经过数据处理后得到标准工况幅值谱数据库和倒频谱数据库；(2)采集实时运行的轴流风机振动信号，经过数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；(3)将实时工况的振动信号幅值谱依次与标准工况幅值谱数据库中的每一组幅值谱进行相关性分析，得到一系列幅值谱相关系数；(4)将实时工况的振动信号倒频谱依次与标准工况倒频谱数据库中的每一组倒频谱进行相关性分析，得到一系列倒频谱相关系数；(5)将幅值谱相关系数与倒频谱相关系数进行坐标组合，构成一系列联合谱相关系数点；(6)在直角坐标系中计算联合谱相关系数点与点(1，1)的绝对距离，根据绝对距离最小的联合谱相关系数点确定轴流风机当前的运行状态。本专利技术的方法能够克服已有的时域方法、频域方法不能够直接有效地对轴流风机的运行状态进行识别诊断的缺陷，该方法简便易行，能够建立起轴流风机标准工况库，并对实时运行中的轴流风机的运行状态进行准确有效的识别判断。步骤(1)中，所述的工况状态包括正常工况、转子不平衡工况和地脚螺栓松动工况；所述的转子不平衡工况通过在叶片根部增加配重设定若干组工况，所述的地脚螺栓松动工况根据不同地脚螺栓松动的组合形式设定若干组工况。作为优选，步骤(1)中，对于同一种工况，以固定的采样频率重复采集三组振动时域信号序列。用这三组振动原始数据作为标准工况建立轴流风机标准工况数据库，并对其进行快速傅里叶变换得到相应的幅值谱，建立起轴流风机幅值谱数据库；对其进行倒频谱变换得到相应的倒频谱，建立起轴流风机倒频谱数据库。每一组工况下重复采集三组数据，可以创建更加丰富有效的轴流风机标准工况数据库，并且可以有效避免实验偶然性带来的误差和不确定性，降低所建立的轴流风机标准工况数据库存在错误工况的可能性。作为优选，步骤(1)和步骤(2)之间增加以下步骤：再次营造轴流风机的各种工况状态，令轴流风机在n种不同的工况下运行，在这n种不同工况下，以某一固定的采样频率重复测三组振动原始数据，以这三组振动原始数据作为验证工况，运用基于振动信号联合谱相关系数分析的轴流风机状态识别方法进行诊断验证，统计状态识别和故障诊断的成功率。将验证正确的验证工况加入到轴流风机标准工况数据库中，并将其对应的幅值谱、倒频谱加入到轴流风机幅值谱数据库、轴流风机倒频谱数据库中。在重复工况下采集三组数据，并用已有方法进行诊断验证，可以在已知具体工况的条件下，对已有方法的正确率进行全方位的验证。将验证正确的验证工况加入轴流风机标准工况数据库中，能够进一步丰富轴流风机标准工况数据库，实现标准工况的原始数据的自适应扩展。步骤(1)和步骤(2)中，所述的数据处理具体为：对振动时域信号序列分别进行快速傅里叶变换和倒频谱变换，得到振动信号的幅值谱和倒频谱。其中，所述的倒频谱变换具体步骤如下：(1-1)对振动时域信号序列进行快速傅里叶变换；(1-2)对所得结果先取绝对值，然后取自然对数；(1-3)在取自然对数基础上，进行快速傅里叶逆变换，得到振动时域信号序列的每个点所对应的实倒频谱值；(1-4)以振动时域信号序列每个点的时间值为横坐标，以每个点所对应的实倒频谱值为纵坐标，绘制振动时域信号的倒频谱。通过以上处理和分析，可以有效地提取出轴流风机振动信号中的主要调制频率成分，在结合轴流风机的机械运转规律的基础上，能够进一步有效识别轴流风机的轴频和叶频。步骤(3)和步骤(4)中，关于相关系数的计算，可以分为三步，具体为：(3-1)计算两个数组的标准差，计算公式如下：式中，X代表第一个数组，Y代表第二个数组；Xi代表数组X中第i个元素，Yi代表数组Y中第i个元素；μX代表数组X的期望值，μY代表数组Y的期望值；σX代表数组X的标准差，σY代表数组Y的标准差；N代表数组X和数组Y中的元素总数。(3-2)计算两个数组之间的协方差，计算公式如下：cov(X，Y)＝E[(X-μX)(Y-μY)]式中，X代表第一个数组，Y代表第二个数组；cov(X，Y)代表数组X和数组Y之间的协方差；符号E代表求期望值。(3-2)计算两个数组之间的相关系数，计算公式如下：式中，ρ代表数组X与数组Y的相关系数。步骤(5)的具体步骤为：在直角坐标系中，以幅值谱相关系数为横坐标值，以倒频谱相关系数为纵坐标值，进行联合谱相关系数点的绘制，依次产生一系列联合谱相关系数点。步骤(6)的具体步骤为：(6-1)依次比较每个联合谱相关系数点到点(1，1)之间的绝对距离，得到离点(1，1)绝对距离最小的一个联合谱相关系数点；(6-2)根据找到联合谱相关系数点，确定工况编号，从而找到对应的标准工况；(6-3)将这组标准工况认定为轴流风机当前的实时运行状态。本专利技术提供的技术方案的有益效果如下：(1)本专利技术提出了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，该方法能够对轴流风机的运行状态进行有效的识别和判断。(2)本专利技术能够建立起轴流风机典型工况的标准工况数据库，并在此基础上，建立对应的标准工况幅值谱数据库和标准工况倒频谱数据库。(3)本专利技术运用本文档来自技高网...

【技术保护点】
1.一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，其特征在于，包括以下步骤：(1)营造轴流风机的各种工况状态，分别采集振动时域信号序列，建立标准工况数据库，经过数据处理后得到标准工况幅值谱数据库和倒频谱数据库；(2)采集实时运行的轴流风机振动信号，经过数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；(3)将实时工况的振动信号幅值谱依次与标准工况幅值谱数据库中的每一组幅值谱进行相关性分析，得到一系列幅值谱相关系数；(4)将实时工况的振动信号倒频谱依次与标准工况倒频谱数据库中的每一组倒频谱进行相关性分析，得到一系列倒频谱相关系数；(5)将幅值谱相关系数与倒频谱相关系数进行坐标组合，构成一系列联合谱相关系数点；(6)在直角坐标系中计算每个联合谱相关系数点与点(1,1)的绝对距离，根据绝对距离最小的联合谱相关系数点确定轴流风机当前的运行状态。

【技术特征摘要】
1.一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，其特征在于，包括以下步骤：(1)营造轴流风机的各种工况状态，分别采集振动时域信号序列，建立标准工况数据库，经过数据处理后得到标准工况幅值谱数据库和倒频谱数据库；(2)采集实时运行的轴流风机振动信号，经过数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；(3)将实时工况的振动信号幅值谱依次与标准工况幅值谱数据库中的每一组幅值谱进行相关性分析，得到一系列幅值谱相关系数；(4)将实时工况的振动信号倒频谱依次与标准工况倒频谱数据库中的每一组倒频谱进行相关性分析，得到一系列倒频谱相关系数；(5)将幅值谱相关系数与倒频谱相关系数进行坐标组合，构成一系列联合谱相关系数点；(6)在直角坐标系中计算每个联合谱相关系数点与点(1,1)的绝对距离，根据绝对距离最小的联合谱相关系数点确定轴流风机当前的运行状态。2.根据权利要求1所述的基于振动信号联合谱相关系数分析的轴流风机状态识别方法，其特征在于，步骤(1)中，所述的工况状态包括正常工况、转子不平衡工况和地脚螺栓松动工况；所述的转子不平衡工况通过在叶片根部增加配重设定若干组工况，所述的地脚螺栓松动工况根据不同地脚螺栓松动的组合形式设定若干组工况。3.根据权利要求1所述的基于振动信号联合谱相关系数分析的轴流风机状态识别方法，其特征在于，步骤(1)中，对于同一种工况，以固定的采样频率重复采集三组振动时域信号序列。4.根据权利要求1所述的基于振动信号联合谱相关系数分析的轴流风机状态识别方法，其特征在于，步骤(1)和步骤(2)中，所述的数据处理具体为：对振动时域信号序列分别进行快速傅里叶变换和倒频谱变换，得到振动信号的幅值谱和倒频谱。5.根据权利要求4所述的基于振动信号联合谱相关系数分析的轴流风机状态识别方法，其特征在于，所述的倒频谱变换具体步骤如下：(1-1)对振动时域信号序列进行快速...

【专利技术属性】
技术研发人员：伍柯霖，初宁，吴大转，杨帅，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33