[發明專利]一種旋轉機械微弱故障信號檢測方法

有效

• 申請號: 201711237896.5
• 申請日: 2017-11-30
• 公開（公告）號: CN108072517B
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 賈嶸;馬富齊;武樺;黨建;趙佳佳
• 申請（專利權）人: 西安理工大學
• 主分類號: G01M13/00
• 分類號: G01M13/00;G01M13/045
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 韓玙

本發明涉及一種旋轉機械微弱故障信號檢測方法，具體包括下述步驟：步驟1，利用振動傳感器采集旋轉機械軸承故障振動信號；步驟2，將步驟1采集到的故障震動信號進行變分模態分解，得到多個不同頻段的變模態分量；步驟3，用互信息模型構造步驟2所得的的每個變模態分量的敏感系數，并選取較大的敏感系數相對應的的變模態分量作為故障震動信號的敏感分量；步驟4、經步驟3后，對變模態分解并篩選得到的各變模態分量進行頻譜分析，找到旋轉機械的故障特征頻率，完成對旋轉機械振動故障的診斷。本發明的旋轉機械微弱故障信號檢測方法，能夠準確的獲取旋轉機械的微弱的故障信號。

技術領域

本發明屬于故障診斷方法技術領域，涉及一種旋轉機械微弱故障信號檢測方法，具體涉及一種基于變分模態分解和敏感系數的旋轉機械微弱故障信號檢測方法。

背景技術

旋轉機械是許多大型機械設備的關鍵部件，諸如汽輪機組、水輪機組和泵站機組等。由于機械設備的運行工況復雜，旋轉機械通常會發生各種故障，從而影響設備的安全運行，極端情況下甚至會導致機毀人亡的嚴重事故，造成巨大的經濟損失。為了確保設備運行狀態更加安全可靠，預防故障的發生，設備的狀態監測和故障診斷技術需要具有更高的精度。能否準確地提取出故障早期微弱的特征信號是機械設備狀態監測和故障診斷的關鍵。

但是由于旋轉機械故障的復雜性、多樣性、耦聯性和不確定性，水電機組早期故障振動信號表現為非線性、非平穩特性和極易淹沒在強噪聲環境中，極大影響了設備故障特征的提取。近年來，國內外許多學者針對旋轉機械早期微弱故障信號的檢測與診斷，已做了大量的研究工作。

目前，已經出現了很多相關文獻：(1)采用基于小波變換和奇異值分解的特征提取方法，取得了不錯的效果，但是小波變換存在小波基選擇困難，參數敏感和平穩性假設等問題。(2)采用獨立成分分量和經驗模態分解相結合的特征提取方法，并將其運用到水輪機組的振動信號中。但不可避免的存在端點效應、模態混疊和曲線擬合等問題。(3)采用自適應的隨機共振方法提取水輪機組故障早期的微弱信號特征。但隨機共振的參數對去噪效果的影響仍需做進一步研究。

發明內容

本發明的目的是提供一種旋轉機械微弱故障信號檢測方法，能夠準確的獲取旋轉機械的微弱的故障信號。

本發明采用的技術方案是：一種旋轉機械微弱故障信號檢測方法，具體按照以下步驟實施：

步驟1，利用振動傳感器采集旋轉機械軸承故障振動信號和正常振動信號；

步驟2，將步驟1采集到的故障震動信號進行變分模態分解，得到多個不同頻段的變模態分量；

步驟3，用互信息模型對步驟2所得的每個變模態分量進行處理，得到每個變模態分量的的敏感系數；

步驟4，對步驟3得到的敏感系數進行篩選，選取數值大于1的敏感系數，并將所選取的敏感系數對應的變模態分量作為故障振動信號的敏感分量；

步驟5，對步驟4得到的每個敏感分量進行頻譜分析，找到旋轉機械的故障特征頻率，完成對旋轉機械振動故障的診斷。

本發明的特點還在于：

步驟2中將原始信號進行變模態分解具體包括下述步驟：

步驟2.1，設定步驟1采集到的故障振動信號被變模態分解為K個帶寬之和最小的變模態分量，每個變模態分量均可以表示為一個調頻-調幅的模態函數u_k(t)，要

求K個模態函數u_k(t)的帶寬之和最小，且K個模態函數u_k(t)之和為輸入信號f(t)：