一种旋转机械振动信号故障特征频率自动识别方法及装置制造方法及图纸

本发明专利技术公开了一种旋转机械振动信号故障特征频率自动识别方法及装置，方法包括：高速采集振动信号，并传输到处理器；所述处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断；本发明专利技术实现了故障特征扰动频率自动提取，不会引入半频率等混叠频率分量，具有非常好的抗干扰性，提高了故障特征频率识别准确性，无需设备转速信息，计算量小，可以用于在设备边缘层嵌入式采集设备上，实现故障实时自动报警。实现故障实时自动报警。实现故障实时自动报警。

【技术实现步骤摘要】
一种旋转机械振动信号故障特征频率自动识别方法及装置


[0001]本专利技术涉及的
是振动故障诊断
，尤其涉及一种旋转机械振动信号故障特征频率自动识别方法及装置。

技术介绍

[0002]旋转机械振动信号是一种复杂的动态信号，通常情况下有着丰富的频率成分，并且还可能存在噪声干扰，当前大型转动机械的故障诊断，绝大部分依然依赖经验丰富的诊断工程师借助振动信号分析仪器或者在线监测系统进行人工识别故障，难以实现分析软件或者在线监测平台的自动故障识别。
[0003]理论研究和实践经验表明，旋转机械每一种特定故障的发生，都会存在相应频率的扰动力，比如不平衡故障，其扰动力就是偏心不平衡质量产生的转频扰动力；滚动轴承部件或者滚道有缺陷时，滚子高速运动通过局部缺陷部位时会产生高频冲击力，冲击周期对应的频率是滚动轴承故障诊断最基本的依据。这类扰动力对应的频率即为振动分析最关心的故障特征频率，振动信号中存在。自动识别和提取故障特征频率，将有利于旋转机械设备故障自动诊断的实现和工程推广应用。
[0004]对于复杂信号的周期成分(对于振动信号的扰动频率)识别，通常采用自相关函数方法，该方法具有计算简单、可靠性好等特点，但是对于含噪声较高的信号，自相关法会引入混叠频率，包括引入不存在的半频率成分。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述存在的问题，提出了本专利技术。
[0007]因此，本专利技术解决的技术问题是：自动识别和提取故障特征频率。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：
[0009]第一方面，本专利技术实施例提供了一种旋转机械振动信号故障特征频率自动识别方法，包括：
[0010]高速采集振动信号，并传输到处理器；
[0011]所述处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；
[0012]根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断。
[0013]作为旋转机械振动信号故障特征频率自动识别方法的一种优选方案，其中：
[0014]所述改进的周期信号识别技术包括：
[0015]设振动信号采样频率为sf，采样点数为N，振动信号序列为[X0,X1,X2,
…
,X
N
‑1]，对
振动信号序列进行快速傅里叶变换，得到相应的频谱序列振动信号序列进行快速傅里叶变换，得到相应的频谱序列对应的频率序列为F；
[0016]F＝[0,df,2*df,3*df,
…
(N/2
‑
1)*df][0017]其中，df为振动信号频谱的频率分辨率，df＝sf/N。
[0018]作为旋转机械振动信号故障特征频率自动识别方法的一种优选方案，其中：
[0019]所述改进的周期信号识别技术还包括：设置抽取系数M，对所述频谱序列依次进行整数倍抽取，抽取倍率为小于M的且全部为互质的整数，设互质整数的个数为S。
[0020]作为旋转机械振动信号故障特征频率自动识别方法的一种优选方案，其中：
[0021]所述改进的周期信号识别技术还包括：整数倍抽取后，得到S个抽取后频谱序列，对抽取后频谱序列依次补零，使得序列长度和抽取前一致；抽取后频谱序列对应的频率序列依然使用原始振动信号频谱对应频率序列F。
[0022]作为旋转机械振动信号故障特征频率自动识别方法的一种优选方案，其中：
[0023]所述改进的周期信号识别技术还包括：对补零后的S个振动信号频谱序列以及原始序列进行对应元素乘积运算，得到新的振动信号频谱序列F'，F'中每一项为S+1个振动信号频谱序列中对应项的乘积，取幅值最大的五个元素对应的频率序列F中的元素，为所述振动信号中所有谐波频率成分的基础频率。
[0024]作为旋转机械振动信号故障特征频率自动识别方法的一种优选方案，其中：
[0025]所述计算基础频率包括：基于所有的基础频率都是转频的倍数关系或者分数倍数关系，由此对所述基础频率进行逻辑判断，进一步识别出设备转频，以及部件故障对应的特征频率。
[0026]作为旋转机械振动信号故障特征频率自动识别方法的一种优选方案，其中：
[0027]所述设备结构参数包括：设备使用的滚动轴承型号，根据所述滚动轴承型号获取轴承内圈滚道缺陷、外圈滚动缺陷、滚动体缺陷等时的故障特征系数；将所述设备结构参数与所述部件故障对应的特征频率相匹配，实现对滚动轴承故障的自动诊断。
[0028]第二方面，本专利技术实施例提供了一种旋转机械振动信号故障特征频率自动识别系统，其特征在于，包括：
[0029]采集模块，用于高速采集振动信号，并传输到处理器；
[0030]计算模块，用于通过处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；
[0031]自诊断模块，用于根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断。
[0032]第三方面，本专利技术实施例提供了一种计算设备，包括：
[0033]存储器和处理器；
[0034]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任一实施例所述的旋转机械振动信号故障特征频率自动识别方法。
[0035]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述的旋转机械振动信号故障特征频率
自动识别方法。
[0036]本专利技术的有益效果：本专利技术实现了故障特征扰动频率自动提取，不会引入半频率等混叠频率分量，具有非常好的抗干扰性，提高了故障特征频率识别准确性，无需设备转速信息，计算量小，可以用于在设备边缘层嵌入式采集设备上，实现故障实时自动报警。
附图说明
[0037]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。其中：
[0038]图1是本专利技术第一个实施例所述的旋转机械振动信号故障特征频率自动识别方法的整体流程图；
[0039]图2是本专利技术第二个实施例所述的旋转机械振动信号故障特征频率自动识别方法的仿真实例1中的模拟振动信号的加速度波形图和频谱；
[0040]图3是本专利技术第二个实施例所述的旋转机械振动信号故障特征频率自动识别方法的仿真实例1中的抽取过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种旋转机械振动信号故障特征频率自动识别方法，其特征在于，包括：高速采集振动信号，并传输到处理器；所述处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断。2.如权利要求1所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术包括：设振动信号采样频率为sf，采样点数为N，振动信号序列为[X0,X1,X2,
…
,X
N
‑1]，对振动信号序列进行快速傅里叶变换，得到相应的频谱序列[Y0,,对应的频率序列为F；F＝[0,df,2*df,3*df,
…
(N/2
‑
1)*df]其中，df为振动信号频谱的频率分辨率，df＝sf/N。3.如权利要求2所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术还包括：设置抽取系数M，对所述频谱序列依次进行整数倍抽取，抽取倍率为小于M的且全部为互质的整数，设互质整数的个数为S。4.如权利要求3所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术还包括：整数倍抽取后，得到S个抽取后频谱序列，对抽取后频谱序列依次补零，使得序列长度和抽取前一致；抽取后频谱序列对应的频率序列依然使用原始振动信号频谱对应频率序列F。5.如权利要求4所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术还包括：对补零后的S个振动信号频谱序列以及原始序列进行对应元素乘积运算...

【专利技术属性】
技术研发人员：汪江，毛旭初，陈松，李冰，刘美茹，翟李祥，
申请(专利权)人：朗坤智慧科技股份有限公司，
类型：发明
国别省市：