【技术实现步骤摘要】
一种基于错位叠加法的旋转机械故障成分提取方法及系统
[0001]本专利技术涉及信号处理的
,具体而言,尤其涉及一种基于错位叠加算法的旋转机械冲击故障成分提取方法及系统。
技术介绍
[0002]随着工业生产的发展,旋转机械在现代工业设备中的应用十分广泛,约占机械设备的80%,其主要应用在风力发电、运输机械、矿山机械、航空航天和船舶海洋等工程领域,常见的旋转机械设备包括电动机、风力发电机、汽轮机、齿轮箱和发动机等。然而,旋转机械设备往往工作在比较恶劣的环境与工况条件下,例如高温、高湿环境、腐蚀性环境、高负载和变载荷的工况条件等,导致其旋转部件很容易出现磨损、断裂和老化等问题,从而产生经济损失和一些重大事故。旋转机械发生故障时,由于机械振动以及系统的自身误差会导致其声信号会呈现出非平稳的周期性的故障信号。然而,对故障信号中故障成分的提取往往是最重要且最困难的问题,因为故障信号中的故障成分容易受到系统内外因素的干扰。因此需要对旋转设备故障成分进行降噪提取,提高信号的信噪比,凸显出信号中状态信息,进一步提高机械设备故障信息提取的精确性,从而提高机械故障特征和故障诊断的可靠性和准确性。
[0003]针对旋转畸形儿运行时工作环境的多样性以及干扰信号的复杂性,常用于提取异响中的故障成分的方法有小波变换(WT)和经验模态分解(EMD)。小波变换作为一种广泛应用的信号处理工具,在时域和频域上拥有强大的多分辨率分析能力。在小波降噪理论与应用研究方面,常用的降噪方法有小波系数相关性降噪、小波模极大值降噪以及小波阈值降噪等。然而 ...
【技术保护点】
【技术特征摘要】
1.一种基于声信号的旋转机械冲击故障成分的降噪提取方法,其特征在于,包括以下步骤:S1:对故障特征点进行提取,确定冲击故障成分的位置;根据冲击故障成分的波形选取相似的基函数对原始故障声信号进行连续小波变换,并通过设置小波硬阈值函数与矩形窗函数提取故障信号的周期性冲击故障特征点;S2:对叠加信号进行最佳偏移量修正;根据冲击故障成分长度与故障特征点的位置扩展得到含有故障成分的信号段,并通过遍历的方式得到最佳偏移量,并对叠加信号进行修正;S3:通过故障分量自动分离方法,分离旋转机械中异响故障成分;对修正后的信号按照序号的奇偶性平均分成两组,奇数序号的截段为第一组,偶数序号的截段为第二组;以起始叠加点为基准,对每组中的片段按照序号由低到高进行叠加运算,最后计算奇数组与偶数组叠加后的信号的相关系数,通过设置阈值M确定叠加降噪的效果。2.根据权利要求1所述的一种基于声信号的旋转机械冲击故障成分的降噪提取方法,其特征在于,所述对故障特征点进行提取的过程中,选取与旋转机械冲击故障信号激变区的波形相似程度较高的dbN小波系中的db5小波作为冲击故障信号S(n)连续小波变换的小波基函数;然后对旋转机械的冲击故障声信号S(n)进行连续小波变换得到小波系数(W
ψ
S)(a,b),并对得到的小波系数进行硬阈值化处理,通过公式(1)对小波时频图里含有噪声系数的小波系数进行过滤得到阈值小波系数η
H
(W
ψ
S(a,b),λ),进而找取冲击故障成分的起始点;所述硬阈值化的数学模型为:其中,η
H
(W
ψ
S(a,b),λ)表示硬阈值函数处理后的小波系数,记作η
H
;W
ψ
S(a,b)表示小波系数;λ表示设置的硬阈值;再通过对硬阈值化小波时频图的小波系数η
H
加窗函数处理和使用故障特征点提取算法进行每个周期故障成分特征点的提取。3.根据权利要求2所述的一种基于声信号的旋转机械冲击故障成分的降噪提取方法,其特征在于:从所述硬阈值化小波时频图中提取周期性故障特征点的步骤为:SA:选取两个斜对的时频点(t1,f1)、(t2,f2)形成矩形窗R,从所述硬阈值处理后的小波时频图中框选出一个时频区块,并记作η
H
(a0,b0);其中,t1<t2,f1<f2,a0=t1,t1+1/f
s
,...,t2,b0=f1,f1+fs/2a,...,f2,f
s
表示采样频率,a表示连续小波变换的尺度因子;取所述时频区块η
H
(a0,b0)中|η
H
|
max
的位置,记作保持频率[f1,f1+f
s
/2a,...,f2]不变,令矩形窗R从信号的起始位置沿时间轴方向每隔t2平移一次,平移的距离与矩形窗本身的长度相同,矩形窗R每一次平移都会框选出一个时频区,因此会不断地框出一个又一个的时频区η
H
(a
i
,b
i
),直到把选取的信号框选完毕;把时频区块η
H
(a
i
,b
i
)中提取|
η
H
|
max
的位置记作若所取信号长度不是矩形窗长度的整数倍,则i的最大值为:其中,i为平移次数,i=0、1、2
…
;[]为取整函数;n
tot
为信号S(n)的总采样点数;f
s
为采样频率;矩形窗R包括:斜对的时频点(t1,f1)、(t2,f2),则矩形窗R的长度l=t2‑
t1,宽度w=f2‑
f1;考虑到冲击故障信号的频率分布...
【专利技术属性】
技术研发人员:宁大勇,鲁晓,郭鹏伟,侯交义,弓永军,
申请(专利权)人:大连海事大学,
类型:发明
国别省市:
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。