【技术实现步骤摘要】
一种旋转机械设备故障特征频率提取方法及系统
本专利技术涉及一种机械设备故障诊断
，特别是关于一种基于循环瞬态能量追踪最优故障频带的旋转机械设备故障特征频率提取方法及系统。
技术介绍
轴承、齿轮等作为旋转机械的一部分，如果出现损伤和缺陷会直接影响设备的稳定运行甚至造成整个设备的损坏。故障诊断的关键技术是从信号中提取出故障特征。由于背景噪声的影响，以及选取待分析信号时具有随机性，导致故障特征提取方法在实际应用中存在困难且准确率不高。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于循环瞬态能量追踪最优故障频带的旋转机械设备故障特征频率提取方法及系统，其能实现轴承故障特征频率的准确提取，进而对轴承的故障进行研究和分析。为实现上述目的，本专利技术采取以下技术方案：一种旋转机械设备故障特征频率提取方法，其包括以下步骤：S1、通过带通滤波器将采集到的旋转机械的振动信号划分为多个故障频带数据；S2、采用Teager能量算子对不同故障频带的振动信号进行瞬态能量追踪，去掉能量数值低于平均能量值的故障...
【技术保护点】
1.一种旋转机械设备故障特征频率提取方法，其特征在于包括以下步骤：/nS1、通过带通滤波器将采集到的旋转机械的振动信号划分为多个故障频带数据；/nS2、采用Teager能量算子对不同故障频带的振动信号进行瞬态能量追踪，去掉能量数值低于平均能量值的故障频带数据，保留能量数值高于平均能量值的故障频带数据；/nS3、利用改进自相关方法对保留的故障频带进行筛选，选取最优故障频带；/nS4、对最优故障频带进行平方包络谱分析，提取故障特征频率，实现故障诊断。/n
【技术特征摘要】 【专利技术属性】
20200420 CN 20201031347511.一种旋转机械设备故障特征频率提取方法，其特征在于包括以下步骤：
S1、通过带通滤波器将采集到的旋转机械的振动信号划分为多个故障频带数据；
S2、采用Teager能量算子对不同故障频带的振动信号进行瞬态能量追踪，去掉能量数值低于平均能量值的故障频带数据，保留能量数值高于平均能量值的故障频带数据；
S3、利用改进自相关方法对保留的故障频带进行筛选，选取最优故障频带；
S4、对最优故障频带进行平方包络谱分析，提取故障特征频率，实现故障诊断。
2.如权利要求1所述故障特征频率提取方法，其特征在于：所述带通滤波器采用切比雪夫I型滤波器。
3.如权利要求1所述故障特征频率提取方法，其特征在于：所述带通滤波器的中心频率设置为转频及其倍频，通带的左边界和右边界为故障特征频率的m倍频；通带衰减截止左边界和右边界为故障特征频率的k倍频，m取值为正整数，k取值为正整数，且k＝m+1。
4.如权利要求1所述故障特征频率提取方法，其特征在于，所述Teager能量算子对不同故障频带的振动信号进行瞬态能量追踪的方法为：
t时刻振动信号x(t)的Teager能量算子ψ(x(t))为：
ψ(x(t))＝(x′(t))2-x(t)x″(t)
式中，x′(t)、x″(t)为t时刻振动信号x(t)对时间t的一阶微分和二阶微分；
由于实际中采集的振动信号x(t)为离散信号x(n)，则Teager能量算子中需要用差分来代替微分，离散信号x(n)的Teager能量算子ψ(x(n))为：
ψ(x(n))＝x2(n)-x(n-1)x(n+1)
对x(n)进行非线性算子运行得到：
ψ(x(n))＝a2(n)sin2(w(n))(1)
其中，a(n)为离散信号x(n)的幅值，w(n)为离散信号x(n)的频率；
对向后差分信号y(n)＝x(n)-x(n-1)进行能量算子ψ(y(n))之后，得到离散信号的幅值a(n)和频率w(n)近似值：
将所有故障频带数据利用公式(1)进行Teager能量算子解调得到相应的时域信号ψ(t)，分别计算每组时域信号能量数值，以及全部故障频带的平均能量值。
5.如权利要求4所述故障特征频率提取方法，其特征在于，所述能量数值W为：
6.如权利要求1所述故障特征频率提取方法，其特征在于：采用改进自相关方法进行最优故障频带的筛选方法包括以下步骤：
S31、根据振动信号的采样频率计算转频对应的采样点数；
S32、将滤波信号解调后的时域离散信号ψa对应的数据点后移若干个点，生成新的一组时域离散信号ψb，且和原始的数据点的个数相同；其中，若干个点为转频对应的采样点数；
S33、利用改进后的自相关函数计算得到两组时域离散信号的相关系数；
S34、找到相关系数最大的一组数据，即为最优故障频带。
技术研发人员：蒋章雷，吴国新，左云波，刘秀丽，赵西伟，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京;11
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。