一种基于包络谱故障特征识别的最优滤波频带选择方法转让专利
申请号 : CN202110856068.X
文献号 : CN113588268B
文献日 : 2022-05-13
发明人 : 刘全利 , 康强 , 张元庆
申请人 : 大连海天兴业科技有限公司 , 大连理工大学
摘要 :
权利要求 :
1.一种基于包络谱故障特征识别的最优滤波频带选择方法,其特征在于:包括以下步骤:
步骤一:设定带宽Bw和步长Step;其中Bw设定为3至5倍的故障特征频率,Step需大于信号的频率分辨率,小于设定的带宽Bw;
步骤二:频带划分,根据设定的Bw和Step对原始信号频带进行划分,得到N个子频带,在N个子频带上对信号进行滤波,得到N个子信号;
步骤三:计算每一个子信号的包络谱,并使用故障特征识别方法对每一个包络谱进行分析,计算每一个包络谱的故障特征评价指标Val,选择Val值最大的包络谱对应子信号所在频带作为最优滤波频带;
所述故障特征识别方法包括以下步骤:步骤一:计算故障特征评率;
步骤二:初始化n=1,Val=0,设定搜索宽带和误差率;
步骤三:目标频率=故障特征频率×n;
步骤四:搜索最大值;
步骤五:判断对应频率在是否允许误差范围内;若为是则进入步骤六;若为否则直接输出Val;
步骤六:搜索次大值;
步骤七:计算最大值与次大值的比值Pn;
步骤八:判断P是否≥临界值C,若是则进入步骤九,若为否,则直接输出Val;
步骤九:Val=Val+Pn;
步骤十:n是否=3,若是,则进入步骤十一;若否,则n=n+1后,返回步骤三;
步骤十一:输出Val;
所述Val用于评价包络谱中故障特征的明显程度;
Val=P1+P2+P3;
其中P1、P2、P3分别表示轴承故障特征频率的一倍频、二倍频和三倍频处幅值与其附近一定范围频带内幅值的次大值之比,即Pi=Ai1/Ai2,Ai1为故障特征频率或其倍频处的幅值,Ai2为故障特征频率或其倍频附近一定范围频带内幅值的次大值,其中i=1,2,3。
2.根据权利要求1所述的一种基于包络谱故障特征识别的最优滤波频带选择方法,其特征在于:所述步骤三中的目标频率为轴承故障特征频率的1~3倍频。
3.根据权利要求1所述的一种基于包络谱故障特征识别的最优滤波频带选择方法,其特征在于:在进行Ai1和Ai2的搜索时,为了防止包络谱中与轴承故障特征无关的峰值影响,并非在全局范围内进行搜索,而是将搜索范围集中于目标频率ftar附近一定范围内,目标频率为轴承故障特征频率ffault的1到3倍频;定义W为搜索带宽,则将搜索的频带范围设定为
4.根据权利要求3所述的一种基于包络谱故障特征识别的最优滤波频带选择方法,其特征在于:所述搜索带宽为50Hz。
5.根据权利要求4所述的一种基于包络谱故障特征识别的最优滤波频带选择方法,其特征在于:
(1)当ftar较小时,可能会出现搜索频带的下界ftar‑w/2<0的情况,因此,在每次搜索的过程中需要判断搜索下界与0的大小关系,取搜索下界为Max(0,ftar‑w/2);
(2)搜索频带不能包含故障特征频率的倍频,这样可能会导致次大值Ai2选取为故障频率倍频处的幅值;因此,取搜索范围的上界为 α为误差率。
6.根据权利要求5所述的一种基于包络谱故障特征识别的最优滤波频带选择方法,其特征在于:在确定了搜索频带后,搜索该频带范围内幅值最大的谱线,这根谱线所对应的幅值即为Ai1,假定这根谱线对应的频率为 当 满足 时,即认为搜索到的幅值Ai1代表的是故障特征频率处的幅值,其中α为允许的误差率,α为0.05。
说明书 :
一种基于包络谱故障特征识别的最优滤波频带选择方法
技术领域
背景技术
今的工程要求。为此,很多频带选择方法被相继提出,并在轴承故障诊断中取得了不错的效
果,快速谱峭度图(FK)和Protrugram是其中最为经典的两种方法,但当信号中存在非高斯
性噪声或与轴承故障特征无关的循环平稳噪声时,上述两种频带选择方法容易受到影响,
给出错误的频带选择结果。
号的包络谱峭度值作为滤波效果的评价指标,包络谱峭度值反映信号循环平稳性的强弱,
导致Protrugram容易受到信号中与轴承故障特征无关的循环平稳振动噪声的影响。列车上
的轴承通常不是单独使用的,而是集成于齿轮箱、电机或轴箱等机械系统中,这会导致采集
到的轴承振动信号中包含其它循环平稳振动,这些与轴承故障特征无关的循环平稳振动一
定程度上会导致FK和Protrugram选择错误的滤波频带,从而导致轴承故障诊断的失败。
发明内容
故障特征的识别,提出了一种基于包络谱故障特征识别的最优滤波频带选择方法,使其在
信号中存在不同类型的噪声干扰时,依然能够选择正确的滤波频带。
号所在频带作为最优滤波频带。
否允许误差范围内;若为是则进入步骤六;若为否则直接输出Val;步骤六:搜索次大值;步
骤七:计算最大值与次大值的比值Pn;步骤八:判断P是否≥临界值C,若是则进入步骤九,若
为否,则直接输出Val;步骤九:Val=Val+Pn;步骤十:n是否=3,若是,则进入步骤十一;若
否,则n=n+1后,返回步骤三;步骤十一:输出Val;
的次大值之比,即Pi=Ai1/Ai2,Ai1为故障特征频率或其倍频处的幅值,Ai2为故障特征频率或
其倍频附近一定范围频带内幅值的次大值,其中i=1,2,3。
内,目标频率为轴承故障特征频率ffault的1到3倍频;定义W为搜索带宽,则将搜索的频带范
围设定为
(2)搜索频带不能包含故障特征频率的倍频,这样可能会导致次大值Ai2选取为故障频率倍
频处的幅值;因此,取搜索范围的上界为 α为误差率。
时,即认为搜索到的幅值Ai1代表的是故障特征频率处的幅值,其中α为允许的误差率,α为
0.05。
谱,则此包络谱对应子信号所在频带即为最优滤波频带。脉冲性噪声因不具有循环平稳性,
基本不会在包络谱中产生谱峰,而与轴承故障特征无关的循环平稳噪声的特征频率与轴承
故障特征频率不同,在包络谱中产生的谱峰与反映轴承故障特征的谱峰位置不同,因此通
过对包络谱故障特征的识别可以最大限度的排除信号中脉冲性噪声和与轴承故障特征无
关的循环平稳性噪声的干扰。
附图说明
具体实施方式
号所在频带作为最优滤波频带。
特点。考虑在对轴承进行故障诊断时,故障特征频率是一个已知信息,因此,对于原始信号
经频带划分后得到的N个子信号,分别计算它们的包络谱,并从中找出反映轴承故障特征最
明显的包络谱,则此包络谱对应的子信号所在频带即为最优滤波频带。考虑人工神经网络
等智能故障特征识别方法需要故障训练样本、识别准确率不够高等因素,在工程应用上难
以普及。
二倍频处谱线的突起程度,故障特征频率处的谱线越突起,则表明此包络谱反映的轴承故
障特征越清晰,以此来寻找能观察到最明显轴承故障特征的包络谱。
幅值,Ai2为故障特征频率或其倍频附近一定范围频带内幅值的次大值,其中i=1,2,3。
为轴承故障特征频率ffault的1到3倍频;定义W为搜索带宽,则将搜索的频带范围设定为
误差率。
为搜索到的幅值Ai1代表的是故障特征频率处的幅值,其中α为允许的误差率,误差率的设定
需要参考轴承参数手册中给出的尺寸误差值、信号频率分辨率以及轴承的运行时间和运行
环境等历史运行状况进行决定,本实施例中的α为0.05。
并非严格的周期性信号以及受频率分辨率的影响,Ai1所在的谱线并不是由单一点组成的。
如图2所示,对于框内标出的三个点,它们同样位于Ai1所在的谱线上,在搜索次大值Ai2时需
要将它们避开,否则会影响对于故障特征的判断。根据实验验证,在搜索Ai2时,可忽略
左右两侧各2个点。
也不能反映出故障特征。因此,需定义临界值C,只有当Pi的值大于临界值时,才进行Pi+1的
计算,否则将Pi和Pi+1均记为零(i+j≤3)。临界值的设定决定了故障特征频率处谱线的突起
程度,临界值的大小与谱线的突起程度成正相关。如图4和图5所示为P=1.3和P=1.5时对
应的谱峰,可见当P=1.5时谱峰已经相当明显,因此本发明设定临界值C为1.5,并规定当P
值大于临界值C时,P值为其原值,当P值小于临界值C时,认为在包络谱中没有提取到轴承故
障特征,并将P记为零,这样可以节约计算资源,提升计算效率。
不仅可以看见故障特征频率处有明显突起,并且在故障特征频率的二倍频、三倍频处也应
存在明显突起。因此,在计算得到P1后,以故障特征频率的二倍频和三倍频为目标频率,分
别计算得到P2和P3。虽然存在故障振动信号高次谐波的振幅可能已经衰减到小于或等于背
景噪声的情况,以至于P2或P3的值较小甚至小于设定的临界值,不过,这一步的目的是为了
从已经提取到故障特征的包络谱中选取故障特征更加明显的包络谱,P2和P3用于辅助选择,
而不通过P2和P3的值来判断是否在包络谱中提取到了轴承故障特征。综上,本发明提出的故
障特征识别方法流程图如图6所示。
谱,则此包络谱对应子信号所在频带即为最优滤波频带。脉冲性噪声因不具有循环平稳性,
基本不会在包络谱中产生谱峰,而与轴承故障特征无关的循环平稳噪声的特征频率与轴承
故障特征频率不同,在包络谱中产生的谱峰与反映轴承故障特征的谱峰位置不同,因此通
过对包络谱故障特征的识别可以最大限度的排除信号中脉冲性噪声和与轴承故障特征无
关的循环平稳性噪声的干扰。
声。通过与两种经典频带选择方法FK、Protrugram进行对比说明在不同程度、不同类型的噪
声干扰下,本发明所提方法在滤波频带选择上的优势。
=25KHz,采样时间为1秒。
对解调频带的选择产生影响。本节主要考虑无法由第三章提出的降噪方法去除的高频振动
噪声对最优解调频带选择的影响。根据以上参数生成轴承故障仿真信号,其时域波形图如
图8所示。
调频带分别为[4025Hz;450Hz]和[4000Hz;450Hz]。可以看出,当轴承故障振动信号中不包
含脉冲噪声或循环平稳噪声时,三种方法给出的滤波频带全都包含预设的系统共振频率
4000Hz,并且从给出的滤波频带上子信号的包络谱中可以观察到明显的轴承故障特征频率
及其倍频成分,成功地对轴承故障进行了诊断脉冲噪声下仿真结果及分析轨道上的焊缝会
导致列车走行部轴承振动信号中存在脉冲性噪声[32],频带选择方法需对其有很好的抵抗
能力,才能保证在工程实际中选择出准确的滤波频带。本节通过在原始信号中加入不同程
度的随机脉冲噪声,并对比三种频带选择方法对于脉冲噪声的抵抗能力。现设定在轴承故
障仿真信号x(t)中加入脉冲性噪声后的信号为y(t)。
的脉冲噪声。
Protrugram和改进方法的解调带宽设定为450Hz,约为故障特征频率的3.5倍。
障特征频率成分,不能完成对轴承的故障诊断。从仿真结果来看,FK非常容易受到信号中脉
冲性噪声的干扰。Protrugram和改进方法给出的解调频带分别为[4025Hz;450Hz]和
[4000Hz;450Hz],并且从对应频带上子信号的包络谱中可以观察到明显的轴承故障特征频
率及其倍频成分,成功地对轴承故障进行了诊断。
环平稳振动的能量可能会超过轴承故障振动的能量[28],这会对滤波频带选择方法产生影
响,使其无法准确选出轴承故障振动信号所在频带。
振。本节通过仿真信号模拟齿轮箱中同时发生齿轮断齿故障和轴承早期故障的情况,以检
验本文所提最优滤波频带选择方法能否在齿轮故障振动信号的干扰下选择出轴承故障振
动信号所在频带,并与两种经典频带选择方法进行对比。设定在轴承故障振动信号x(t)中
加入齿轮断齿振动信号xc(t)后的复合故障振动信号为z(t),即:
入额外的高斯性噪声。因此令T=mod(t,1/30)、fn=8000Hz及n(t)=0。可以通过设定n的值
来模拟齿轮断齿故障所引发的冲击振动幅值。
示,从图中可以看到,断齿故障振动信号占主导地位。
为故障特征频率的3.5倍。
的轴承故障振动导致的共振频率4000Hz。并且从两个方法给出的滤波频带上子信号的包络
谱中仅能看到齿轮断齿故障特征频率30Hz及其倍频成分。这表明,FK和Protrugram容易受
到信号中与轴承故障特征无关的循环平稳振动的影响,无法给出期望的滤波频带。改进方
法给出的滤波频带为[3900Hz;450Hz],并且在给定频带上子信号的包络谱中可以看到明显
的轴承故障特征频率及其倍频成分,成功地对轴承故障进行了诊断。因此,当轴承所在系统
发生复合故障时,使用FK或Protrugram进行滤波频带的选取仅能检测出齿轮断齿故障,而
本文提出的改进方法可以在齿轮断齿强故障干扰下检测出轴承的早期故障。另外,将本文
提出的频带选择方法中的故障特征频率设定为齿轮故障特征频率,则同样可以搜索到齿轮
故障冲击振动导致的共振信号所在频带,具有很强的工程应用价值。
冲性噪声干扰和循环平稳性噪声干扰时,滤波频带的选择效果总结如图29所示。
方法容易受到信号中脉冲噪声和循环平稳噪声的干扰。为了解决这个问题,提出了一个新
的对于滤波后信号包络谱的评价指标,仅考虑故障特征频率附近的图形特征。参考窄带宽
滤波原理,提出了一种改进的频带选择方法。通过仿真信号验证了在信号中加入不同了脉
冲噪声和循环平稳噪声后,改进方法均能准确的指出最优的解调中心频率。相较于FK和
Protrugram方法展现出了更强的抗干扰能力。
一般原理,可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发
明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相
一致的最宽的范围。