本发明涉及一种转子故障特征提取方法及装置，属于旋转机械设备技术领域。本发明首先将转子互相垂直的径向振动和轴向振动信号组成一个三元信号；然后根据三元信号的空间包络特点，自适应地将三元信号按旋转速度从高到低的顺序分解成系列三元信号与一个剩余信号之和；旋转机械转速得到基频信息，确定需要融合的三元信号；最后融合相应的三元信号三个振动方向的功率谱得到矢功率谱，根据该矢功率谱提取故障特征。本发明将三个相互垂直方向上的振动信号作为一个整体来分解，确保每个方向上有相同的分解尺度，有效融合了转子径向和轴向的故障特征，综合反映了转子径向和轴向故障特征，提取的故障特征更为全面、清晰。
1.一种转子故障特征提取方法，其特征在于，该提取方法包括以下步骤：
1)检测转子同一截面上相互垂直的径向振动信号和转子轴向振动信号，并将其构成一个三元旋转信号；
2)根据三元旋转信号的包络特点将三元旋转信号按照旋转速度的顺序分解成系列三元信号形式的旋转信号与一个剩余信号之和；
3)将分解得到的三元信号形式的旋转信号从时域变换到频域，根据转子振动信号的基频确定需要融合的三元信号；
4)对确定的三元信号三个振动方向的功率谱进行融合，以得到各三元信号的矢功率谱，并根据得到的矢功率谱进行转子故障特征提取；
A.将三元旋转信号w(t)沿Z轴进行投影，得到相应的投影信号，k2＝-1；θm＝mπ/M，m＝0，1，…，M；φn＝nπ/N，n＝0，1，…，N，M＝N，表示输入信号投影的个数；运算符号*表示共轭运算；运算符号.表示卷积运算，q是一个向量的四元数，q＝0+cos(φ)i+sin(φ)j+0k，φ为向量四元数在XOY平面内与X轴的夹角；
B.确定投影信号最大值对应的时刻，并对该时刻的投影信号进行插值运算得到包络曲线C.通过下式计算所有包络曲线的局部平均值m(t)，并从原始三元旋转信号w(t)中减去该局部平均值m(t)，得到差值信号；其中，局部平均值m(t)的计算公式为：D.判断差值信号是否满足设定的迭代终止条件，直至满足时，将得到的信号作为分解获取的第一个三元信号形式的旋转信号；
E.从原始三元旋转信号w(t)中减去分解获取的第一个三元信号形式的旋转信号得到新的待分解信号，若新的待分解信号仍为三元信号形式的旋转信号，则重复步骤A-D，获得其他的三元信号形式的旋转信号，直至从待分解信号中分解不出新的三元信号形式的旋转信号。
2.根据权利要求1所述的转子故障特征提取方法，其特征在于，所述步骤1)构成的三元旋转信号w(t)为：w(t)＝ix(t)+jy(t)+kz(t)
其中x(t)为水平方向上的径向振动信号，y(t)为垂直方向上的径向振动信号，z(t)为轴向的振动信号；ijk＝i2＝j2＝k2＝-1，ij＝k，jk＝i，ki＝j。
3.根据权利要求1所述的转子故障特征提取方法，其特征在于，所述步骤D中的迭代终止条件为：其中，T为信号总的时间长度，dh(t)＝wh(t)-mh(t)，当SD在0.2～0.3时，停止本次迭代过程。
4.根据权利要求1所述的转子故障特征提取方法，其特征在于，所述步骤3)中需要融合的三元信号的确定过程如下：按照频率从高到低的顺序对分解得到的三元信号形式的旋转信号进行频域变换，判断各三元信号形式的旋转信号在三个方向的频率是否是转子振动信号的基频占主导成分，若是，则以该三元信号形式的旋转信号的下一个三元信号形式的旋转信号及其之前分离出的三元信号形式的旋转信号作为需要融合的三元信号。
5.一种转子故障特征提取装置，其特征在于，该提取装置包括检测单元、分解单元、转换单元和融合单元，所述检测单元用于检测转子同一截面上相互垂直的径向振动信号和转子轴向振动信号，并将其构成一个三元旋转信号；
所述分解单元根据三元旋转信号的包络特点将三元旋转信号按照旋转速度的顺序分解成系列三元信号形式的旋转信号与一个剩余信号之和；
所述转换单元用于将分解得到的三元信号形式的旋转信号从时域变换到频域，根据转子振动信号的基频确定需要融合的三元信号；
所述融合单元用于对确定的三元信号三个振动方向的功率谱进行融合，以得到各三元信号的矢功率谱，并根据得到的矢功率谱进行转子故障特征提取；
所述的分解单元采用三元信号分解技术对三元旋转信号进行分解，分解过程如下：A.将三元旋转信号w(t)沿Z轴进行投影，得到相应的投影信号，2
k＝-1；θm＝mπ/M，m＝0，1，…，M；φn＝nπ/N，n＝0，1，…，N，M＝N，表示输入信号投影的个数；运算符号*表示共轭运算；运算符号.表示卷积运算，q是一个向量的四元数，q＝0+cos(φ)i+sin(φ)j+0k，φ为向量四元数在XOY平面内与X轴的夹角；
B.确定投影信号最大值对应的时刻，并对该时刻的投影信号进行插值运算得到包络曲线C.通过下式计算所有包络曲线的局部平均值m(t)，并从原始三元旋转信号w(t)中减去该局部平均值m(t)，得到差值信号；其中，局部平均值m(t)的计算公式为：D.判断差值信号是否满足设定的迭代终止条件，直至满足时，将得到的信号作为分解获取的第一个三元信号形式的旋转信号；
E.从原始三元旋转信号w(t)中减去分解获取的第一个三元信号形式的旋转信号得到新的待分解信号，若新的待分解信号仍为三元信号形式的旋转信号，则重复步骤A-D，获得其他的三元信号形式的旋转信号，直至从待分解信号中分解不出新的三元信号形式的旋转信号。
6.根据权利要求5所述的转子故障特征提取装置，其特征在于，所述检测单元得到的三元旋转信号w(t)为：w(t)＝ix(t)+jy(t)+kz(t)
其中x(t)为水平方向上的径向振动信号，y(t)为垂直方向上的径向振动信号，z(t)为轴向的振动信号；ijk＝i2＝j2＝k2＝-1，ij＝k，jk＝i，ki＝j。
7.根据权利要求5所述的转子故障特征提取装置，其特征在于，所述步骤D中的迭代终止条件为：其中T为信号总的时间长度，dh(t)＝wh(t)-mh(t)，当SD在0.2～0.3时，停止本次迭代过程。
8.根据权利要求5所述的转子故障特征提取装置，其特征在于，所述转换单元的工作过程如下：按照频率从高到低的顺序对分解得到的三元信号形式的旋转信号进行频域变换，判断各三元信号形式的旋转信号在三个方向的频率是否是转子振动信号的基频占主导成分，若是，则以该三元信号形式的旋转信号的下一个三元信号形式的旋转信号及其之前分离出的三元信号形式的旋转信号作为需要融合的三元信号。
一种转子故障特征提取方法及装置
技术领域
[0001] 本发明涉及一种转子故障特征提取方法及装置，属于旋转机械设备技术领域。
背景技术
[0002] 转子故障特征提取是机械故障诊断的必要条件，全面、准确地提取转子故障特征是正确进行机械故障诊断的前提和基础。转子发生故障时的振动信号往往是非线性、非平稳信号，振动信号的能量会随振动信号的频率变化而发生变化。振动信号的能量谱比传统的频谱分析能更加全面、客观的反映系统实际情况。信号功率谱可以反映信号能量的变化，所以常常通过振动信号的功率谱来获取振动信号特征。传统的振动信号功率谱方法只分析了单一振动方向的信号的功率谱，由于转子的各向异性以及故障位置的不确定性，在不同方向采集的信号可能振动强度也不相同，其能量、频率组成也可能不尽相同。所以，单一方向振动信号的功率谱不能全面准确地转子故障时的实际情况，在此基础上做出的诊断结果会发生误判或漏判。郑州大学的韩捷等人提出了全矢功率谱，全矢功率谱融合了转子某一个截面上径向方向上互相垂直的振动信号的功率谱特征，由此获取的转子故障特征更为准确、全面。由于振动信号的非线性以及采集信号时不可避免引入的噪声信号，直接对采集的振动信号进行全矢功率谱分析时，得到的谱线特征较为模糊，不明显的特征信息会被噪声成份淹没，无法看到细节特征。
[0003] 为解决这些问题，有学者分别对互相垂直方向的信号进行多尺度分解，然后按一一对应原则进行功率谱融合，得到相应的全矢功率谱。这种方法得到的全矢功率谱更为清晰，谱线特征表达的更为细腻。但这种方法也存在两个问题：一是功率谱融合问题，即分别对不同方向的信号进行多尺度分解时容易出现尺度不统一问题，比如x方向振动信号分解成6个振动信号，y方向振动信号分解成5个振动信号，按一一对应原则融合时会出现难以融合问题，本质上这种方法是一维信号处理方法，但处理对象是二维信号，即处理方法与处理对象存在矛盾；二是只融合了径向互相垂直方向上的振动信号特征，而忽略了轴向信息，不能反映转子轴向故障；即只融合了转子某一个径向截面上的振动信号特征，而不是从三维空间角度融合转子故障特征，反映的转子故障特征不够全面。
发明内容
[0004] 本发明的目的是提供一种转子故障特征提取方法，用以解决目前转子故障特征提取不全面的问题，同时，本发明还提供了一种转子故障特征提取装置。
[0005] 本发明为解决上述技术问题而提供了一种转子故障特征提取方法，该提取方法包括以下步骤：
[0006] 1)检测转子同一截面上相互垂直的径向振动信号和转子轴向振动信号，并将其构成一个三元旋转信号；
[0007] 2)根据三元旋转信号的包络特点将三元旋转信号按照旋转速度的顺序分解成系列三元信号形式的旋转信号与一个剩余信号之和；
[0008] 3)将分解得到的三元信号形式的旋转信号从时域变换到频域，根据转子振动信号的基频确定需要融合的三元信号；
[0009] 4)对确定的三元信号三个振动方向的功率谱进行融合，以得到各三元信号的矢功率谱，并根据得到的矢功率谱进行转子故障特征提取。
[0010] 进一步地，所述步骤1)构成的三元旋转信号w(t)为：
[0011] w(t)＝ix(t)+jy(t)+kz(t)
[0012] 其中x(t)为水平方向上的径向振动信号，y(t)为垂直方向上的径向振动信号，z2 2 2
(t)为轴向的振动信号；ijk＝i＝j＝k＝-1，ij＝k，jk＝i，ki＝j。
[0013] 进一步地，所述步骤2)中的信号分解过程如下：
[0014] A.将三元旋转信号w(t)沿Z轴进行投影，得到相应的投影信号，
[0015]
[0016] k2＝-1；θm＝mπ/M，m＝0，1，…，M；φn＝nπ/N，n＝0，1，…，N，M＝N，表示输入信号投影的个数；运算符号*表示共轭运算；运算符号.表示卷积运算，q是一个向量的四元数，q＝0+cos(φ)i+sin(φ)j+0k，φ为向量四元数在XOY平面内与X轴的夹角；
[0017] B.确定投影信号最大值对应的时刻，并对该时刻的投影信号进行插值运算得到包络曲线
[0018] C.通过下式计算所有包络曲线的局部平均值m(t)，并从原始三元旋转信号w(t)中减去该局部平均值m(t)，得到差值信号；其中，局部平均值m(t)的计算公式为：
[0019]
[0020] D.判断差值信号是否满足设定的迭代终止条件，直至满足时，将得到的信号作为分解获取的第一个三元信号形式的旋转信号；
[0021] E.从原始三元旋转信号w(t)中减去分解获取的第一个三元信号形式的旋转信号得到新的待分解信号，若新的待分解信号仍为三元信号形式的旋转信号，则重复步骤A-D，获得其他的三元信号形式的旋转信号，直至从待分解信号中分解不出新的三元信号形式的旋转信号。
[0022] 进一步地，所述步骤D中的迭代终止条件为：
[0023]
[0024] 其中T为信号总的时间长度，dh(t)＝wh(t)-mh(t)，当SD在0.2～0.3时，停止本次迭代过程。
[0025] 进一步地，所述步骤3)中需要融合的三元信号的确定过程如下：
[0026] 按照频率从高到低的顺序对分解得到的三元信号形式的旋转信号进行频域变换，判断各三元信号形式的旋转信号在三个方向的频率是否是转子振动信号的基频占主导成分，若是，则以该三元信号形式的旋转信号的下一个三元信号形式的旋转信号及其之前分离出的三元信号形式的旋转信号作为需要融合的三元信号。
[0027] 本发明还提供了一种转子故障特征提取装置，该提取装置包括检测单元、分解单元、转换单元和融合单元，
[0028] 所述检测单元用于检测转子同一截面上相互垂直的径向振动信号和转子轴向振动信号，并将其构成一个三元旋转信号；
[0029] 所述分解单元根据三元旋转信号的包络特点将三元旋转信号按照旋转速度的顺序分解成系列三元信号形式的旋转信号与一个剩余信号之和；
[0030] 所述转换单元用于将分解得到的三元信号形式的旋转信号从时域变换到频域，根据转子振动信号的基频确定需要融合的三元信号；
[0031] 所述融合单元用于对确定的三元信号三个振动方向的功率谱进行融合，以得到各三元信号的矢功率谱，并根据得到的矢功率谱进行转子故障特征提取。
[0032] 进一步地，所述检测单元得到的三元旋转信号w(t)为：
[0033] w(t)＝ix(t)+jy(t)+kz(t)
[0034] 其中x(t)为水平方向上的径向振动信号，y(t)为垂直方向上的径向振动信号，z2 2 2
(t)为轴向的振动信号；ijk＝i＝j＝k＝-1，ij＝k，jk＝i，ki＝j。
[0035] 进一步地，所述的分解单元采用三元经验模态分解方式对三元旋转信号进行分解，分解过程如下：
[0036] A.将三元旋转信号w(t)沿Z轴进行投影，得到相应的投影信号，
[0037]
[0038] k2＝-1；θm＝mπ/M，m＝0，1，…，M；φn＝nπ/N，n＝0，1，…，N，M＝N，表示输入信号投影的个数；运算符号*表示共轭运算；运算符号.表示卷积运算，q是一个向量的四元数，q＝0+cos(φ)i+sin(φ)j+0k，φ为向量四元数在XOY平面内与x轴的夹角；
[0039] B.确定投影信号最大值对应的时刻，并对该时刻的投影信号进行插值运算得到包络曲线
[0040] C.通过下式计算所有包络曲线的局部平均值m(t)，并从原始三元旋转信号w(t)中减去该局部平均值m(t)，得到差值信号；其中，局部平均值m(t)的计算公式为：
[0041]
[0042] D.判断差值信号是否满足设定的迭代终止条件，直至满足时，将得到的信号作为分解获取的第一个三元信号形式的旋转信号；
[0043] E.从原始三元旋转信号w(t)中减去分解获取的第一个三元信号形式的旋转信号得到新的待分解信号，若新的待分解信号仍为三元信号形式的旋转信号，则重复步骤A-D，获得其他的三元信号形式的旋转信号，直至从待分解信号中分解不出新的三元信号形式的旋转信号。
[0044] 进一步地，所述步骤D中的迭代终止条件为：
[0045]
[0046] 其中T为信号总的时间长度，dh(t)＝wh(t)-mh(t)，当SD在0.2～0.3时，停止本次迭代过程。
[0047] 进一步地，所述转换单元的工作过程如下：
[0048] 按照频率从高到低的顺序对分解得到的三元信号形式的旋转信号进行频域变换，判断各三元信号形式的旋转信号在三个方向的频率是否是转子振动信号的基频占主导成分，若是，则以该三元信号形式的旋转信号的下一个三元信号形式的旋转信号及其之前分离出的三元信号形式的旋转信号作为需要融合的三元信号。
[0049] 本发明的有益效果是:本发明通过运用三元信号分解技术将三个相互垂直方向上的振动信号作为一个整体来分解，确保每个方向上有相同的分解尺度，有效融合了转子径向和轴向的故障特征，综合反映了转子径向和轴向故障特征，提取的故障特征更为全面、清晰。
[0050] 本发明根据三元信号的包络特点自适应地分解三元信号，无需事先确定基函数，具有良好的自适应性。
附图说明
[0051] 图1为由转子X、Y和Z三个方向振动信号组成的三元信号w示意图；
[0052] 图2-a为经三元信号分解技术分解w得到的三元信号w1示意图；
[0053] 图2-b为经三元信号分解技术分解w得到的三元信号w2示意图；
[0054] 图2-c为经三元信号分解技术分解w得到的三元信号w3示意图；
[0055] 图2-d为经三元信号分解技术分解w得到的三元信号w4示意图；
[0056] 图2-e为经三元信号分解技术分解w得到的三元信号w5示意图；
[0057] 图2-f为经三元信号分解技术分解w得到的三元信号w6示意图；
[0058] 图2-g为经三元信号分解技术分解w得到的三元信号w7示意图；
[0059] 图2-h为经三元信号分解技术分解w得到的三元信号w8示意图；
[0060] 图2-i为经三元信号分解技术分解w得到的三元信号w9示意图；
[0061] 图2-j为剩余信号r示意图；
[0062] 图3-a为w3的X方向信号的傅立叶谱图；
[0063] 图3-b为w3的Y方向信号的傅立叶谱图；
[0064] 图3-c为w3的Z方向信号的傅立叶谱图；
[0065] 图3-d为w4的X方向信号的傅立叶谱图；
[0066] 图3-e为w4的Y方向信号的傅立叶谱图；
[0067] 图3-f为w4的Z方向信号的傅立叶谱图；
[0068] 图3-g为w5的X方向信号的傅立叶谱图；
[0069] 图3-h为w5的Y方向信号的傅立叶谱图；
[0070] 图3-i为w5的Z方向信号的傅立叶谱图；
[0071] 图4-a为w1三个方向信号的功率谱和w1的矢功率谱图；
[0072] 图4-b为w2三个方向信号的功率谱和w2的矢功率谱图；
[0073] 图4-c为w3三个方向信号的功率谱和w3的矢功率谱图；
[0074] 图4-d为w4三个方向信号的功率谱和w4的矢功率谱图；
[0075] 图4-e为w5三个方向信号的功率谱和w5的矢功率谱图。
具体实施方式
[0076] 下面结合附图对本发明的具体实施方式做进一步的说明。
[0077] 为全面提取转子故障特征以及解决尺度不统一问题，本发明提出一种转子故障特征提取方法，该方法首先将转子相互垂直的径向振动信号和轴向振动信号组成一个三元旋转信号，然后根据三元旋转信号的空间包络特点运用三元信号分解技术，将三元旋转信号按照旋转速度大小的顺序分解成系列三元信号和一个剩余信号之和；再将得到的系列三元信号变换到频域，根据旋转的基频信息确定需要融合的三元信号；最后融合相应的三元信号三个振动方向的功率谱得到矢功率谱，该矢功率谱包含了转子径向截面振动方向和转子轴向振动方向的振动信号特征，反映了转子在三个振动方向的振动情况，利用该矢功率谱进行转子故障提取得到故障特征更为全面、清晰，能够反映转子径向和轴向的特征信息。该方法的具体实现过程如下。
[0078] 1.构建三元旋转信号
[0079] 本实施例采用电涡流传感器检测转子同一截面X方向和Y方向的径向振动信号以及轴向(Z方向)的振动信号，并将其组成一个三元旋转信号w(t)。
[0080] w(t)＝ix(t)+jy(t)+kz(t)
[0081] 其中ijk＝i2＝j2＝k2＝-1，ij＝k，jk＝i，ki＝j；x(t)为水平方向上的径向振动信号，y(t)为垂直方向上的径向振动信号，z(t)为轴向振动信号。
[0082] 通过上述方式，本实施例中得到的三元旋转信号如图1所示。
[0083] 2.将得到的三元旋转信号进行分解。
[0084] 本实施例运用三元信号分解技术将三个相互垂直方向上的振动信号作为一个整体来分解，以确保每个方向上有相同的分解尺度，过程如下：
[0085] a)用下式计算一个三元信号w(t)沿Z轴的投影：
[0086]
[0087] k2＝-1；θm＝mπ/M，m＝0，1，…，M；φn＝nπ/N，n＝0，1，…，N，M＝N，表示输入信号投影的个数；运算符号*表示共轭运算；运算符号.表示卷积运算，q是一个向量的四元数，q＝0+cos(φ)i+sin(φ)j+0k，φ为向量四元数在XOY平面内与X轴的夹角。本实施例中M＝N＝64。
[0088] b)对所有的m和n，找出 最大值对应的时刻
[0089] c)对所有的m和n，对 进行插值运算得到四元包络曲线
[0090] d)计算所有包络曲线的局部平均值m(t)
[0091]
[0092] e)从原始信号中减去均值信号得到
[0093]
[0094] f)重复上述过程并求解：
[0095]
[0096] 其中T为信号总的时间长度，dh(t)＝wh(t)-mh(t)当SD在0.2～0.3时，停止本次迭代过程，分解获得第1个三元信号形式的旋转分量，记为w1(t)。
[0097] g)从原始信号中把第1个旋转分量分解出来，获得新的待分解信号r1(t)＝w(t)-w1(t)，若r1(t)仍为旋转信号，对其重复以上步骤，获得其他的三元信号形式的旋转信号，直至从待分解信号中分解不出新的旋转信号，经过三元模态分解，三元信号w(t)可用下式表示：
[0098]
[0099] n为经过三元模态分解得到的三元信号的个数，r(t)为剩余信号。
[0100] 通过上述分解过程，图1的三元旋转信号分解为9个三元信号和一个剩余信号，如图2-a至图2-j所示。
[0101] 3.确定需要融合的三元信号。
[0102] 本实施例将步骤2)依次分解得到的三元信号转换到频域，根据转子振动信号的基频信息确定需要融合的三元信号，具体步骤如下：
[0103] A.根据转子的转速确定转子振动信号的基频，即f＝h/60，其中f为振动信号的基频，单位为HZ；h为转子转速，单位为转/分钟。
[0104] B.按照旋转速度从高到低的顺序对步骤2分解得到的三元信号进行傅立叶变换，判断各信号的频率情况，当某个三元信号三个方向的傅立叶谱中基频站主导成分时，则三元信号的下一个三元信号及其之前分离出的三元信号为需要融合的三元信号。
[0105] 本实施例中转子转速为3000转/分钟，即基频为50Hz；将步骤2得到三元信号按照旋转速度(频率)从高到低的顺序排列，并分别进行傅立叶变换，本实施例给出了w3、w4和w5三个方向振动信号的傅立叶谱。其中w3三个方向上的频谱如图3-a至图3-c所示，可见w3三个方向上振动信号主要为2倍频和3倍频；w4三个方向上的频谱如图3-d至图3-f所示，可见w4三个方向上振动信号主要为基频；w5三个方向上的频谱如图3-g至图3-i所示，可见w5三个方向上振动信号的频率小于基频。由于三元信号w4三个方向的傅立叶谱中基频站主导成分，该三元信号的下一个三元信号为w5，该三元信号之前的分离出的信号为w1、w1和w1，因此，三元信号w1至w5为确定的需要融合的三元信号。
[0106] 4.对选取的三元信号的功率谱进行融合，以得到相应的矢功率谱。
[0107] A)假设傅立叶频谱中基频占主导成份的下一个三元信号为wm(t)，wm(t)＝ixm(t)+jym(t)+kzm(t)；
[0108] B)根据能量守恒，即三元信号的能量等于各个方向振动信号的能量之和，即：wm(t)的能量为xm(t)、ym(t)和zm(t)的能量之和；
[0109] C)运用傅立叶变换求取wm(t)的能量谱，所得能量谱定义为第m阶矢功率谱。
[0110] w1至w5三个方向信号的功率谱以及相应的矢功率谱分别如图4-a至图4-e所示；图4-a中w1的三个方向信号的功率谱和w1的矢功率谱特征比较杂乱，其原因是信号采集时不可避免的会有高频的噪声信号，而三元信号分解技术将原始的三元信号按频率从高到低的顺序依次分离出三元信号，所以高频噪声首先被分离出来；如图4-b、图4-c、图4-d和图4-e所示，w2、w3、w4和w5的矢功率谱的幅值均比相应的X、Y和Z方向的信号的功率谱的幅值要大，即矢功率谱的谱线特征比各个方向信号的功率谱的谱线特征更为清晰、全面。
[0111] 本发明一种转子故障特征提取装置的实施例
[0112] 本发明的转子故障特征提取装置包括检测单元、分解单元、转换单元和融合单元，检测单元用于检测转子同一截面上相互垂直的径向振动信号和转子轴向振动信号，并将其构成一个三元旋转信号；分解单元根据三元旋转信号的包络特点将三元旋转信号按照旋转速度的顺序分解成系列三元信号形式的旋转信号与一个剩余信号之和；转换单元用于将分解得到的三元形式的旋转信号从时域变换到频域，根据转子振动信号的基频确定需要融合的三元信号；融合单元用于对确定的三元信号三个振动方向的功率谱进行融合，以得到各三元信号的矢功率谱，并根据得到的矢功率谱进行转子故障特征提取。各单元的具体实现手段已在方法的实施例中进行了详细说明，这里不再赘述。
[0113] 本发明运用三元信号分解技术将三个相互垂直方向上的振动信号作为一个整体来分解，确保每个方向上有相同的分解尺度；同时根据三元旋转信号的包络特点自适应地分解三元信号，无需实现确定基函数，具有良好的自适应性。本发明有效融合了转子径向和轴向的故障特征，综合反映了转子径向和轴向故障特征，提取的故障特征更为全面、清晰，提高了旋转机械故障特征提取的技术水平。
