[發明專利]一種基于群分解的旋轉機械復合故障診斷方法

有效

• 申請號: 201810207682.1
• 申請日: 2018-03-14
• 公開（公告）號: CN108507783B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 程軍圣;李娟;舒文婷
• 申請（專利權）人: 湖南大學
• 主分類號: G01M13/021
• 分類號: G01M13/021;G01M13/028;G06K9/00
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

本發明公開了一種基于群分解的旋轉機械復合故障診斷方法，包括：步驟S1：采用加速度傳感器對旋轉機械的齒輪箱進行測量，獲得振動加速度原始信號x(n)；步驟S2：對振動加速度原始信號x(n)進行群分解，獲得振蕩分量OC_m(n)；步驟S3：對振蕩分量OC_m(n)進行Hilbert包絡解調，得到振蕩分量的包絡譜步驟S4：從包絡譜中識別是否含有預設的故障特征頻率及其倍頻。本發明采用群分解方法對旋轉機械振動加速度信號進行分解，自適應地將一個非平穩多分量振動信號分解為若干個瞬時頻率具有物理意義的單一模態振蕩分量，對振蕩分量進行包絡解調得到分量包絡譜，對包絡譜進行分析，確定故障零件和故障類型，準確進行故障診斷。

技術領域

本發明涉及機械故障診斷技術領域，尤其涉及一種基于群分解分解的旋轉機械復合故障診斷方法。

背景技術

具有齒輪、軸承的機械設備故障，一般具有周期性的脈沖沖擊力，產生振動信號的調制現象。調制信號頻譜包含豐富的故障信息，采用解調分析方法從信號中提取調制信息，分析其強度和頻次就可以判斷零件的故障程度和類型。Hilbert解調方法是目前振動信號解調分析最為常用的方法，此方法可以研究信號的幅值包絡、瞬時相位和瞬時頻率。但是Hilbert變化要求信號具有窄帶、單頻率成分的特性。而旋轉機械振動信號常為多分量的調制信號，因此需要將振動信號分解為單一模態的信號。振動信號具有非線性、非平穩特性，目前非平穩信號分解方法中，常用的有小波分解方法和經驗模態分解(Empirical ModeDecomposition，簡稱EMD)方法。小波分析能同時提供振動信號的時域和頻域的局部化信，具有多尺度特性和“數學顯微”特性，但需要人為選擇基函數，缺乏自適應性。EMD方法將非線性非穩定信號分解成若干個具有物理意義的固有模態函數(Intrinsic Mode Function，簡稱IMF)之和，可根據信號局部時變特征進行自適應分解，但EMD沒有合適的數學模型，缺乏嚴格的數學基礎，存在端點效應和模態混疊等缺陷。同時，EMD分量帶寬較大，不能分解頻率接近的兩個頻率成分。

由此可見，在現有技術中，缺乏有效且準確的方法來對旋轉機械的復合故障進行診斷。

發明內容

為了解決采用現有技術在旋轉機械復合故障診斷過程中存在的技術問題，本發明提供了一種基于群分解的旋轉機械復合故障診斷方法，通過采用群分解方法對旋轉機械振動加速度信號進行分解，自適應地將一個非平穩多分量振動信號分解為若干個瞬時頻率的單一模態振動分量，對振蕩分量進行包絡解調得到分量包絡譜，對包絡譜進行分析，確定故障零件和故障類型，準確進行故障診斷。其中，“群分解方法”是希臘亞里士多德大學研究人員提出的一種新的分解方法，其英文名為“swarm decomposition”，最早被用于處理腦電信號。

本發明提供了一種基于群分解的旋轉機械復合故障診斷方法，包括：

步驟S1：采用加速度傳感器對旋轉機械的齒輪箱進行測量，獲得振動加速度原始信號x(n)；

步驟S2：對所述振動加速度原始信號x(n)進行群分解，獲得振蕩分量OC_m(n)；

步驟S3：對所述振蕩分量OC_m(n)進行Hilbert包絡解調，得到振蕩分量的包絡譜

步驟S4：從所述包絡譜中識別是否含有預設的故障特征頻率及其倍頻：若含有故障特征頻率及其倍頻，則說明旋轉機械的齒輪箱存在故障。

本發明采用群分解方法對旋轉機械振動加速度信號進行分解，自適應地將一個非平穩多分量振動信號分解為若干個瞬時頻率的單一模態振動分量，對振蕩分量進行包絡解調得到分量包絡譜，對包絡譜進行分析，確定故障零件和故障類型，準確進行故障診斷。其中，振動加速度原始信號x(n)為離散序列，其采樣頻率取最高分析頻率的3-5倍。

進一步的，所述步驟S2中對所述振動加速度原始信號x(n)進行群分解的具體步驟為：