基于噪声测试的机械故障判别系统及方法技术方案

本发明专利技术属于应用噪声信号进行状态监测与故障诊断的领域，如汽车、船舶、工程机械、机车、发电机等，特别适合于无法安装各种传感器的复杂机械设备，基于噪声测试的机械故障判别系统及方法，系统由高频麦克风、声卡、PC机、伸缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，高频麦克风采样频率应满足Nyquist定理的要求，声卡连接到PC机，本方法基于能量带提取和分形算法相结合，对机械运行时的噪声信号进行采集和运算处理来测试机械故障，系统设置简单，降低了经济成本，操作上提高了安全性和故障判别的精确性。

【技术实现步骤摘要】

本专利技术属于应用噪声信号进行状态监测与故障诊断的领域，如汽车、船舶、工程机 械、机车、发电机等，特别适合于无法安装各种传感器的复杂机械设备。
技术介绍
针对运转机械进行的机械状态监测与故障诊断技术研究已有较为悠久的历史。利 用振动信号作为主要测试分析手段在内燃机上的应用在20年前就开始了，并已经完成了 一系列重要的基于振动信号的内燃机测试研究，而相对基于声信号的内燃机测试分析未能 引起足够的重视。这主要是因为人们认为通过空气传播的机器声音信号中含有噪声信号， 并极其复杂，而避免信号被噪声污染是比较困难的。尽管如此，利用内燃机的噪声信号进行故障诊断仍有着巨大的吸引力。首先，噪声 采集可以距机器表面一定距离进行，是非接触式测量，提供了安全保障，易于实现离机、无 损、非接触检测，避免了价格昂贵的耐高温耐高压振动采集设备，测试方便易行，对测试场 所基本没有特殊要求；其次，已有研究结果指出噪声测试结果较表面振动对物理变化更 为敏感，即使是极其微小的振声信号的变化，也可以从采集的噪声信号中得到其特性。以上 这些特征，有力地推动了利用声信号进行各种研究的技术的发展。
技术实现思路
，系统由高频麦克风、声卡、PC机、伸 缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，高频麦克风采样频率应满足 Nyquist定理的要求，声卡连接到PC机，本方法基于能量带提取和分形算法相结合，对机械 运行时的噪声信号进行采集和运算处理来测试机械故障，测试步骤如下a.对机械运转相对平稳时产生的噪声进行采样；b.对采集的数据进行预处理；c.信号故障特征提取；d.特征组分的分形分析。对机械运转相对平稳时产生的噪声进行采样，测试环境应设置在背景噪声小、无 共振、无反射、无混响等外界干扰的环境中，测试点选择信号稳定、信噪比高、对故障敏感的 位置，测试距离要保证测量的最佳声能辐射方向和声能的最小测量前衰减，满足声信号有 效长度公式的要求；采样频率应满足Nyquist定理的要求，可适当提高采样频率，以得到更 多的机械运转状态信息；对于运转比较平稳，不同工作循环差别不是很大的机械可以适当 缩短测试时间；对于运转比较粗暴，工作循环差别比较大的机械应尽可能延长测试时间，同 时，在机械刚刚启动时不宜立即采集噪声信号，当机械运行一段时间，整个机械运转相对平 稳后再进行测试；对采集的数据进行如下步骤的预处理bl.基小波参数的优化，Morlet小波定义式为Ψ (t) = exp (-β 2t2/2) cos ( π t),β是控制Morlet基小波形状的唯一参数，β越大，波形衰减越快，直至逼近一个脉冲信号， 同时也使基小波的频率分辨率越高，反之亦然，调整β的实质是对信号时域与频域的分辨 率进行折中。由于最小小波熵对应的基小波就是与特征成分最匹配的小波，因此，在一定范 围内变化β，选择使得信号小波熵最小的β作为最优值；b2.阈值函数的确定，利用一种改进的阈值函数，表达式如下权利要求1.，其特征在于所述系统由高频麦克风、声 卡、PC机、伸缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，声卡连接到PC机， 所诉方法基于能量带提取和分形算法相结合，对机械运行时的噪声信号进行采集和运算处 理来测试机械故障，具体包括以下步骤a.对机械运转相对平稳时产生的噪声进行采样；b.对采集的数据进行预处理；c.信号故障特征提取；d.特征组分的分形分析。2.根据权利要求1所述的，其特征在于对机 械运转相对平稳时产生的噪声进行采样，测试环境应设置在背景噪声小、无共振、无反射、 无混响等外界干扰的环境中，测试点选择信号稳定、信噪比高、对故障敏感的位置，测试距 离要保证测量的最佳声能辐射方向和声能的最小测量前衰减，满足声信号有效长度公式的 要求；采样频率应满足Nyquist定理的要求，可适当提高采样频率，以得到更多的机械运转 状态信息；3.根据权利要求1所述的，其特征在于对采 集的数据进行预处理包括以下步骤bl.基小波参数的优化，Morlet小波定义式为Ψ (t) = exp (-β 2t2/2) cos ( π t), β是 控制Morlet基小波形状的唯一参数，β越大，波形衰减越快，直至逼近一个脉冲信号，同时 也使基小波的频率分辨率越高，反之亦然，调整β的实质是对信号时域与频域的分辨率进 行折中。由于最小小波熵对应的基小波就是与特征成分最匹配的小波，因此，在一定范围内 变化β，选择使得信号小波熵最小的β作为最优值；b2.阈值函数的确定，利用一种改进的阈值函数，表达式如下Λ , ^、 f > δ.)n(Nj)\l\-2~J)，Nj为小波尺度j的小波系数长，。j为小波尺度j层噪声的标准方差；b3.分解层数Ntl的确定，在对信号进行降噪处理时，分解层数Ntl的确定比较重要，过大 的Ntl势必导致计算量的增大，影响进一步的分析；当Ntl比较小时，虽然会减小计算量，易于 实现，但最终的消噪效果并不会很理想，因此，分解层数Ntl的确定是计算效率与消噪效果的 折中考虑；b4.利用bl中的基函数对信号Stl进行Ntl层小波包分解；b5.对每一个小波包分解系数，选择由步骤b2确定的阈值对系数进行阈值量化处理； b6.重构第Ntl层的小波包分解系数和经过量化处理的系数，获得降噪后的信号Sp4.根据权利要求1所述的，其特征在于信号 故障特征提取包括以下步骤cl.时域统计分析，对噪声信号S1进行时域参数统计分析，如均值、方差、偏度、峭度等， 观察各个时域参数对噪声信号的敏感程度，找出对不同工况噪声信号敏感程度最高的时域 参数PQ;c2.频域分析，对噪声信号S1进行频域内的统计分析，如FFT分析，PSD分析等，观察 噪声信号在频域内能量的分布情况，在不同工况下能量分布是否存在明显的差别，能量波 动是集中于某一频率点附近还是分散于某一频率带内；c3.确定分解层数N1,由c2的分析结果确定小波包分解层数N1的大小，尽可能使小波 包节点的频带包含步骤c2中的能量波动频带；c4.根据噪声信号特点，并结合步骤cl和c2的分析结果确定基小波；c5.利用步骤4中的基小波，对噪声信号S1做N1层小波包分解，得到各个节点系数向fi-^l？-^25* “ ？Tf .ce.由节点系数向量Ti,T1,…,T2lh提取各个节点的能量向量Ei^E2,'"9E^i .c7.做不同工况下各个节点能量向量的柱状图，对比观察各节点的故障状态能量向量 相对于正常状态能量向量的波动情况，得到故障状态时能量明显增加的节点即为故障特征 节点，转步骤c9，如果部分节点能量太小而不能观察其能量波动时，转步骤c8 ；c8.设故障状态时某节点能量向量为B，正常状态时某节点能量向量为A，则定义增长 B-A比例Δ为Δ = ~;~Χ100%，由各个节点的增长比例做节点能量增长比例柱状图，由此可以 A清晰判断各个节点能量的波动情况，则能量增长比例为正值，且增长比例较大的即为故障 特征节点；c9.由c7和c8的结果决定连续小波变换的尺度范围及其步长； clO.利用步骤c4中的基小波和步骤c9中的尺度范围，对噪声信号S1做连续小波变换， 得到各个尺度下的连续小波变换系数向量C1, C2,…，Cn，其中η为尺度个数；cll.由连续小波变换系数向量C1, C2本文档来自技高网...

【技术保护点】
基于噪声测试的机械故障判别系统及方法，其特征在于所述系统由高频麦克风、声卡、ＰＣ机、伸缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，声卡连接到ＰＣ机，所诉方法基于能量带提取和分形算法相结合，对机械运行时的噪声信号进行采集和运算处理来测试机械故障，具体包括以下步骤：ａ．对机械运转相对平稳时产生的噪声进行采样；ｂ．对采集的数据进行预处理；ｃ．信号故障特征提取；ｄ．特征组分的分形分析。

【技术特征摘要】

【专利技术属性】
技术研发人员：廖世勇，陈军堂，程前，李海明，甘剑锋，陈强，王华清，
申请(专利权)人：中国人民解放军重庆通信学院，
类型：发明
国别省市：85