專利名稱：基于可變空間-尺度框架的機械沖擊型故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種機械故障診斷方法，具體涉及一種復(fù)雜機電設(shè)備(包括旋轉(zhuǎn)機械和往復(fù)式機械)沖擊型特征的增強和分離技術(shù)。
背景技術(shù)：
大型復(fù)雜機電設(shè)備在國民經(jīng)濟活動的各部門，如交通運輸、冶金能源、裝備制造和國防工業(yè)中都發(fā)揮著重要作用。在復(fù)雜惡劣的運行工況下，重要裝備的關(guān)鍵零部件，如旋轉(zhuǎn)機械的軸承、齒輪和轉(zhuǎn)子，以及往復(fù)式機械的活塞、氣閥、曲柄和連桿等，不可避免出現(xiàn)磨損、剝落、裂紋等局部損傷導(dǎo)致性能退化并逐漸萌生故障，造成產(chǎn)品設(shè)備運行質(zhì)量下降甚至機毀人亡惡性事故。及早發(fā)現(xiàn)這些裝備中的潛在故障，對于保證生 產(chǎn)活動的有序進行和預(yù)防重大災(zāi)難性事故具有顯著經(jīng)濟價值和重要社會意義。國家中長期規(guī)劃(2006-2020年)、“十一五”規(guī)劃和國家自然科學(xué)基金委學(xué)科發(fā)展戰(zhàn)略研究報告(2006-2010年)中均將重大設(shè)施運行可靠性、安全性、可維護性等關(guān)鍵技術(shù)列為重要研究方向。設(shè)備狀態(tài)監(jiān)測的先進理論和技術(shù)的發(fā)展及其在工程實踐中的實用化推廣成為故障診斷領(lǐng)域的重要研究課題。當復(fù)雜機電設(shè)備的核心零部件發(fā)生局部損傷時，由于其自身的周期性或往復(fù)性運轉(zhuǎn)，在動態(tài)響應(yīng)信號中產(chǎn)生微弱的故障沖擊特征。這些故障特征往往與其他振動模式發(fā)生耦合并且淹沒在強大的背景噪聲下，常規(guī)的平穩(wěn)信號處理方法難以得到滿意的特征提取效果，阻礙了故障診斷的有效開展。目前在復(fù)雜設(shè)備狀態(tài)監(jiān)測以及故障診斷領(lǐng)域，常用的故障診斷技術(shù)主要建立在Daubechies離散小波變換為代表的二進小波分析基礎(chǔ)之上。小波變換是一種針對非平穩(wěn)信號的時頻域分析工具，它的時頻原子是局部支撐的振蕩衰減函數(shù)。根據(jù)內(nèi)積匹配原理，小波基函數(shù)可以較好地匹配機械設(shè)備早期微弱故障的沖擊特征。然而經(jīng)典離散小波變換方法，如Daubechies族等，存在著小波時頻院子特性單一，基函數(shù)固定等問題，不利于匹配復(fù)雜多樣的故障特征。另一方面，小波基函數(shù)及其分析參數(shù)的選取往往需要專業(yè)人員的大量監(jiān)督和介入，對于一般技術(shù)人員而言不易理解，因而在工業(yè)現(xiàn)場的實用性較差。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種可變空間-尺度框架時頻聯(lián)合峭度分布圖的復(fù)雜機電設(shè)備沖擊型故障診斷方法。為達到以上目的，本發(fā)明是采取如下技術(shù)方案予以實現(xiàn)的一種基于可變空間-尺度框架的機械沖擊型故障診斷方法，其特征在于包括下述步驟I)采用可變空間-尺度框架函數(shù)對復(fù)雜機電設(shè)備上采集的動態(tài)響應(yīng)信號進行分解與單支重構(gòu)，所述的分解是將該動態(tài)響應(yīng)信號中故障特征和其他振動模式分量分解到不同的子頻帶中，包括以下步驟a、構(gòu)造一個控制參數(shù)集合Y G {(p，q，s) |p，q，s G Z+}以生成不同的可變空間-尺度框架函數(shù)(Br^sIhCLS) G r}，其中Z+表示正整數(shù)集合，可變空間-尺度框架函數(shù)的時頻原子集是由一個可細化函數(shù)濾波器h^n)和一個生成函數(shù)濾波器g(l(n)展成；控制參數(shù)P，q，s共同決定濾波器Iitl (n)和g(l (n)所展成的函數(shù)空間-尺度特性，其中P和q用于確定可變空間-尺度框架函數(shù)的尺度伸縮因子，而s則決定該框架函數(shù)的時域能量集中特性；控制參數(shù)P，q, s之間必須滿足構(gòu)造許可條件2 < p〈q 且 p/q+l/s>l定義Hq(Co)為可細化函數(shù)濾波器hQ(n)的頻譜；Gq(Co)為生成函數(shù)濾波器g(l(n)的頻譜，它們的數(shù)學(xué)解析式定義為
權(quán)利要求
1. 一種基于可變空間-尺度框架的機械沖擊型故障診斷方法，其特征在于包括下述步驟 I)采用可變空間-尺度框架函數(shù)對復(fù)雜機電設(shè)備上采集的動態(tài)響應(yīng)信號進行分解與單支重構(gòu)，所述的分解是將該動態(tài)響應(yīng)信號中故障特征和其他振動模式分量分解到不同的子頻帶中，包括以下步驟 a、構(gòu)造一個控制參數(shù)集合YG {(p, q, s) |p, q, s G Z+}以生成不同的可變空間-尺度框架函數(shù){Bp,,」(p，q，s) G r}，其中Z+表示正整數(shù)集合，可變空間-尺度框架函數(shù)的時頻原子集是由一個可細化函數(shù)濾波器hjn)和一個生成函數(shù)濾波器g(l(n)展成； 控制參數(shù)P，q，s共同決定濾波器hjn)和g(l(n)所展成的函數(shù)空間-尺度特性，其中p和q用于確定可變空間-尺度框架函數(shù)的尺度伸縮因子，而s則決定該框架函數(shù)的時域能量集中特性；控制參數(shù)P，q, s之間必須滿足構(gòu)造許可條件 · 2 ( p〈q 且 p/q+l/s>l 定義HtlO)為可細化函數(shù)濾波器hQ(n)的頻譜；GtlO)為生成函數(shù)濾波器gQ(n)的頻譜，它們的數(shù)學(xué)解析式定義為
2.如權(quán)利要求I所述的基于可變空間-尺度框架的機械沖擊型故障診斷方法，其特征在于，步驟I)子步驟b中所述的變換域子序列\(zhòng)(n)通過如下運算得到 ①初始化分解迭代次數(shù)j=l，采用濾波器hjn)和g(l(n)對復(fù)雜機電設(shè)備的動態(tài)信號進行多尺度分解，分解的過程在頻域上完成，其中可細化函數(shù)分支在分解之前須進行上P增采樣，在分解之后須進行下q降采樣；而生成函數(shù)分支只需要在濾波后進行下s降采樣。得到第一層可細化函數(shù)序列C1 (n)和生成函數(shù)序列W1 (n); ②采用濾波器h(n)和g^n)對上一層分解得到的可細化函數(shù)序列進行再分解，得到新的生成函數(shù)序列％(n)和新的可細化函數(shù)序列~(n)，分解算法與第一尺度分解相同，濾波器h>)和g>)的頻譜函數(shù)Hj(Co)和Gj(Co)由如下公式定義
3.如權(quán)利要求I所述的基于可變空間-尺度框架的機械沖擊型故障診斷方法，其特征在于，步驟2)中所述的“全局特征峭度”和“時頻聯(lián)合峭度”的定義，包括以下步驟 a、計算Rp,q,s中各單支重構(gòu)動態(tài)響應(yīng)信號的改進峭度值,改進峭度值Kurt[x(n)]計算公式如下 Kurt [X (n) ] =E [ (C [x, X1, X 2] - y )4] / o 4 式中算子￡[ ]表示數(shù)學(xué)期望，算子C[x(n)，A1, A2]的作用是對輸入序列x(n)進行首尾截斷，當輸入序列x(n)的長度為L時，保留X中索引在區(qū)間[入山，X2L]之內(nèi)的系數(shù)；U和O代表截斷后序列的平均值與標準差，框架函數(shù)BR(LS對信號x(n)進行分析得到的單支重構(gòu)動態(tài)響應(yīng)信號改進峭度值為 Kp, q；s= {Kurt Lr1 (n) ]，Kurt [r2 (n)]，…，Kurt [rJ+1 (n) ]}； b、計算可變空間-尺度框架函數(shù)Bp,q,s的全局特征峭度值CK[Bp,iS]，定義如下 CK [Bp, J=max Kp,q,s ；C、由可變空間-尺度框架函數(shù)Bp,q,s對信號x(n)進行分析得到單支重構(gòu)動態(tài)響應(yīng)信號rj (n)的時頻聯(lián)合峭度TFK [r」(n)]，定義為 TFK [r」(n) ] =Thres (Kurt [C [ | Rj (f) |，fmin, fmax] ]) Kurt [C [r」(n)，0. 05，0. 95]],其中:Thres (t)表示閾值函數(shù)，定義為(0 0 < / < 6Th—叫丨(…; Rj (f)表示ru(n)的傅里葉變換譜線系數(shù)，[fmin，f_]表示可變空間-尺度框架函數(shù)B/，&/第j尺度生成函數(shù)濾波器Gj (co)的歸一化通帶。
4.如權(quán)利要求I所述的基于可變空間-尺度框架的機械沖擊型故障診斷方法，其特征在于，所述步驟3)的具體方法包括以下子步驟 a、以全局特征峭度最大化為優(yōu)化目標選擇匹配信號中故障特征的最優(yōu)可變空間-尺度框架函數(shù) =(/,^,^) = argmaxCK[Bw] rer Y的參數(shù)空間選為{(P，q, s) I P，q, s G Z+，2 彡 p 彡 9，q=p+l, I 彡 s 彡 3} 由Y_=(p*，q*，s*)所決定的可變空間-尺度框架函數(shù)選出的最優(yōu)信號分解函數(shù)。
b、采用最優(yōu)可變空間-尺度框架函數(shù)B對信號進行逐層分解并單支重構(gòu)，得到重構(gòu)信號 Ropt= {ri； j (n) I i, j G Z+, n G Z+ U {0}，j 彡 i}; c、計算R_中各單支重構(gòu)動態(tài)響應(yīng)信號ru(n)的時頻聯(lián)合峭度，將計算得的時頻聯(lián)合峭度值繪制于關(guān)于“頻率一尺度”的二維平面上，得到改進的“時頻聯(lián)合峭度分布圖”，時頻聯(lián)合峭度的數(shù)值大小與圖中色彩深淺程度對應(yīng)； d、選取改進的“時頻聯(lián)合峭度分布圖”中時頻聯(lián)合峭度最大值所屬子頻帶進行分析，做出其Hilbert包絡(luò)和包絡(luò)解調(diào)譜以識別其中的沖擊特征，進行故障診斷。
全文摘要
本發(fā)明公開了一種基于可變空間-尺度框架的機械沖擊型故障診斷方法，其特征在于，首先基于不同的控制參數(shù)構(gòu)造空間-尺度特性互有差異的框架函數(shù)，利用所構(gòu)造函數(shù)對機電設(shè)備動態(tài)響應(yīng)信號進行多尺度分析；計算各時間-尺度框架函數(shù)的全局特征峭度，以全局特征峭度最大化為優(yōu)化目標選取動態(tài)信號的最優(yōu)框架函數(shù)；以最優(yōu)框架函數(shù)對動態(tài)信號進行分析，計算各單支重構(gòu)信號的時頻聯(lián)合峭度分布圖；再以圖中時頻聯(lián)合峭度最大值所屬子頻帶作為最優(yōu)分析子頻帶進行故障診斷。該方法能進行分析參數(shù)優(yōu)化和關(guān)鍵故障特征自適應(yīng)提取，實現(xiàn)復(fù)雜機電設(shè)備沖擊型故障診斷，及早發(fā)現(xiàn)設(shè)備運行質(zhì)量下降，避免機器重大事故。
文檔編號G01M13/00GK102721537SQ20121017926
公開日2012年10月10日 申請日期2012年6月1日 優(yōu)先權(quán)日2012年6月1日
發(fā)明者何正嘉, 孫海亮, 張周鎖, 曹宏瑞, 李兵, 李繼猛, 訾艷陽, 陳彬強, 陳雪峰 申請人:西安交通大學(xué)