本发明公开了一种基于改进傅立叶变换的旋转机械故障诊断方法，获取当前时刻的离散信号，并对上述离散信号进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率；并将其转换为信号序列；采集振动信号；获取轴承各部分的特征频率；排序，对最小值，进行kfs处理；对步骤四中获取的序列，经过傅立叶变换为频域，并将照k0fs长度进行分段，获取段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障，能对轴承故障进行简单、初步分析。
1.一种基于改进傅立叶变换的旋转机械故障诊断方法，其特征在于：其包括以下步骤：一、获取当前时刻的一对离散信号X(t)＝x(1)，...，x(N)，其中N为采样点数，t为当前时刻，且信号周期为T；
二、对上述离散信号X(t)进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率[fi，fi+Bp]，其中Bp为该频谱图局部的范围；
三、将需要检测的局部信号的频率[fi，fi+Bp]转换为信号序列Xf(t)，其取样时间为其中 其中A为X(t)的采样离散数量，B为[fi，fi+Bp]区间段采样离散数量，T为信号周期；
四、对振动信号进行采集，采样时间为T0，时间周期为Ts，频率为fs＝1/Ts，序列为X1(t)；
其中，Db为滚动体直径，Dc为滚动轴承平均直径；θ为径向方向接触角；Fs为轴的转频；Fb为滚动体特征频率；Fbpi为内圈特征频率；Fbpo为外圈特征频率；Fc为保持架特征频率；Nb为滚动体个数；
六、对fs，Fb，Fbpi，Fbpo，Fc进行排序，对最小值fs，进行kfs处理，k为自然数，并使得kfs大于max{Fb，Fbpi，Fbpo，Fc}，并确定此时的k＝k0；
七、对步骤四中获取的序列X1(t)，经过傅立叶变换为频域X1(f)，并将X1(f)按照k0fs长度进行分段，X1(f)＝{X1(f)1，...，X1(f)n}，n＝1,2，...，其中n为段数；
八、获取X1(f)j，j＝1,2，...n，并获取X1(f)j段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；
九、将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障。
2.根据权利要求1所述的一种基于改进傅立叶变换的旋转机械故障诊断方法，其特征在于：X1(f)数倍大于k0fs。
基于改进傅立叶变换的旋转机械故障诊断方法
技术领域
[0001] 本发明涉及轴承故障检测领域，具体设计一种基于改进傅立叶变换的旋转机械故障诊断方法。
背景技术
[0002] 目前中高速的旋转机械故障诊断技术日趋成熟，尤其振动法的应用十分普遍，得到市场的广泛支持。
[0003] 制药机械隶属于旋转机械领域中一类，近几年来随着新版本GMP的颁布，国家大力发展制药及其辅助机械，使得故障诊断需求也变得十分迫切。对基于振动信号分析处理方法中，傅立叶变换在其中起到重要作用，如频域分析方法。但是傅立叶变换也出现一些弊端，该算法是全局分析方法，在给定采样时间(而不是采样率)固定傅立叶变换的分辨率，对于局部频域信号分辨率效果比较差，频谱图对局部展示效果较差。相反的，如果对局部信号要求高分辨率、高采样率，则傅立叶变换数据会变得很大、冗余，对存储空间造成一定负担。
发明内容
[0004] 针对以上不足，本发明提供一种基于改进傅立叶变换的旋转机械故障诊断方法。
[0005] 为实现上述目的，本发明提供一种基于改进傅立叶变换的旋转机械故障诊断方法，其包括以下步骤：
[0006] 一、获取当前时刻的一对离散信号X(t)＝x(1)，...，x(N)，其中N为采样点数，t为当前时刻，且信号周期为T；
[0007] 二、对上述离散信号X(t)进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率[fi，fi+Bp]，其中Bp为该频谱图局部的范围；
[0008] 三、将需要检测的局部信号的频率[fi，fi+Bp]转换为信号序列Xf(t)，其取样时间为 其中 其中A为X(t)的采样离散数量，B为[fi，fi+Bp]区间段采样离散数量，T为信号周期；
[0009] 四、对振动信号进行采集，采样时间为T0，时间周期为Ts，频率为fs＝1/Ts，序列为X1(t)；
[0010] 五、获取轴承各部分的特征频率：
[0011]
[0012]
[0013]
[0014]
[0015] 其中，Db为滚动体直径，Dc为滚动轴承平均直径；θ为径向方向接触角；Fs为轴的转频；Fb为滚动体特征频率；Fbpi为内圈特征频率；Fbpo为外圈特征频率；Fc为保持架特征频率；Nb为滚动体个数；
[0016] 六、对fs，Fb，Fbpi，Fbpo，Fc进行排序，对最小值fs，进行kfs处理，k为自然数，并使得kfs大于max{Fb，Fbpi，Fbpo，Fc}，并确定此时的k＝k0；
[0017] 七、对步骤四中获取的序列X1(t)，经过傅立叶变换为频域X1(f)，并将X1(f)按照k0fs长度进行分段，X1(f)＝{X1(f)1，...，X1(f)n}，n＝1,2，...，其中n为段数；
[0018] 八、获取X1(f)j，j＝1,2，...n，并获取X1(f)j段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；
[0019] 九、将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障。
[0020] X1(f)数倍大于k0fs。
[0021] 本发明的有益效果：利用本方法，可以采用简单算法提高傅里叶变换局部分辨率，并配合幅频域参数，能对轴承故障进行简单、初步分析。
附图说明
[0022] 图1是信号传递的流程图。
具体实施方式
[0023] 下面针对附图对本发明的实施例作进一步说明：
[0024] 对某旋转机械为研究对象，信号传递的流程见图1所示。旋转机械设备采用滚动轴承，其上安装加速度传感器，采集轴承运转振动信号，该振动信号为模拟信号，通过采集卡进行数模转换为数字信号，即离散信号，传输至上位机进行数据处理。
[0025] 本发明提供一种基于改进傅立叶变换的旋转机械故障诊断方法，其包括以下步骤：
[0026] 一、上位机获取当前时刻的一对离散信号X(t)＝x(1)，...，x(N)，其中N为采样点数，t为当前时刻，且信号周期为T；
[0027] 二、对上述离散信号X(t)进行傅里叶变化，并对变换后的频谱图进行局部信号观察，并记录需要检测的局部信号的频率[fi，fi+Bp]，其中Bp为该频谱图局部的范围，其中需要检测的局部信号为感兴趣的局部信号，并记录其频率；
[0028] 三、将需要检测的局部信号的频率[fi，fi+Bp]转换为信号序列Xf(t)，其取样时间为 其中 其中A为X(t)的采样离散数量，B为[fi，fi+Bp]区间段采样离散数量，T为信号周期；
[0029] 四、对振动信号进行采集，采样时间为T0，时间周期为Ts，频率为fs＝1/Ts，序列为X1(t)；相比较原采样周期和频率，利用新周期采样将获得更多采样点，简单便捷、无需复杂算法实现信号局部分辨率提高；
[0030] 五、获取轴承各部分的特征频率：
[0031]
[0032]
[0033]
[0034]
[0035] 其中，Db为滚动体直径，Dc为滚动轴承平均直径；θ为径向方向接触角；Fs为轴的转频；Fb为滚动体特征频率；Fbpi为内圈特征频率；Fbpo为外圈特征频率；Fc为保持架特征频率；Nb为滚动体个数；
[0036] 六、对fs，Fb，Fbpi，Fbpo，Fc进行排序，对最小值fs，进行kfs处理，k为自然数，并使得kfs大于max{Fb，Fbpi，Fbpo，Fc}，并确定此时的k＝k0；
[0037] 七、对步骤四中获取的序列X1(t)，经过傅立叶变换为频域X1(f)，并将X1(f)按照k0fs长度进行分段，X1(f)＝{X1(f)1，...，X1(f)n}，n＝1,2，...，其中n为段数；X1(f)数倍大于k0fs；
[0038] 八、获取X1(f)j，j＝1,2，...n，并获取X1(f)j段内各离散点中最大的幅值Fm，最大幅值对应频率与其幅值下降2mm对应的频率之差ΔF；
[0039] 九、将步骤八中获取的Fm和ΔF形成表格，并与步骤五中获取的特征频率值进行比较，在某段Fm和ΔF接近上述特征频率值时，判定该部件出现故障。
[0040] 实施例不应视为对本发明的限制，但任何基于本发明的精神所作的改进，都应在本发明的保护范围之内。
