一種基于小波分解和譜峭度的包絡(luò)分析方法
【專利摘要】本發(fā)明公開了一種基于小波分解和譜峭度的包絡(luò)分析方法，該方法首先利用小波分解方法對(duì)原始信號(hào)進(jìn)行分解，然后利用數(shù)據(jù)的重排和替代操作排除分解結(jié)果中的噪聲分量和趨勢(shì)項(xiàng)，接著再采用譜峭度方法對(duì)第一次濾波后的信號(hào)進(jìn)行分析，得到最優(yōu)濾波器的中心頻率和帶寬，然后利用該濾波器對(duì)第一次濾波后的信號(hào)再進(jìn)行第二次濾波，然后采用三次樣條迭代平滑包絡(luò)分析方法對(duì)第二次濾波后的信號(hào)進(jìn)行包絡(luò)分析，最后根據(jù)包絡(luò)譜確定旋轉(zhuǎn)機(jī)械的故障類型。本發(fā)明適合于處理復(fù)雜的旋轉(zhuǎn)機(jī)械故障信號(hào)，能夠準(zhǔn)確地判定出旋轉(zhuǎn)機(jī)械的故障類型，具有良好的抗噪性和魯棒性，便于工程應(yīng)用。
【專利說明】
一種基于小波分解和譜峭度的包絡(luò)分析方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷領(lǐng)域，具體涉及一種基于小波分解和譜 峭度的包絡(luò)分析方法。
【背景技術(shù)】
[0002] 包絡(luò)分析技術(shù)廣泛應(yīng)用于齒輪和滾動(dòng)軸承的故障診斷中?，F(xiàn)有的包絡(luò)分析技術(shù)有 下面三個(gè)缺陷:①現(xiàn)有的包絡(luò)分析技術(shù)或者是直接對(duì)原始信號(hào)進(jìn)行分析，或者是僅對(duì)原始 信號(hào)進(jìn)行簡單的濾波后再進(jìn)行分析，因此現(xiàn)有的方法容易受到噪聲、趨勢(shì)及其它成分的干 擾，從而導(dǎo)致現(xiàn)有技術(shù)的分析精度較低;②現(xiàn)有的包絡(luò)分析技術(shù)是以Hi lbert變換為基礎(chǔ)， 而Hilbert變換要求被分析的信號(hào)必須是單分量的窄帶信號(hào)，否則信號(hào)的頻率調(diào)制部分將 要污染信號(hào)的幅值包絡(luò)分析結(jié)果，但是目前待分析的信號(hào)都不嚴(yán)格滿足單分量且窄帶的條 件，這樣就會(huì)導(dǎo)致現(xiàn)有技術(shù)因精度不高而容易出現(xiàn)誤判問題;③由傳統(tǒng)方法得到的包絡(luò)譜 存在著端點(diǎn)效應(yīng)。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明要解決的問題是針對(duì)以上不足，提出一種基于小波分解和譜峭度的包絡(luò)分 析方法，采用本發(fā)明的包絡(luò)分析方法后，具有分析結(jié)果準(zhǔn)確度和精確度高，并能準(zhǔn)確地檢測(cè) 出旋轉(zhuǎn)機(jī)械故障類型的優(yōu)點(diǎn)。
[0004] 為解決以上技術(shù)問題，本發(fā)明采取的技術(shù)方案如下：一種基于小波分解和譜峭度 的包絡(luò)分析方法，其特征在于，包括以下步驟： 步驟1:利用加速度傳感器以采樣頻率fs測(cè)取旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)x(k)，（k=l，2， …，N)，N為采樣信號(hào)的長度； 步驟2:采用小波分解算法將信號(hào)x(k)分解成η個(gè)分量和一個(gè)趨勢(shì)項(xiàng)之和，即
，其中，Cl(k)代表由小波分解算法得到的第i個(gè)分量，r n(k)代 表由小波分解算法得到的趨勢(shì)項(xiàng);本例中n=l 5; 步驟3:對(duì)(^(10執(zhí)行重排操作和替代操作，經(jīng)重排操作得到的數(shù)據(jù)用Clshuffle(k)表示， 替代操作后得到數(shù)據(jù)用ClFTran(k)表示； 步驟4:對(duì)(^(。、^^^^和^~"^分別執(zhí)行多重分形去趨勢(shì)波動(dòng)分析 (Multifractal Detrended Fluctuation Analysis, MFDFA)，得到廣義Hurst指數(shù)曲線，Ci (k)的廣義Hurst指數(shù)曲線用Hi(q)表示；Cishuffle(k)的廣義Hurst指數(shù)曲線用Hi shuffle(q)表 示;CiFTran(k)的廣義Hurst指數(shù)曲線用Hi FTran(q)表示； 步驟5:如果Hi(q)與Hishuffle(q)或Hi(q)與HiFTl:an(q)之間的相對(duì)誤差小于5%，或者Hi (q)、Hishuffle(q)和HiFTran(q)三者都不隨q而變化，則拋棄對(duì)應(yīng)的 Ci(k)分量； 步驟6:對(duì)剩余的(^(10分量求和，將該和記為信號(hào)經(jīng)重排和替代濾波后的結(jié)果Xfl(k); 步驟7:對(duì)Xfl (k)執(zhí)行譜峭度分析，求出信號(hào)峭度最大處所對(duì)應(yīng)的中心頻率fQ和帶寬B; 步驟8:根據(jù)中心頻率fo和帶寬B對(duì)xfi(k)進(jìn)行帶通濾波，得到Xf2(k); 步驟9:對(duì)信號(hào)xf2(k)執(zhí)行三次樣條迭代平滑包絡(luò)分析，得到信號(hào)包絡(luò)e〇v(k); 步驟10:對(duì)得到的信號(hào)包絡(luò)e〇v(k)執(zhí)行離散傅里葉變換得到包絡(luò)譜，根據(jù)包絡(luò)譜特征 頻率判斷機(jī)器的故障類型。
[0005] -種優(yōu)化方案，所述步驟2中小波分解算法包括以下步驟： 1) 第1層小波分解:對(duì)x(t)，（t=l，2,…，N)，執(zhí)行小波分解
上式中，g[k]和h[k]分別為低通濾波器和高通濾波器，Xl,L[nWP Xl,H[n]分別為信號(hào)X (t)經(jīng)低通濾波器和高通濾波器濾波后的結(jié)果，Xl,H[n]稱為第1層小波分解系數(shù)， Xl,L[n]為 第1層小波分解得到的待分解信號(hào)；在第1層小波分解中，x(t)代表權(quán)利要求1所述步驟2中 x(k); 2) 第2層小波分解:把1^[11]作為新數(shù)據(jù)，再次執(zhí)行上述步驟1)
x2,H[n]稱為第2層小波分解系數(shù)，Χ2>?[η]為第2層小波分解得到的待分解信號(hào)； 3) 第p次小波分解:在第p次小波分解時(shí)，把xp+dn]作為新數(shù)據(jù)，再次執(zhí)行上述步驟 1)，最終將原始信號(hào)分解為如下形式：
；，Cl(t)代表第i層小波分 解系數(shù)，rP(t)代表第p層待分解信號(hào)；；在第p次小波分解時(shí)，
[0006] 進(jìn)一步地，所述步驟3中數(shù)據(jù)重排操作包括以下步驟： 隨機(jī)打亂分量Cl(k)的排列順序。
[0007] 進(jìn)一步地，所述步驟3中數(shù)據(jù)替代操作包括以下步驟： 1) 對(duì)分量Ci(k)執(zhí)行離散傅里葉變換，獲得分量Ci(k)的相位； 2) 用一組位于(-31,31)區(qū)間內(nèi)的偽獨(dú)立同分布數(shù)來代替分量(^(1〇的原始相位； 3) 對(duì)經(jīng)過相位替代后的頻域數(shù)據(jù)執(zhí)行離散傅里葉逆變換得到數(shù)據(jù)ClIFFT(k)，求取數(shù) 據(jù) ClIFFT(k)的實(shí)部。
[0008] 進(jìn)一步地，所述步驟4中MFDFA方法包括以下步驟： 1)構(gòu)造 x(k)(k=l，2，···，N)的輪廓Y(i):
x(k)代表權(quán)利要求1所述步驟4中的Ci(k)或Cishuffle(k)或 CiFTran(k); 2) 將信號(hào)輪廓Y(i)分成不重疊的Ns段長度為s的數(shù)據(jù)，由于數(shù)據(jù)長度N通常不能整除s， 所以會(huì)剩余一段數(shù)據(jù)不能利用； 為了充分利用數(shù)據(jù)的長度，再從數(shù)據(jù)的反方向以相同的長度分段，這樣一共得到2NS段 數(shù)據(jù)； 3) 利用最小二乘法擬合每段數(shù)據(jù)的多項(xiàng)式趨勢(shì)，然后計(jì)算每段數(shù)據(jù)的方差：
yv(i)為擬合的第v段數(shù)據(jù)的趨勢(shì)，若擬合的多項(xiàng)式趨勢(shì)為m階，則記該去趨勢(shì)過程為 (MF-)DFAm;本例中，m=l; 4) 計(jì)算第q階波動(dòng)函數(shù)的平均值：
5) 如果x(k)存在自相似特征，則第q階波動(dòng)函數(shù)的平均值Fq(s)和時(shí)間尺度s之間存在 舉律關(guān)系：
當(dāng)q=〇時(shí)，步驟4)中的公式發(fā)散，這時(shí)H(0)通過下式所定義的對(duì)數(shù)平均過程來確定：
6) 對(duì)步驟5)中的公式兩邊取對(duì)數(shù)可得In[Fq( s) ] =H(q) In(s) +c(c為常數(shù)），由此可以獲 得直線的斜率H(q)。
[0009]進(jìn)一步地，所述步驟7中譜峭度方法： 1) 構(gòu)造一個(gè)截止頻率為fc=〇. 125+ε的低通濾波器h(n); ε>0，本例中fc=0.3 ; 2) 基于h(n)構(gòu)造通頻帶為[0，0.25]的準(zhǔn)低通濾波器hQ(n)和通頻帶為[0.25，0.5]的 準(zhǔn)高通濾波器hKn)，
3) 信號(hào)(Λ(η)經(jīng)h〇(n)、1η(η)濾波并降采樣后分解成低頻部分c2lk+1(n)和高頻部分 c2l+1k+1(n)，降采樣的因子為2,再經(jīng)多次迭代濾波后形成濾波器樹，第k層有2k個(gè)頻帶，其中 (Λ(η)表示濾波器樹中第k層上的第i個(gè)濾波器的輸出信號(hào)，i=0，···，2 k-l，0彡k彡K-1，本例 中K=8;c〇 (η)代表權(quán)利要求1所述步驟7中xfi(k); 4) 分解樹中第k層上的第i個(gè)濾波器的中心頻率fkl和帶寬Bk分別為
5) 計(jì)算每一個(gè)濾波器結(jié)果(Λ(η)( i=0,…，2k-l)的峭度 6) 將所有的譜峭度匯總，得到信號(hào)總的譜峭度。
[0010]進(jìn)一步地，所述步驟9中的三次樣條迭代平滑包絡(luò)分析方法包括以下步驟： 1) 計(jì)算信號(hào)zU)的絕對(duì)值uu)i的局部極值;在第1次迭代中，zU)代表權(quán)利要求1所 述步驟9中Xf2(k); 2) 采用三次樣條曲線擬合局部極值點(diǎn)得到包絡(luò)線e〇Vl(k); 3) 對(duì)zU)進(jìn)行歸一化處理得到：
4) 第2次迭代：把^(1)重新作為新數(shù)據(jù)，重復(fù)執(zhí)行上述步驟1)~3)，得到
5) 第i次迭代：把u^ U)重新作為新數(shù)據(jù)，重復(fù)執(zhí)行上述步驟1)~3)，得到
6) 如果第/3次迭代得到的&U)的幅值小于或等于1，則迭代過程停止，最后得到信號(hào)z U)的包絡(luò)為'
[0011]本發(fā)明采用以上技術(shù)方案，與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)： 1)利用小波分解對(duì)原始信號(hào)進(jìn)行分解，然后利用數(shù)據(jù)的重排和替代操作排除其中的噪 聲和趨勢(shì)分量，僅僅保留信號(hào)分量中的有用成分，從而避免了噪聲和趨勢(shì)分量對(duì)包絡(luò)分析 結(jié)果的影響，分析結(jié)果準(zhǔn)確度和精確度高。
[0012] 2)利用三次樣條迭代平滑包絡(luò)分析方法將信號(hào)包絡(luò)與頻率調(diào)制部分完全分離，能 夠避免頻率調(diào)制部分對(duì)信號(hào)包絡(luò)分析結(jié)果的影響，從而提高包絡(luò)分析的精度。
[0013] 3)能夠準(zhǔn)確地檢測(cè)出旋轉(zhuǎn)機(jī)械的故障類型。
[0014] 4)由傳統(tǒng)方法得到的包絡(luò)譜存在端點(diǎn)效應(yīng)，而由本發(fā)明得到的包絡(luò)譜能夠避免 端點(diǎn)效應(yīng)。
[0015] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步說明。
【附圖說明】
[0016] 附圖1為本發(fā)明實(shí)施例中本發(fā)明方法的流程圖； 附圖2為本發(fā)明實(shí)施例中采用低通濾波器和高通濾波器對(duì)信號(hào)進(jìn)行初步分解的示意 圖； 附圖3為本發(fā)明實(shí)施例中采用樹狀濾波器結(jié)構(gòu)快速計(jì)算譜峭度的示意圖； 附圖4為本發(fā)明實(shí)施例中具有內(nèi)圈故障的滾動(dòng)軸承振動(dòng)信號(hào)； 附圖5為本發(fā)明實(shí)施例中采用傳統(tǒng)包絡(luò)分析方法對(duì)內(nèi)圈故障滾動(dòng)軸承振動(dòng)信號(hào)的分析 結(jié)果； 附圖6為本發(fā)明實(shí)施例中本發(fā)明對(duì)內(nèi)圈故障滾動(dòng)軸承振動(dòng)信號(hào)的分析結(jié)果； 附圖7為本發(fā)明實(shí)施例中具有外圈故障的滾動(dòng)軸承振動(dòng)信號(hào)； 附圖8為本發(fā)明實(shí)施例中采用傳統(tǒng)包絡(luò)分析方法對(duì)外圈故障滾動(dòng)軸承振動(dòng)信號(hào)的分析 結(jié)果； 附圖9為本發(fā)明實(shí)施例中本發(fā)明對(duì)外圈故障滾動(dòng)軸承振動(dòng)信號(hào)的分析結(jié)果。
【具體實(shí)施方式】
[0017] 實(shí)施例，如圖1、圖2、圖3所示，一種基于小波分解和譜峭度的包絡(luò)分析方法，包括 以下步驟： 步驟1:利用加速度傳感器以采樣頻率fs測(cè)取旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)x(k)，（k=l，2， …，N)，N為采樣信號(hào)的長度； 步驟2:采用小波分解算法將信號(hào)x(k)分解成η個(gè)分量和一個(gè)趨勢(shì)項(xiàng)之和，即
，其中，Cl(k)代表由小波分解算法得到的第i個(gè)分量，r n(k)代 表由小波分解算法得到的趨勢(shì)項(xiàng);本例中n=l 5; 步驟3:對(duì)(^(10執(zhí)行重排操作和替代操作，經(jīng)重排操作得到的數(shù)據(jù)用Clshuffle(k)表示， 替代操作后得到數(shù)據(jù)用ClFTran(k)表示； 步驟4:對(duì)(^(。、^^^^和^~"^分別執(zhí)行多重分形去趨勢(shì)波動(dòng)分析 (Multifractal Detrended Fluctuation Analysis, MFDFA)，得到廣義Hurst指數(shù)曲線，Ci (k)的廣義Hurst指數(shù)曲線用Hi(q)表示；Cishuffle(k)的廣義Hurst指數(shù)曲線用Hi shuffle(q)表 示;CiFTran(k)的廣義Hurst指數(shù)曲線用Hi FTran(q)表示； 步驟5:如果Hi(q)與Hishuffle(q)或Hi(q)與HiFTl:an(q)之間的相對(duì)誤差小于5%，或者Hi (q)、H產(chǎn)ffle(q)和Η/ΤΜη((?)三者都不隨q而變化，則拋棄對(duì)應(yīng)的(^(10分量； 步驟6:對(duì)剩余的(^(10分量求和，將該和記為信號(hào)經(jīng)重排和替代濾波后的結(jié)果Xfl(k); 步驟7:對(duì)Xfl ( k)執(zhí)行譜峭度分析，求出信號(hào)峭度最大處所對(duì)應(yīng)的中心頻率fo和帶寬B; 步驟8:根據(jù)中心頻率fo和帶寬B對(duì)Xfi(k)進(jìn)行帶通濾波，得到Xf2(k); 步驟9:對(duì)信號(hào)xf2(k)執(zhí)行三次樣條迭代平滑包絡(luò)分析，得到信號(hào)包絡(luò)e〇v(k); 步驟10:對(duì)得到的信號(hào)包絡(luò)e〇v(k)執(zhí)行離散傅里葉變換得到包絡(luò)譜，根據(jù)包絡(luò)譜特征 頻率判斷機(jī)器的故障類型。
[0018] 步驟2中小波分解算法包括以下步驟： 1) 第1層小波分解:對(duì)x(t)，（t=l，2,…，N)，執(zhí)行小波分解
上式中，g[k]和h[k]分別為低通濾波器和高通濾波器，Xl,L[nWP Xl,H[n]分別為信號(hào)X (t)經(jīng)低通濾波器和高通濾波器濾波后的結(jié)果，Xl,H[n]稱為第1層小波分解系數(shù)， Xl,L[n]為 第1層小波分解得到的待分解信號(hào)；在第1層小波分解中，x(t)代表權(quán)利要求1所述步驟2中 x(k); 2) 第2層小波分解:把1^[11]作為新數(shù)據(jù)，再次執(zhí)行上述步驟1)
x2,H[n]稱為第2層小波分解系數(shù)，Χ2>?[η]為第2層小波分解得到的待分解信號(hào)； 3) 第p次小波分解:在第p次小波分解時(shí)，把xp+dn]作為新數(shù)據(jù)，再次執(zhí)行上述步驟 1)，最終將原始信號(hào)分解為如下形式：
，Cl(t)代表第i層小波分
解系數(shù)，rP(t)代表第p層待分解信號(hào)；；在第p次小波分解時(shí)，
[0019] 步驟3中數(shù)據(jù)重排操作包括以下步驟： 隨機(jī)打亂分量Cl(k)的排列順序。
[0020] 步驟3中數(shù)據(jù)替代操作包括以下步驟： 1) 對(duì)分量Ci(k)執(zhí)行離散傅里葉變換，獲得分量Ci(k)的相位； 2) 用一組位于(-31,31)區(qū)間內(nèi)的偽獨(dú)立同分布數(shù)來代替分量(^(1〇的原始相位； 3) 對(duì)經(jīng)過相位替代后的頻域數(shù)據(jù)執(zhí)行離散傅里葉逆變換得到數(shù)據(jù)ClIFFT(k)，求取數(shù) 據(jù) ClIFFT(k)的實(shí)部。
[0021] 步驟4中MFDFA方法包括以下步驟： 1) 構(gòu)造 x(k)(k=l，2，···，N)的輪廓Y(i):
x(k)代表權(quán)利要求1所述步驟4中的Ci(k)或Cishuffle(k)或 CiFTran(k); 2) 將信號(hào)輪廓Y(i)分成不重疊的Ns段長度為s的數(shù)據(jù)，由于數(shù)據(jù)長度N通常不能整除s， 所以會(huì)剩余一段數(shù)據(jù)不能利用； 為了充分利用數(shù)據(jù)的長度，再從數(shù)據(jù)的反方向以相同的長度分段，這樣一共得到2NS段 數(shù)據(jù)； 3) 利用最小二乘法擬合每段數(shù)據(jù)的多項(xiàng)式趨勢(shì)，然后計(jì)算每段數(shù)據(jù)的方差：
yv(i)為擬合的第v段數(shù)據(jù)的趨勢(shì)，若擬合的多項(xiàng)式趨勢(shì)為m階，則記該去趨勢(shì)過程為 (MF-)DFAm;本例中，m=l; 4) 計(jì)算第q階波動(dòng)函數(shù)的平均值：
5) 如果x(k)存在自相似特征，則第q階波動(dòng)函數(shù)的平均值Fq(s)和時(shí)間尺度s之間存在 舉律關(guān)系：
當(dāng)q=〇時(shí)，步驟4)中的公式發(fā)散，這時(shí)H(0)通過下式所定義的對(duì)數(shù)平均過程來確定：
6) 對(duì)步驟5)中的公式兩邊取對(duì)數(shù)可得In[Fq( s) ] =H(q) In(s) +c(c為常數(shù)），由此可以獲 得直線的斜率H(q)。
[0022] 步驟7中譜峭度方法： 1) 構(gòu)造一個(gè)截止頻率為fc=〇. 125+ε的低通濾波器h(n); ε>0，本例中fc=0.3 ; 2) 基于h(n)構(gòu)造通頻帶為[0，0.25]的準(zhǔn)低通濾波器hQ(n)和通頻帶為[0.25，0.5]的 準(zhǔn)高通濾波器hKn)，
3) 信號(hào)(Λ(η)經(jīng)h〇(n)、1η(η)濾波并降采樣后分解成低頻部分c2lk+1(n)和高頻部分 c2l+1k+1(n)，降采樣的因子為2,再經(jīng)多次迭代濾波后形成濾波器樹，第k層有2k個(gè)頻帶，其中 (Λ(η)表示濾波器樹中第k層上的第i個(gè)濾波器的輸出信號(hào)，i=0，···，2 k-l，0彡k彡K-1，本例 中K=8;c〇 (η)代表權(quán)利要求1所述步驟7中xfi(k); 4) 分解樹中第k層上的第i個(gè)濾波器的中心頻率fkl和帶寬Bk分別為
5) 計(jì)算每一個(gè)濾波器結(jié)果(Λ(η)( i=0,…，2k-l)的峭度
6) 將所有的譜峭度匯總，得到信號(hào)總的譜峭度。
[0023]步驟9中的三次樣條迭代平滑包絡(luò)分析方法包括以下步驟： 1) 計(jì)算信號(hào)zU)的絕對(duì)值uu)i的局部極值;在第1次迭代中，zU)代表權(quán)利要求1所 述步驟9中Xf2(k); 2) 采用三次樣條曲線擬合局部極值點(diǎn)得到包絡(luò)線e〇Vl(k); 3) 對(duì)zU)進(jìn)行歸一化處理得到
4) 第2次迭代：把^(1)重新作為新數(shù)據(jù)，重復(fù)執(zhí)行上述步驟1)~3)，得到
5) 第i次迭代：把u^ U)重新作為新數(shù)據(jù)，重復(fù)執(zhí)行上述步驟1)~3)，得到
6) 如果第/3次迭代得到的&U)的幅值小于或等于1，則迭代過程停止，最后得到信號(hào)z U)的包絡(luò)為'
[0024]試驗(yàn)1，利用具有內(nèi)圈故障的滾動(dòng)軸承振動(dòng)數(shù)據(jù)對(duì)本發(fā)明所述算法的性能進(jìn)行驗(yàn) 證。
[0025] 實(shí)驗(yàn)所用軸承為6205-2RS JEM SKF，利用電火花加工方法在軸承內(nèi)圈上加工深度 為0.2794mm、寬度為0.3556mm的凹槽來模擬軸承內(nèi)圈故障，本實(shí)驗(yàn)負(fù)載約為0.7457kW，驅(qū)動(dòng) 電機(jī)轉(zhuǎn)頻約為29.5Hz，軸承內(nèi)圈故障特征頻率約為160Hz，采樣頻率為4.8KHz，信號(hào)采樣時(shí) 長為Is。
[0026] 采集到的內(nèi)圈故障信號(hào)如圖4所示。
[0027] 首先采用傳統(tǒng)的包絡(luò)分析方法對(duì)圖4所示的信號(hào)進(jìn)行分析，得到的分析結(jié)果如圖5 所示。從圖5可以看出，軸承的故障特征完全被掩蓋，因此傳統(tǒng)的包絡(luò)分析方法不能有效地 提取軸承的故障特征;此外，從圖5可以看出，包絡(luò)譜的左端點(diǎn)存在著異常高值，這說明由傳 統(tǒng)方法得到的包絡(luò)譜存在著端點(diǎn)效應(yīng)。
[0028] 采用本發(fā)明所提出的方法對(duì)圖4所示的信號(hào)進(jìn)行分析，得到的分析結(jié)果如圖6所 示。從圖6可以看出，160Hz和320Hz所對(duì)應(yīng)的譜線明顯高于其它譜線，這兩個(gè)頻率分別對(duì)應(yīng) 軸承內(nèi)圈故障特征頻率的1倍頻和2倍頻，據(jù)此可以判斷軸承具有內(nèi)圈故障；從圖6可以看 出，由本發(fā)明得到的包絡(luò)譜沒有端點(diǎn)效應(yīng)。
[0029] 經(jīng)多次實(shí)驗(yàn)表明，在負(fù)載和故障尺寸深度不變的情況下，本發(fā)明能夠可靠識(shí)別的 最小內(nèi)圈故障尺寸寬度約為0.23mm，而傳統(tǒng)方法能夠可靠識(shí)別的最小內(nèi)圈故障尺寸寬度約 為0 · 53mm，精度提高56 · 6%〇
[0030] 試驗(yàn)2,利用具有外圈故障的滾動(dòng)軸承振動(dòng)數(shù)據(jù)對(duì)本發(fā)明所述算法的性能進(jìn)行驗(yàn) 證。
[0031] 實(shí)驗(yàn)所用軸承為6205-2RS JEM SKF，利用電火花加工方法在軸承外圈上加工深度 為0.2794mm、寬度為0.5334mm的凹槽來模擬軸承外圈故障，本實(shí)驗(yàn)負(fù)載約為2.237 kW，驅(qū)動(dòng) 電機(jī)轉(zhuǎn)頻約為28.7Hz，軸承外圈故障特征頻率約為103Hz，采樣頻率為4.8KHz，信號(hào)采樣時(shí) 長為Is。
[0032] 采集到的外圈故障信號(hào)如圖7所示。
[0033] 首先采用傳統(tǒng)的包絡(luò)分析方法對(duì)圖7所示的信號(hào)進(jìn)行分析，得到的分析結(jié)果如圖8 所示。從圖8可以看出，軸承的故障特征完全被掩蓋，因此傳統(tǒng)的包絡(luò)分析方法不能有效地 提取軸承的故障特征;此外，從圖8可以看出，包絡(luò)譜的左端點(diǎn)存在著異常高值，這說明由傳 統(tǒng)方法得到的包絡(luò)譜存在著端點(diǎn)效應(yīng)。
[0034] 采用本發(fā)明所提出的方法對(duì)圖7所示的信號(hào)進(jìn)行分析，得到的分析結(jié)果如圖9所 示。從圖9可以看出，103Hz和206Hz所對(duì)應(yīng)的譜線明顯高于其它譜線，這兩個(gè)頻率分別對(duì)應(yīng) 軸承外圈故障特征頻率的1倍頻和2倍頻，據(jù)此可以判斷軸承具有外圈故障；從圖9可以看 出，由本發(fā)明得到的包絡(luò)譜沒有端點(diǎn)效應(yīng)。
[0035] 經(jīng)多次實(shí)驗(yàn)表明，在負(fù)載和故障尺寸深度不變的情況下，本發(fā)明能夠可靠識(shí)別的 最小外圈故障尺寸寬度約為0.33mm，而傳統(tǒng)方法能夠可靠識(shí)別的最小外圈故障尺寸寬度約 為0 · 68mm，精度提高51 · 5%〇
[0036]根據(jù)試驗(yàn)結(jié)果，分析后認(rèn)為： 1)傳統(tǒng)的包絡(luò)分析方法直接對(duì)原始信號(hào)進(jìn)行包絡(luò)分析，或者對(duì)僅經(jīng)過簡單處理后的 原始信號(hào)進(jìn)行包絡(luò)分析，與傳統(tǒng)的包絡(luò)分析方法不同，本發(fā)明首先利用小波分解對(duì)原始信 號(hào)進(jìn)行分解，然后利用數(shù)據(jù)的重排和替代操作排除其中的噪聲和趨勢(shì)分量，僅僅保留信號(hào) 分量中的有用成分，從而避免了噪聲和趨勢(shì)分量對(duì)包絡(luò)分析結(jié)果的影響，提高了準(zhǔn)確度和 精確度。
[0037] 2)傳統(tǒng)的包絡(luò)分析方法以Hilbert變換為基礎(chǔ)，而Hilbert變換要求被分析的信 號(hào)必須是單分量的窄帶信號(hào)，否則信號(hào)的頻率調(diào)制部分將要污染信號(hào)的包絡(luò)分析結(jié)果，但 是目前待分析的信號(hào)都不嚴(yán)格滿足單分量且窄帶的條件，這樣就會(huì)導(dǎo)致現(xiàn)有技術(shù)因精度不 高而容易出現(xiàn)誤判問題，與傳統(tǒng)包絡(luò)分析方法不同，本發(fā)明利用三次樣條迭代平滑包絡(luò)分 析方法將信號(hào)包絡(luò)與頻率調(diào)制部分完全分離，能夠避免頻率調(diào)制部分對(duì)信號(hào)包絡(luò)分析結(jié)果 的影響，從而提尚包絡(luò)分析的精度。
[0038] 3)能夠準(zhǔn)確地檢測(cè)出旋轉(zhuǎn)機(jī)械的故障類型。
[0039] 4)由傳統(tǒng)方法得到的包絡(luò)譜存在端點(diǎn)效應(yīng)，而由本發(fā)明得到的包絡(luò)譜能夠避免 端點(diǎn)效應(yīng)。
[0040] 5)各步驟作用： 第1)步:采集振動(dòng)信號(hào)； 第2)步:將原始信號(hào)分解成不同分量和的形式，其中有些分量對(duì)應(yīng)噪聲和趨勢(shì)項(xiàng)，有些 分量對(duì)應(yīng)有用信號(hào)； 第3)~5)步:對(duì)上述分解得到的信號(hào)執(zhí)行重排操作和替代操作，剔除其中的噪聲分量和 趨勢(shì)項(xiàng)，只保留有用信號(hào)； 第6)步:將剩余的有用信號(hào)求和，將該和作為信號(hào)經(jīng)重排和替代濾波后的結(jié)果xfl(k); 第7)步:對(duì)濾波后的信號(hào)xfl(k)執(zhí)行譜峭度分析，求出信號(hào)最大峭度處對(duì)應(yīng)的中心頻 率fo和帶寬B; 第8)步:根據(jù)中心頻率fo和帶寬B對(duì)Xfl(k)進(jìn)行帶通濾波，得到信號(hào)Xf2(k); 第9)步:計(jì)算信號(hào)Xf2(k)的包絡(luò)eov(k); 第10)步:對(duì)eov(k)執(zhí)行離散傅里葉變換得到包絡(luò)譜，根據(jù)包絡(luò)譜判斷軸承的故障類 型。
[0041] 本領(lǐng)域技術(shù)人員應(yīng)該認(rèn)識(shí)到，上述的【具體實(shí)施方式】只是示例性的，是為了使本領(lǐng) 域技術(shù)人員能夠更好的理解本
【發(fā)明內(nèi)容】
，不應(yīng)理解為是對(duì)本發(fā)明保護(hù)范圍的限制，只要是 根據(jù)本發(fā)明技術(shù)方案所作的改進(jìn)，均落入本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于，包括W下步驟： 步驟1:利用加速度傳感器W采樣頻率fs測(cè)取旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)x(k), (k=l, 2， ???，N)，N為采樣信號(hào)的長度； 步驟2:采用小波分解算法將信號(hào)x(k)分解成η個(gè)分量和一個(gè)趨勢(shì)項(xiàng)之和，即，其中，Ci(k)代表由小波分解算法得到的第i個(gè)分量，rn(k)代 表由小波分解算法得到的趨勢(shì)項(xiàng)； 步驟3:對(duì)Cl化)執(zhí)行重排操作和替代操作，經(jīng)重排操作得到的數(shù)據(jù)用CiShuffle(k)表示， 替代操作后得到數(shù)據(jù)用CiPTtan(k)表示； 步驟4:對(duì)(：1(10、(3134^116(1〇和(31"了'3"(4)分別執(zhí)行多重分形去趨勢(shì)波動(dòng)分析 (Multifractal Detrended Fluctuation Analysis, Μ抑FA)，得到廣義Hurst指數(shù)曲線，Ci (k)的廣義Hurst指數(shù)曲線用出（q)表示；CiShuffie(k)的廣義Hurst指數(shù)曲線用出shuffie(q)表 示;C iFhan化)的廣義化r S t指數(shù)曲線用出Fhan ( q )表示. 步驟5:如果出（q)與出shuffie(q)或出（q)與出PTfan(q)之間的相對(duì)誤差小于5%，或者出 (q)、出shuffle(q)和出"^"(9)立者都不隨q而變化，則拋棄對(duì)應(yīng)的?；?分量. 步驟6:對(duì)剩余的Cl化)分量求和，將該和記為信號(hào)經(jīng)重排和替代濾波后的結(jié)果Xfi(k); 步驟7:對(duì)Xfi(k)執(zhí)行譜峭度分析，求出信號(hào)峭度最大處所對(duì)應(yīng)的中屯、頻率fo和帶寬B; 步驟8:根據(jù)中屯、頻率fo和帶寬B對(duì)Xfl(k)進(jìn)行帶通濾波，得到Xf2(k); 步驟9:對(duì)信號(hào)W2(k)執(zhí)行Ξ次樣條迭代平滑包絡(luò)分析，得到信號(hào)包絡(luò)eoWk); 步驟10:對(duì)得到的信號(hào)包絡(luò)eov(k)執(zhí)行離散傅里葉變換得到包絡(luò)譜，根據(jù)包絡(luò)譜特征 頻率判斷機(jī)器的故障類型。2. 根據(jù)權(quán)利要求1所述的一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于，所 述步驟2中小波分解算法包括W下步驟： 1) 第1層小波分解:對(duì)x(t)，（t=l，2,…，N)，執(zhí)行小波分解2) 第2層小波分解:把XI,L[n]作為新數(shù)據(jù)，再次執(zhí)行上述步驟1)3) 第P次小波分解:在第P次小波分解時(shí)，把Xp-i,L[n]作為新數(shù)據(jù)，再次執(zhí)行上述步驟 1)，最終將原始信號(hào)分解為如下形式Ci(t)代表第i層小波分 解系數(shù)，rp(t)代表第P層待分解信號(hào)；在第P次小波分解時(shí)3. 根據(jù)權(quán)利要求1所述的一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于，所 述步驟3中數(shù)據(jù)重排操作包括W下步驟： 隨機(jī)打亂分量Ci(k)的排列順序。4. 根據(jù)權(quán)利要求1所述的一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于:所 述步驟3中數(shù)據(jù)替代操作包括W下步驟： 1 )對(duì)分量Ci化)執(zhí)行離散傅里葉變換，獲得分量Ci化)的相位； 2) 用一組位于(-31,31)區(qū)間內(nèi)的偽獨(dú)立同分布數(shù)來代替分量Cl化)的原始相位； 3) 對(duì)經(jīng)過相位替代后的頻域數(shù)據(jù)執(zhí)行離散傅里葉逆變換得到數(shù)據(jù)CiiwT化），求取數(shù)據(jù) CiiwT化)的實(shí)部。5. 根據(jù)權(quán)利要求1所述的一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于:所 述步驟4中MFDFA方法包括W下步驟： 1) 構(gòu)造 X化)Α=1，2，···，Ν)的輪廓 Y(i):2) 將信號(hào)輪廓Y(i)分成不重疊的化段長度為S的數(shù)據(jù)，從數(shù)據(jù)的反方向W相同的長度分 段，得到2化段數(shù)據(jù)； 3) 利用最小二乘法擬合每段數(shù)據(jù)的多項(xiàng)式趨勢(shì)，然后計(jì)算每段數(shù)據(jù)的方差：yv(i)為擬合的第V段數(shù)據(jù)的趨勢(shì)，若擬合的多項(xiàng)式趨勢(shì)為m階，則記該去趨勢(shì)過程為 (MF-)DFAm； 4) 計(jì)算第q階波動(dòng)函數(shù)的平均值：5) 如果X化)存在自相似特征，則第q階波動(dòng)函數(shù)的平均值Fq(s)和時(shí)間尺度S之間存在幕 律關(guān)系：當(dāng)q=〇時(shí)，步驟4)中的公式發(fā)散，運(yùn)時(shí)H(0)通過下式所定義的對(duì)數(shù)平均過程來確定：6)對(duì)步驟5)中的公式兩邊取對(duì)數(shù)可得ln[Fq(s)]=H(q)ln(s)+c(c為常數(shù)），由此可W獲 得直線的斜率H(q)。6. 根據(jù)權(quán)利要求1所述的一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于:所 述步驟7中譜峭度方法： 1)構(gòu)造一個(gè)截止頻率為fc=〇. 125+ε的低通濾波器h(n); 2)基于h(n)構(gòu)造通頻帶為[0, 0.2引的準(zhǔn)低通濾波器h〇(n)和通頻帶為[0.25, 0.5]的 準(zhǔn)高通濾波器hi(n)，3) 信號(hào)(Λ(η)經(jīng)h〇(n)、hi(n)濾波并降采樣后分解成低頻部分c2Vi(n)和高頻部分c2i +Vi(n)，降采樣的因子為2,再經(jīng)多次迭代濾波后形成濾波器樹，第k層有2k個(gè)頻帶，其中(Λ (η)表示濾波器樹中第k層上的第i個(gè)濾波器的輸出信號(hào)，i=0，…，2k-l，〇《k《K-l; 4) 分解樹中第k層上的第i個(gè)濾波器的中屯、頻率fki和帶寬化分別為5) 計(jì)算每一個(gè)濾波器結(jié)果(Λ(η)( i=0,…，2k-l)的峭度6) 將所有的譜峭度匯總，得到信號(hào)總的譜峭度。7. 根據(jù)權(quán)利要求1所述的一種基于小波分解和譜峭度的包絡(luò)分析方法，其特征在于，所 述步驟9中的Ξ次樣條迭代平滑包絡(luò)分析方法包括W下步驟： 1) 計(jì)算信號(hào)如0的絕對(duì)值UU) I的局部極值； 2) 采用Ξ次樣條曲線擬合局部極值點(diǎn)得到包絡(luò)線eovi化）； 3) 對(duì)如0進(jìn)行歸一化處理得到4) 第2次迭代：把zi(A)重新作為新數(shù)據(jù)，重復(fù)執(zhí)行上述步驟1)~3)，得到5) 第i次迭代：把Zj-iU)重新作為新數(shù)據(jù)，重復(fù)執(zhí)行上述步驟1)~3)，得到6) 如果第η次迭代得到的的幅值小于或等于1，則迭代過程停止，最后得到信號(hào)Z (W的包絡(luò)為^
【文檔編號(hào)】G06F17/50GK106096200SQ201610492429
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月29日
【發(fā)明人】林近山, 竇春紅
【申請(qǐng)人】濰坊學(xué)院