[發明專利]基于集合經驗模式分解的旋轉機械軸心軌跡提純方法無效
| 申請號: | 201110390862.6 | 申請日: | 2011-11-30 |
| 公開(公告)號: | CN102542151A | 公開(公告)日: | 2012-07-04 |
| 發明(設計)人: | 湯寶平;陳仁祥;宋濤 | 申請(專利權)人: | 重慶大學 |
| 主分類號: | G06F19/00 | 分類號: | G06F19/00 |
| 代理公司: | 北京海虹嘉誠知識產權代理有限公司 11129 | 代理人: | 謝殿武 |
| 地址: | 400044 *** | 國省代碼: | 重慶;85 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 集合 經驗 模式 分解 旋轉 機械 軸心 軌跡 提純 方法 | ||
技術領域
本發明涉及到旋轉機械狀態監測和故障診斷技術領域,具體涉及一種旋轉機械軸心軌跡提純方法。?
背景技術
隨著旋轉機械向著大型、高速和自動化方向的發展,對旋轉機械的狀態檢測和故障診斷提出了更高的要求。軸心軌跡作為轉子振動信號的重要圖形征兆,包含了大量的故障信息,是判斷轉子運行狀態和故障征兆的重要依據。在工程實際中,由于轉子系統出現碰摩、沖擊的等激勵,轉子的阻尼、剛度、彈性力等都發生變化,振動信號呈現出非線性、非平穩特性。同時,由于測試過程中的噪聲污染,使原始軸心軌跡形狀復雜,難以辨別。所以,迫切需要對原始數據進行過濾處理以對復雜的軸心軌跡進行提純。?
常規的傅里葉分析難以對軸心軌跡進行提純。利用小波降噪的原理可對軸心軌跡進行提純,其基本思想是利用小波變換將原始信號分解到各個頻帶上,得到不同頻帶上的時間波形,再選取若干頻帶重構信號,實現信號的提純。但是,小波分解一般采用隔點采樣的二進方式,會造成數據量的減少和細節信號的丟失,并且小波包分解的結果存在著各頻帶間能量的交替問題。利用諧波小波良好的盒形頻譜特性也可對軸心軌跡進行提純,但由于采用循環卷積,不可避免的要對諧波小波進行時域截斷,對“盒型”頻譜造成頻譜泄露,提純后的信號幅值會受到影響。?
經驗模式分解(empirical?mode?decomposition,EMD)可以作為二進濾波器,同時,由于EMD具有良好的保相性,可以利用EMD所得到的IMF做轉子軸心軌跡。然而,EMD本身存在一些不足,如模式混疊、端點效應、停止條件等。?模式混疊是指1個IMF中包含差異極大的特征時間尺度,或者相近的特征時間尺度分布在不同的IMF中,導致相鄰的2個IMF波形混疊,相互影響,難以辨別。引起模式混疊的原因在于間歇現象(intermittency),引起間歇現象的往往是異常事件(如間斷信號,脈沖干擾和噪聲等)。在旋轉機械系統中,特別是在即將或已經出現故障時,其振動信號往往存在不同形式的脈沖干擾和噪聲。因此,模式混疊現象限制了EMD在提純軸心軌跡中的應用。?
發明內容
有鑒于此,本發明提出了一種基于集合經驗模式分解(EEMD,Ensemble?empirical?mode?decomposition)的旋轉機械軸心軌跡提純方法,可獲得清晰的軸心軌跡圖,以便于監測旋轉機械的運行狀態或進行故障診斷。?
本發明的目的是這樣實現的,一種基于集合經驗模式分解的旋轉機械軸心軌跡提純方法,包括如下步驟:?
1)利用集合經驗模式分解,將待分析的振動信號分解為特征時間尺度由小到大排列的多個固有模式函數分量;?
2)根據先驗知識從固有模式函數分量中選擇相應的固有模式函數分量重構信號;?
3)將固有模式函數分量重構信號組合成提純軸心軌跡。?
進一步,所述步驟1)具體包括如下步驟:?
11)在原始振動信號x(t)中分別加入N次均值為0,幅值標準差為常數的高斯白噪聲ni(t),即?
xi(t)=x(t)+ni(t);?
式中,i=1~N,xi(t)為加入高斯白噪聲之后的信號;?
12)對xi(t)分別進行集合經驗模式分解,得到K個固有模式函數分量和一個余項ri(t):?
式中,cij(t)表示第i次加入高斯白噪聲后,分解所得到的第j個固有模式函數分量,j=1~K;?
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于重慶大學,未經重慶大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201110390862.6/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種回轉窯快速修復方法
- 下一篇:墻體拉線機
- 同類專利
- 專利分類
G06F 電數字數據處理
G06F19-00 專門適用于特定應用的數字計算或數據處理的設備或方法
G06F19-10 .生物信息學,即計算分子生物學中的遺傳或蛋白質相關的數據處理方法或系統
G06F19-12 ..用于系統生物學的建模或仿真,例如:概率模型或動態模型,遺傳基因管理網絡,蛋白質交互作用網絡或新陳代謝作用網絡
G06F19-14 ..用于發展或進化的,例如:進化的保存區域決定或進化樹結構
G06F19-16 ..用于分子結構的,例如:結構排序,結構或功能關系,蛋白質折疊,結構域拓撲,用結構數據的藥靶,涉及二維或三維結構的
G06F19-18 ..用于功能性基因組學或蛋白質組學的,例如:基因型–表型關聯,不均衡連接,種群遺傳學,結合位置鑒定,變異發生,基因型或染色體組的注釋,蛋白質相互作用或蛋白質核酸的相互作用





