[發明專利]一種基于內秉時間尺度分解和譜峭度的包絡分析方法

有效

• 申請號: 201610492062.8
• 申請日: 2016-06-29
• 公開（公告）號: CN105954030B
• 公開（公告）日: 2018-03-23
• 發明（設計）人: 林近山;竇春紅
• 申請（專利權）人: 濰坊學院
• 主分類號: G01M13/02
• 分類號: G01M13/02;G01M13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及旋轉機械狀態監測與故障診斷領域，具體涉及一種基于內秉時間尺度分解和譜峭度的包絡分析方法。

背景技術

包絡分析技術廣泛應用于齒輪和滾動軸承的故障診斷中?，F有的包絡分析技術有下面三個缺陷：①現有的包絡分析技術或者是直接對原始信號進行分析，或者是僅對原始信號進行簡單的濾波后再進行分析，因此現有的方法容易受到噪聲、趨勢及其它成分的干擾，從而導致現有技術的分析精度較低；②現有的包絡分析技術是以Hilbert變換為基礎，而Hilbert變換要求被分析的信號必須是單分量的窄帶信號，否則信號的頻率調制部分將要污染信號的幅值包絡分析結果，但是目前待分析的信號都不嚴格滿足單分量且窄帶的條件，這樣就會導致現有技術因精度不高而容易出現誤判問題；③由傳統方法得到的包絡譜存在著端點效應。

發明內容

本發明要解決的問題是針對以上不足，提出一種基于內秉時間尺度分解和譜峭度的包絡分析方法，采用本發明的包絡分析方法后，具有分析結果準確度和精確度高，并能準確地檢測出旋轉機械故障類型的優點。

為解決以上技術問題，本發明采取的技術方案如下：一種基于內秉時間尺度分解和譜峭度的包絡分析方法，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測取旋轉機械的振動信號x（k）, （k=1, 2, …,N），N為采樣信號的長度；

步驟2：采用內秉時間尺度分解算法將信號x（k）分解成n個分量和一個趨勢項之和，即，其中，c_i（k）代表由內秉時間尺度分解算法得到的第i個分量，r_n（k）代表由內秉時間尺度分解算法得到的趨勢項；

步驟3：對c_i（k）執行重排操作和替代操作，經重排操作得到的數據用c_i^shuffle（k）表示，替代操作后得到數據用c_i^FTran（k）表示；

步驟4：對c_i（k）、c_i^shuffle（k）和c_i^FTran（k）分別執行多重分形去趨勢波動分析（Multifractal Detrended Fluctuation Analysis, MFDFA），得到廣義Hurst指數曲線，c_i（k）的廣義Hurst指數曲線用H_i（q）表示；c_i^shuffle（k）的廣義Hurst指數曲線用H_i^shuffle（q）表示；c_i^FTran（k）的廣義Hurst指數曲線用H_i^FTran（q）表示；

步驟5：如果H_i（q） 與H_i^shuffle（q）或H_i（q） 與H_i^FTran（q）之間的相對誤差小于5%，或者H_i（q） 、H_i^shuffle（q） 和H_i^FTran（q）三者都不隨q而變化，則拋棄對應的c_i（k）分量；

步驟6：對剩余的c_i（k）分量求和，將該和記為信號經重排和替代濾波后的結果x_f1（k）；

步驟7：對x_f1（k）執行譜峭度分析，求出信號峭度最大處所對應的中心頻率f₀和帶寬B；

步驟8： 根據中心頻率f₀和帶寬B對x_f1（k）進行帶通濾波，得到x_f2（k）；

步驟9：對信號x_f2（k）執行三次樣條迭代平滑包絡分析，得到信號包絡eov（k）；

步驟10：對得到的信號包絡eov（k）執行離散傅里葉變換得到包絡譜，根據包絡譜特征頻率判斷機器的故障類型。

一種優化方案，所述步驟2中內秉時間尺度分解算法包括以下步驟：

1) 對于任意信號x_t，（t=1, 2, …,N），定義一個算子用于抽取低頻基線信號，即：