【技术实现步骤摘要】
本专利技术属于旋转机械状态监测与故障诊断领域，尤其是涉及一种基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法。
技术介绍
1、各种旋转机械诸如风力涡轮机、回转式压缩机、离心泵、发电机组等在采矿、冶金和能源开发等众多现代应用中占有重要地位，而结构转子正是这些机器最核心的关键部件之一。由于长时间在极端恶劣的运行条件下工作，结构转子可能会出现各种潜在故障，例如不平衡、裂纹、错位、松动、涡动和翘曲等。作为一种表现出非线性动力学行为的常见故障，当转子准周期性地撞击转子系统的定子时，就会发生碰摩故障，其机理原因通常是转子最初的细微不平衡和轻微的不对中，尤其是当轴处于极高转速，并且定子和转子之间的径向间隙相当微小时，极容易致使转子碰摩故障的发生。事实上，随着对装配精度的更高要求和更严格的规范，现如今大部分动力装备的机器结构变得相对更复杂、更紧凑，其零部件通常在极小的间隙下运行，使得转子系统中发生摩擦冲击的可能性变得更大。一旦发生碰摩故障，会导致转子系统动态不稳定，这将在很大程度上降低机器的运行精度，并对相关动力设备的结构属性和性能产生不利影响，同时给相关部件如轴承和叶轮等造成额外的缺陷和损伤，最终可能导致系统级的灾难性故障。因此，对转子系统进行状态监测和故障诊断，及时检测旋转机械转子早期碰摩故障的产生，可以有效地提高设备的预后和健康管理水平，从而保障工业安全稳定生产，其具有极其重要的现实工程意义。
2、当前，用于监测和诊断分析旋转机械转子碰摩故障的方法通常有以下几种：
3、(1)基于常规的频谱分析技术，主要
4、(2)观察时域信号中由转子和定子之间的准周期性接触和分离过程产生的冲击，通常需要使用信号解构一类的方法将该成分进行有效分离和提取，主要包括经验模态分解、盲源分离和经验小波变换等；然而，当旋转机械的其他部件发生故障时也可能会产生类似的故障征兆，例如齿轮缺陷和滚动轴承局部损伤等，并且不同的噪声分布形式和噪声程度也倾向于会对信号解构结果的有效性和可用性产生影响。
5、(3)基于数据驱动的智能方法，主要包括“数据预处理—特征提取—特征选择/降维—特征学习—诊断输出”这样一套端到端流程，所涉及的主流方法有支持向量机、随机森林、深度信念网络、卷积神经网络等；然而，一方面这些方法通常需要通过大量带标注的同分布高质量数据样本进行训练和学习，在现实条件下难以满足，另一方面那些深度智能诊断模型的非透明性和不可解释性使它们成为“黑箱”，其输出的诊断结论在实际应用中难以被充分信任。
6、(4)基于非线性随机动力学行为分析的旋转机械转子碰摩故障诊断技术，主要包括volterra级数识别和非线性输出频率响应方程估计方法等；然而这类方法的计算复杂程度通常较高，要获得可靠的转子碰摩故障诊断结果需要一定量的计算分析时间，这通常难以满足在实际工程应用中实施在线监测诊断的时效性。
7、(5)基于振动信号调幅和调频特征提取的转子碰摩诊断技术，这一类方法往往涉及到对信号的时频域分析，主要包括短时傅里叶变换、连续小波变换、希尔伯特黄变换和自适应线性调频模式分解等；然而，这一类方法在噪声干扰情况下的鲁棒性通常较差，其在分析处理低信噪比的振动数据时往往面临失效，这极大地制约了这些方法的实际应用。
8、可见，现有的用于监测和诊断分析旋转机械转子碰摩故障的各种方法都存在其各自的缺陷和不足，因此需要研究高效的旋转机械转子碰摩诊断方法，能够在复杂环境下及时地检测到旋转机械转子早期碰摩故障的产生，可以有效地提高设备的预后和健康管理水平，其具有极其重要的现实工程意义。此外，由于位移信号通常具有较高的信噪比并且能够准确地反映转子的振动状态，因此上述方法大多基于振动位移信号来进行转子系统的诊断分析。但需要注意的是，位移传感器虽然具有线性范围大、零频率响应、抗干扰能力强、易于校准等优点，但其实际应用不如加速度传感器广泛，一般只适用于大型旋转机械的转子系统监测，其主要受到复杂的安装要求、经济考虑和其他因素的限制。因此，基于振动位移信号分析的转子碰摩诊断方法在某些情况下可能难以满足实践、无法实施，从而有必要研究应用更为普遍和更通用的先进诊断策略，因为各种基于转子系统的旋转机械都有可能发生转子碰摩故障。
技术实现思路
1、为解决现有技术的上述问题，本专利技术提供一种基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，可以在复杂噪声干扰下基于振动加速度信号分析对动力装备旋转机械的转子碰摩故障进行诊断和甄别。
2、本专利技术的目的通过如下的技术方案来实现：
3、一种基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，包括：
4、步骤一：通过振动加速度传感器从旋转机械设备上采集信号序列；
5、步骤二：基于二阶积分变换和高通滤波，将采集到的振动加速度信号转换成振动位移信号；
6、步骤三：基于改进的变分模式分解方法对振动位移信号中的转频成分进行靶向提取；
7、步骤四：对于提取得到的转频成分，使用基于正交导数的归一化希尔伯特变换对其基本频率的瞬时变化特性进行计算和估计，得到瞬时频率；
8、步骤五：将计算得到的瞬时频率序列输入最优随机共振系统进行波内调制特征抗噪增强，其中随机共振系统的势能参数和龙格-库塔计算过程的步长通过粒子群寻优算法优化，得到最优随机共振系统；
9、步骤六：对波内调频特征经抗噪增强后的瞬时频率进行快速傅里叶变换处理，基于与转子转频相关的谐波幅值的分布特性，诊断识别旋转机械转子碰摩故障。
10、与现有技术相比，本专利技术具有以下有益效果：
11、本专利技术针对现有动力装备旋转机械转子碰摩故障诊断分析技术的缺陷和不足，提出了以振动加速度信号分析处理为主要方式，通过二阶积分变换将振动加速度信号转换成振动位移信号，并且基于信号解构方法对其中的转频成分进行靶向提取，再对转频成分的瞬时频率进行计算和估计，接着将得到的瞬时频率序列输入最优随机共振系统进行波内调制特征抗噪增强，然后对所输出的调频特征强化的瞬时频率进行快速傅里叶变换处理，最后基于与转子转频相关的谐波幅值的分布特性诊断识别旋转机械转子碰摩故障。本方法基于应用更为普遍和广泛的振动加速度信号处理技术，对于工业环境下信号采集和信号转换处理过程中不可避免的复杂噪声干扰具有较优良的鲁棒性，对实际工程应用具有重要意义。
本文档来自技高网...【技术保护点】
1.一种基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤一中，通过振动加速度传感器从旋转机械设备上采集信号序列，记为N为总采样点数，采样频率记为fs；并且在信号采集过程中，所使用的振动加速度传感器频率响应参数应不小于2kHz，对振动信号序列的采样频率应不小于5.12kHz，不大于100kHz，采样时长应不小于1s。
3.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤二包括如下子步骤：
4.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤三包括如下子步骤：
5.根据权利要求4所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤(3-3)包括如下子步骤：
6.根据权利要求5所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特
7.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤四包括如下子步骤：
8.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤五包括如下子步骤：
9.根据权利要求8所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤(5-5)包括如下子步骤：
10.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，步骤六中，瞬时频率的傅里叶谱上与转子转频froc相关的谐波幅值的分布特性满足如下两个条件时，方可判定旋转机械的转子存在碰摩故障：
...【技术特征摘要】
1.一种基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤一中，通过振动加速度传感器从旋转机械设备上采集信号序列，记为n为总采样点数，采样频率记为fs；并且在信号采集过程中，所使用的振动加速度传感器频率响应参数应不小于2khz，对振动信号序列的采样频率应不小于5.12khz，不大于100khz，采样时长应不小于1s。
3.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤二包括如下子步骤：
4.根据权利要求1所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤三包括如下子步骤：
5.根据权利要求4所述的基于振动信号解构与调频特征抗噪增强的旋转机械转子碰摩诊断方法，其特征在于，所述步骤(3-3)包括如下子步骤：
【专利技术属性】
技术研发人员：吴大转，侯耀春，王宇轩，武鹏，杨帅，黄滨，向甜，
申请(专利权)人：浙江大学，
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。