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技术方案

本发明专利技术提供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，包括以下步骤：对故障特征点进行提取，确定冲击故障成分的位置；对叠加信号进行最佳偏移量修正；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。本发明专利技术所述的方法简单易行。通过软件编程将算法写入硬件平台中，能对异响信号进行实施处理。且本发明专利技术所述的方法结果准确性高。该方法能够保留故障成分的频率成分，经过多次叠加，提取效果显著。提取效果显著。提取效果显著。

【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，尽管小波降噪对于非平稳信号具有很好的处理能力，但是小波基函数选择是非常困难的，选择不同小波基函数，信号的降噪效果也不同。EMD是由Huang等人提出用于处理非平稳信号的一种方法，它在不需要预先设定任何基函数的情况下有效地分解非线性、非平稳信号，解决了小波变换中基函数的选择问题，被广泛应用于机械故障诊断领域。但是它也存在端点效应、欠包络现象、模态混叠等不足缺点。

技术实现思路

[0004]根据上述
技术介绍
中提到的技术问题，而提供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。本专利技术包括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，包括以下步骤：
[0005]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；
[0006]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；
[0007]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。
[0008]较现有技术相比，本专利技术具有以下优点：
[0009]本专利技术公开的一种基于CDSM的旋转机械故障成分提取方法及系统具有以下有益效果：1、简单易行。通过软件编程将算法写入硬件平台中，能对异响信号进行实施处理。2、结果准确性高。该方法能够保留故障成分的频率成分，经过多次叠加，提取效果显著。
附图说明
[0010]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术旋转机械异响信号采集处理平台的原理图；
[0012]图2是本专利技术冲击类故障成分的“激变区”与“平稳区”示意图；
[0013]图3是本专利技术故障信号不同周期的中激变区的偏移量τ；
[0014]图4是本专利技术信号和示意图；
[0015]图5是本专利技术故障成分提取系统框图；
[0016]图6是本专利技术施例中的原始信号；
[0017]图7是本专利技术施例中的提取结果。
具体实施方式
[0018]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0019]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0020]如图1
‑
7所示，本专利技术提供了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，包括以下步骤：
[0021]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；
[0022]步骤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；
[0023]步骤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。
[0024]根据冲击类故障成分的特征，人为的将其划分为“激变区”和“平稳区”。由于在“激变区”阶段，冲击故障源产生剧烈的振动并释放大量的能量，该阶段信号具有短暂性、周期性、能量大等特点，含有较多的故障成分，并且不易被噪声掩埋。因此，为了提高计算效率，将包含较多能量和信息的“激变区”分离出来作为冲击故障成分信息。冲击类故障成分在本质上属于是能量的突然释放，整个冲击过程的时间比较短暂，使冲击信号在初始阶段响应比较剧烈，然后随着时间的增加逐渐衰减。根据冲击类故障成分的特征，人为的将其划分为“激变区”和“平稳区”，如图2所示，其中“本文档来自技高网...

【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：