[發明專利]一種基于時頻譜分割的變速旋轉機械故障診斷方法

有效

• 申請號: 201711346416.9
• 申請日: 2017-12-13
• 公開（公告）號: CN108106830B
• 公開（公告）日: 2019-10-29
• 發明（設計）人: 嚴保康;周鳳星;李維剛;寧博文;徐波
• 申請（專利權）人: 武漢科技大學;科大集智數據科技（武漢）有限公司
• 主分類號: G01M13/00
• 分類號: G01M13/00
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 馮子玲

本發明提供一種基于時頻譜分割的變速旋轉機械故障診斷方法，包括如下步驟：步驟一，通過多分辨率廣義S變換獲取信號的歸一化時頻譜，生成多分辨率二值化時頻譜，步驟二，將所有分辨率下的二值化時頻譜進行融合，獲得一個最優的二值化時頻譜，步驟三，將最優的二值化時頻譜分割成若干個連通域，并對每個連通域進行信息標注，步驟四，提取各連通域的最佳表示原子，構成最佳原子集合，計算故障信號在最佳原子集合下的表示，步驟五、計算沖擊理論出現時間和幅值，通過信息比對實現變速機械設備的故障診斷。本發明濾除絕大部分的強背景噪聲并且可以對變速旋轉機械的裂紋、點蝕或剝落等沖擊類故障進行快速、有效的故障診斷。

技術領域

本發明涉及旋轉機械故障診斷領域，尤其涉及一種基于時頻譜分割的變速旋轉機械故障診斷方法。

背景技術

旋轉機械設備的關鍵旋轉部件的故障診斷在保障設備安全穩定運行和剩余壽命預測中起著至關重要的作用。在旋轉部件出現沖擊類故障，如點蝕、裂紋、剝落等，會產生阻尼振動，通過加速度傳感器采集的振動信號表現為脈沖衰減信號，對這類脈沖衰減信號的識別和提取是實現故障診斷的前提。對于穩定轉速的機械設備，其脈沖衰減信號的特征是周期性、稀疏性和微弱性，最終可通過故障特征頻率確定故障類型；而對于變速的機械設備，其脈沖衰減信號的特征是非周期性的、稀疏性和微弱性，即使故障特征信號被準確提取出來，依然無法直接通過故障特征頻率確定旋轉部件的故障類型。

傳統的針對變速旋轉機械的故障診斷方法，大多是通過廣義解調方法，將信號的時頻信息通過時頻譜進行處理，通過抵消轉頻隨時間的變化趨勢，計算瞬時故障特征頻率。這類方法在處理變速電機電流故障信號和變速旋轉機械的磨損類故障中具有良好的效果。但是，由于沖擊類故障的沖擊成分基本與轉頻無嚴格的關聯，無法通過時頻譜獲取轉頻隨時間變化的趨勢信息，更無法計算瞬時故障特征頻率，因此，難以解決變速旋轉機械的裂紋、點蝕或剝落等故障診斷問題。

文獻檢索查到相關專利：2007年08月01日公開的申請號為CN201610841544.X的發明專利《基于卷積神經網絡和小波灰度圖的旋轉機械故障診斷方法》，提供基于卷積神經網絡和小波灰度圖的旋轉機械故障診斷方法，包括小波分解方法和卷積神經網絡方法，將振動信號進行多尺度小波分解以得到小波灰度圖；再將小波灰度圖輸入到卷積神經網絡進行分析診斷以得到旋轉機械的故障診斷結果。

但是，上述專利存在兩大缺陷：①對于低信噪比的沖擊類故障信號，小波分解的效果與所選小波基、分解層數等直接相關，很難將微弱的高頻振蕩的沖擊信號從強噪聲中提取出來；②針對變速旋轉機械，由于信號的不確定性，難以通過有限的樣本訓練出有效的神經網絡模型，因此，無法對變速旋轉機械進行故障診斷。

發明內容

本發明的目的在于提供一種基于時頻譜分割的變速旋轉機械故障診斷方法，以解決上述問題。

本發明采用了如下技術方案：

一種基于時頻譜分割的變速旋轉機械故障診斷方法，其特征在于，包括如下步驟：

步驟一，通過多分辨率廣義S變換獲取信號的歸一化時頻譜，經過二值化處理，生成多分辨率二值化時頻譜，

步驟二，根據圖像融合規則，將所有分辨率下的二值化時頻譜進行融合，獲得一個最優的二值化時頻譜，

步驟三，采用圖像分割方法，將最優的二值化時頻譜分割成若干個連通域，并對每個連通域進行信息標注，

步驟四，提取各連通域的最佳表示原子，構成最佳原子集合，計算故障信號在最佳原子集合下的表示，

步驟五、根據轉速信息、故障沖擊信息和故障產生機理，計算沖擊理論出現時間和幅值，通過信息比對實現變速機械設備的故障診斷。

進一步，本發明的基于時頻譜分割的變速旋轉機械故障診斷方法，還可以具有這樣的特征：

步驟一中包括如下步驟：