一种基于旋转类设备振动信号的转速实时识别方法技术

本发明专利技术涉及设备故障智能诊断技术领域，尤其涉及一种基于旋转类设备振动信号的转速实时识别方法，包括以下步骤：S1、基于预设的数据采集方案采集设备的振动信号；S2、对采集的振动信号进行预处理；S3、对经过S2预处理之后的振动信号进行快速傅里叶变换，得到傅里叶频谱；S4、计算傅里叶频谱中的所有峰值及对应频率后，对得到的所有峰值及对应频率进行分析处理，并输出设备的旋转频率。本方法能够方便且较为准确的获得旋转类设备的旋转频率，以满足该类型设备的故障智能诊断需求。该类型设备的故障智能诊断需求。该类型设备的故障智能诊断需求。

【技术实现步骤摘要】
一种基于旋转类设备振动信号的转速实时识别方法


[0001]本专利技术涉及设备故障智能诊断
，尤其涉及一种基于旋转类设备振动信号的转速实时识别方法。

技术介绍

[0002]预测性维护对于节约企业生产成本、提高经济效益具有显著作用。因此，旋转类机械设备的预测性维护得到了越来越多的重视。其中，故障智能诊断技术是实现预测性维护的关键技术手段。
[0003]为了准确实现设备的故障智能诊断，需要了解该设备的故障机理模型。对于旋转类机械设备，其运行时的转速信息对于故障机理模型来讲是必不可少的条件。当前获取旋转设备的转速信息主要有两种途径。一种是将设备的额定转速作为设备当前运行时的转速，由于设备在实际运行中并不会保持匀速运行，因此利用该方法得到的诊断结果往往不太理想。另一种方法是在设备上安装转速传感器直接采集转速信号，该方法虽能直接获得准确的转速结果，但是，转速传感器需要直接安装在相关的转动机构上，需要定制的工装才能实现安装；并且，很多的旋转设备都有防护罩，根本没有转速传感器的安装空间；除此，很多旋转设备的核心部件就是转动机构，在转动机构上安装转速传感器时，走线会非常麻烦且存在不小的危险性。因此，该方法的安装难度较大且成本较高，与预测性维护节约企业生产成本、提高经济效益的作用相悖。
[0004]因此，怎样才能方便且较为准确的获得旋转类设备的旋转频率，以满足该类型设备的故障智能诊断需求，成为目前亟待解决的问题。

技术实现思路

[0005]针对上述现有技术的不足，本专利技术提供了一种基于旋转类设备振动信号的转速实时识别方法，能够方便且较为准确的获得旋转类设备的旋转频率，以满足该类型设备的故障智能诊断需求。
[0006]为了解决上述技术问题，本专利技术采用了如下的技术方案：一种基于旋转类设备振动信号的转速实时识别方法，包括以下步骤：S1、基于预设的数据采集方案采集设备的振动信号；S2、对采集的振动信号进行预处理；S3、对经过S2预处理之后的振动信号进行快速傅里叶变换，得到傅里叶频谱；S4、计算傅里叶频谱中的所有峰值及对应频率后，对得到的所有峰值及对应频率进行分析处理，并输出设备的旋转频率。
[0007]优选地，S2包括：S21、根据设备的实际运行情况，设置带通滤波器的带宽范围BandWidth；S22、通过带通滤波器对采集的振动信号进行带通滤波；S23、计算带通滤波后的振动信号的包络信号。
[0008]优选地，S21中，带通滤波器默认的带宽范围BandWidth=[5,150 ] Hz。
[0009]优选地，S3包括：S31、对S23中的包络信号进行快速傅里叶变换，得到对应的包络谱；S32、对S31得到的包络谱进行处理，仅保留包络谱中S21设置的带宽范围的频谱成分。
[0010]优选地，S4包括：S41、设定频谱峰值阈值Thre_Value；S42、遍历S32保留的频谱值，计算频谱的峰值Peak[i]及对应的峰值频率F[i]；其中，i=1、2、
…
、N，N为峰值的个数；S43、判断峰值频率F[i]中是否存在整数倍关系的频率，若存在则计算其基频F1，并将该基频F1作为设备的旋转频率进行输出；若不存在则转到S44；S44、筛选出各峰值Peak[i]中的最大值Peak
Max
，并将Peak
Max
对应的频率F
Max
作为设备的旋转频率进行输出。
[0011]优选地，S1中，所述预设的数据采集方案包括预设的采样频率和采样长度。
[0012]优选地，S1中，还对采集到的振动信号进行初步检查，确保采集到的振动数据为有效的运行数据；所述初步检查的内容包括数据格式检查以及是否为运行数据检查。
[0013]本专利技术与现有技术相比，具有如下有益效果：1、使用本方法，只需要根据待检测设备的特点，安装好振动传感器，并基于预设的数据采集方案进行振动信号的采集。再然后，对振动信号预处理后，进行快速傅里叶变换，得到傅里叶频谱；再计算傅里叶频谱中的所有峰值及对应频率，并进行相应的处理分析，即可以得到设备的旋转频率。与现有技术通过转动传感器直接采集转动信号相比，由于振动传感器不需要安装在核心的转动机构上，即可以获取到对应的振动信号，数据的获取方便快捷，并且无需振动信号之外的其他参数，生产成本较低。
[0014]除此，本方法对振动信号进行分析时，采用快速傅里叶变换得到傅里叶频谱，再计算傅里叶频谱中的所有峰值及对应频率，并进行相应的处理分析。这样的处理方式，不需要进行拟合等过程即可以直接得到需要的数据，分析的过程简单快捷、计算量小，并且准确率有保证。
[0015]综上，本专利技术能够方便且较为准确的获得旋转类设备的旋转频率，以满足该类型设备的故障智能诊断需求。
[0016]2、本方法适用于旋转设备的稳定工况或变速工况，有效扩展了故障智能诊断的使用范围。
[0017]3、本方法在预处理时，会通过带通滤波缩小振动信号的频率范围，将频率控制在便于后续分析的范围内，后续进行快速傅里叶变换时，同样会仅保留设置的带宽范围的频谱成分。通过这样的方式，可以减少频谱中的干扰，进一步保证旋转频率的识别准确率。
[0018]4、通过上述步骤得到的频谱结果会在旋转频率处出现较大的峰值或存在以旋转频率为基频的倍频。因此，在分析具体的旋转频率时，本方法首先会判断峰值频率F[i]中是否存在整数倍关系的频率，若存在则计算其基频F1，并将该基频F1作为设备的旋转频率进行输出。而如果不存在整数倍关系的频率，本方法则会筛选出各峰值Peak[i]中的最大值Peak
Max
，并将Peak
Max
对应的频率F
Max
作为设备的旋转频率进行输出。通过这样的方式，可以
保证输出的旋转频率的准确性。
附图说明
[0019]为了使专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为实施例中的流程图。
具体实施方式
[0020]下面通过具体实施方式进一步详细的说明：实施例：如图1所示，本实施例中公开了基于旋转类设备振动信号的转速实时识别方法，包括以下步骤：S1、基于预设的数据采集方案采集设备的振动信号；并对采集到的振动信号进行初步检查，确保采集到的振动数据为有效的运行数据；所述初步检查的内容包括数据格式检查以及是否为运行数据检查。所述预设的数据采集方案包括预设的采样频率和采样长度，具体的数值，本领域技术人员可依据检测设备的具体特点（如是否均匀振动等）具体设置，在此不再赘述。本实施例中，默认采样时长为1秒。
[0021]S2、对采集的振动信号进行预处理。
[0022]具体实施时，S2包括：S21、根据设备的实际运行情况，设置带通滤波器的带宽范围BandWidth；其中，带通滤波器默认的带宽范围BandWidth=[5,150 ] Hz。对于很多旋转类设备，即使直接使用这个默认带宽范围，也可以取得不错的处理结果，这样的默认带宽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于旋转类设备振动信号的转速实时识别方法，其特征在于，包括以下步骤：S1、基于预设的数据采集方案采集设备的振动信号；S2、对采集的振动信号进行预处理；S3、对经过S2预处理之后的振动信号进行快速傅里叶变换，得到傅里叶频谱；S4、计算傅里叶频谱中的所有峰值及对应频率后，对得到的所有峰值及对应频率进行分析处理，并输出设备的旋转频率。2.如权利要求1所述的基于旋转类设备振动信号的转速实时识别方法，其特征在于：S2包括：S21、根据设备的实际运行情况，设置带通滤波器的带宽范围BandWidth；S22、通过带通滤波器对采集的振动信号进行带通滤波；S23、计算带通滤波后的振动信号的包络信号。3.如权利要求2所述的基于旋转类设备振动信号的转速实时识别方法，其特征在于：S21中，带通滤波器默认的带宽范围BandWidth=[5,150 ] Hz。4.如权利要求2所述的基于旋转类设备振动信号的转速实时识别方法，其特征在于：S3包括：S31、对S23中的包络信号进行快速傅里叶变换，得到对应的包络谱；S32、对S31得到的包络谱进行处理，仅保留包络谱中S21设置的带宽范围的频谱成分。5.如权...

【专利技术属性】
技术研发人员：巩书凯，陈涛，姜仁杰，卢仁谦，向红先，
申请(专利权)人：重庆忽米网络科技有限公司，
类型：发明
国别省市：