System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及机械设备振动信号处理与特征提取,更具体的,涉及一种基于gvmd算法(即广义变分模式分解算法)的煤矿通风机振动特征快速提取方法、系统。
技术介绍
1、煤矿通风机是一种由原动机拖动叶轮旋转将机械能传递给气体,从而提高气体压力并输送气体的机械。通风机被喻为煤矿的“矿井之肺”,负责将井下有害气体排出,同时引入新鲜空气,起着通风、排毒等作用。因此,对煤矿通风机的运行状态进行实时监测与故障诊断具有重要的工程意义。
2、应用信号处理方法快速提取振动信号特征,是监测和诊断煤矿通风机的健康状况的有效途径。然而实测振动信号一般是非平稳多分量信号,且被噪声污染,需要对其进行有效处理,以达到信号特征快速提取和降噪,为实现通风机运行状态实时监测奠定基础。
3、目前常用的非平稳信号特征提取方法主要有小波变换、经验模式分解、经验小波变换、变分模式分解、广义变分模式分解等,其中小波变换由于采用塔式算法计算速度较快,但其自适应性较差,对信号频带划分按照固有方式划分,容易造成有用信息泄漏或降噪不足等问题;经验模式分解和经验小波变换自适应性较好,但对信号微弱分量提取效果较差,对通风机早期故障的微弱特征辨识能力有限;变分模式分解算法和其改进算法即广义变分模式分解算法自适应性好,对微弱分量提取效果较好,但这两种算法处理信号速度还难以满足通风机振动特征快速提取的要求。
4、因此亟需研究一种能够准确匹配通风振动信号特征的快速提取方法,克服上述不足。
技术实现思路
1、基于此,有
2、本专利技术采用以下技术方案实现:
3、第一方面,本专利技术公开了一种基于gvmd算法的煤矿通风机振动特征快速提取方法,包括以下步骤:
4、步骤1,获取目标煤矿通风机的振动信号,并计算出振动特征频率先验信息;其中,振动特征频率先验信息包括:机轴转频估计值及其倍频估计值、叶片通过频率估计值及其倍频估计值;
5、步骤2,依据步骤1计算出的振动特征频率先验信息,设计匹配振动特征的gvmd等效滤波器组;
6、其中,步骤2包括:
7、步骤2.1,构建单位脉冲信号;其中,单位脉冲信号的长度n与步骤1采集的振动信号长度l相等;
8、步骤2.2,定义gvmd算法的关键参数;
9、步骤2.3,将步骤2.1构建的单位脉冲信号作为输入信号,输入到步骤2.2已定义好关键参数的gvmd算法中进行单位脉冲响应分解,构造匹配振动特征的gvmd等效滤波器组;
10、步骤3,基于内积变换原理,使用步骤2所设计的gvmd等效滤波器组快速提取出目标煤矿通风机的振动特征;
11、其中,步骤3包括:
12、步骤3.1,从gvmd等效滤波器组中选择包含振动特征频率先验信息的gvmd等效滤波器、并作为特征滤波器;
13、步骤3.2,将步骤1获取的振动信号使用步骤3.1选择出的特征滤波器进行内积变换,得到振动特征分量;
14、步骤3.3,对步骤3.2得到的振动特征分量进行分析,提取出峰值频率、归一化能量。
15、该种基于gvmd算法的煤矿通风机振动特征快速提取方法实现根据本公开的实施例的方法或过程。
16、第二方面,本专利技术公开了基于gvmd算法的煤矿通风机振动特征快速提取系统,其使用了第一方面公开的基于gvmd算法的煤矿通风机振动特征快速提取方法。
17、基于gvmd算法的煤矿通风机振动特征快速提取系统包括:振动信号获取模块、先验信息计算模块、等效滤波器设计模块、振动特征提取模块。
18、振动信号获取模块用于获取目标煤矿通风机的振动信号。先验信息计算模块用于计算出振动特征频率先验信息。等效滤波器设计模块用于依据先验信息计算模块计算出的振动特征频率先验信息,设计匹配振动特征的gvmd等效滤波器组。振动特征提取模块用于基于内积变换原理,使用等效滤波器设计模块所设计的gvmd等效滤波器组快速提取出目标煤矿通风机的振动特征。
19、该种基于gvmd算法的煤矿通风机振动特征快速提取系统实现根据本公开的实施例的方法或过程。
20、与现有技术相比,本专利技术具备如下有益效果:
21、1,本专利技术利用gvmd的多尺度定频分解属性,根据通风机振动信号特征离线设计等效滤波器,获得准确匹配通风机振动特征的等效滤波器,为准确快速提取通风机振动特征奠定基础;本专利技术基于内积变换原理,利用所设计的等效滤波器准确匹配通风机振动特征,快速提取通风机振动特征分量,为实现通风机运行状态在线监测和故障诊断提供保证。
22、2,本专利技术方法具有理论严谨、简单易行、实时性强的特点,具有重要的工程应用价值。
本文档来自技高网...【技术保护点】
1.一种基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤1中,所述机轴转频估计值及其倍频估计值的计算方法包括:
3.根据权利要求2所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,所述叶片通过频率估计值及其倍频估计值的计算方法包括:
4.根据权利要求1所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤2.1中,L为奇数;
5.根据权利要求1所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤2.2中,所述关键参数包括:
6.根据权利要求1所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤2.3包括:
7.根据权利要求6所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤3.2中,进行内积变换的计算公式为:
8.根据权利要求7所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,
9.根据权利要求7所述的基于GVMD算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤3.3中,
10.一种基于GVMD算法的煤矿通风机振动特征快速提取系统,其特征在于,其使用了如权利要求1-9中任一项所述的基于GVMD算法的煤矿通风机振动特征快速提取方法;
...【技术特征摘要】
1.一种基于gvmd算法的煤矿通风机振动特征快速提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于gvmd算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤1中,所述机轴转频估计值及其倍频估计值的计算方法包括:
3.根据权利要求2所述的基于gvmd算法的煤矿通风机振动特征快速提取方法,其特征在于,所述叶片通过频率估计值及其倍频估计值的计算方法包括:
4.根据权利要求1所述的基于gvmd算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤2.1中,l为奇数;
5.根据权利要求1所述的基于gvmd算法的煤矿通风机振动特征快速提取方法,其特征在于,步骤2.2中,所述关键参数包括:
【专利技术属性】
技术研发人员:朱彦军,陈伟,崔健,郭燕飞,王华夏,
申请(专利权)人:太原科技大学,
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。