技术领域
[0001] 本
发明属于旋转机械设备状态监测与故障诊断技术领域，具体涉及一种旋转机械频谱谐波平均优化方法。
背景技术
[0002] 目前我国在航空、石油、化工、
冶金、电
力等企业中，旋转机械设备约占80％。为提高工作效率，许多制造工艺均为流
水作业，在实际工作中，一旦某一环节出现问题，都会导致整个生产过程瘫痪，带来巨大的经济损失，对于一些工作在高速状态的设备，还可能造成人员伤亡的恶劣事故。因此对上述旋转机械设备进行故障监测诊断具有重大意义。
[0003] 旋转机械设备常见的故障主要有
转子故障、
轴承故障、
齿轮故障等，目前最有效的诊断方法为基于振动
信号的监测方法。由于旋转设备具有旋转运动的工作特点，在设备运行过程中，会激发出大量的振动
加速度信号，该信号中蕴含着设备状态的重要信息。频谱分析是故障识别的有效方法，许多故障的振动加速度信号中通常包含故障特征信息，其在频谱上的表现为特定故障
频率成分，但在故障的早期阶段，其特征信息
能量较小，受传递路径、
传感器安装误差、设备部件固有振动等影响，故障信息
信噪比较低，难以直接利用频谱分析进行特征提取。以
滚动轴承为例，目前通常采用解调谱分析的方法进行早期故障诊断，但对于
内圈、滚珠、
保持架等故障，由于故障部位距离传感器安装
位置较远，传递路径复杂，故障信息经过大幅衰减后易淹没在低频噪声干扰中，故障发展到中期时，虽然可以在频谱低频区观察到故障特征，但易受工频和其它同频干扰影响，为诊断信息的提取带来困难。
发明内容
[0004] 为了克服上述
现有技术的缺点，本发明的目的在于提供一种旋转机械频谱谐波平均优化方法，利用故障发生时的特征成分具有谐波特性的特点，采用频谱谐波平均的方法消除或削弱频谱及包络谱中的非谐波低频、同频干扰，提高信噪比，实现故障的早期识别和诊断。
[0005] 为了实现上述目的，本发明采取的技术解决方案是：
[0006] 一种旋转机械频谱谐波平均优化方法，首先，通过对原始振动信号进行傅里叶变换获取振动信号的频谱；然后，根据分析需要确定频谱计算范围，并在确定好的频谱计算范围内对所有分析谱线进行倍频平均计算；最后，去除因倍频平均产生的频谱局部极小值均值和伪峰值，实现非谐波成分干扰噪声的去除。
[0007] 一种旋转机械频谱谐波平均优化方法，包括以下步骤：
[0008] 步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{Ai}，{i＝1,2,…,N},N为
采样点数；
[0009] 步骤2)根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析
频率范围0-F，并确定计算频率上限Ft；
[0010] 步骤3)从原始频谱0-Ft频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{Bj}， B1＝A1，其中Δf为频谱
分辨率，fix为向0方向取整，
是频率(j-1)*Δf在计算频率0-Ft范围内可计算的谐波个数；
[0011] 步骤4)去局部极小值均值，Cj＝abs(Bj-av)，其中 是频谱幅值序列局部极小值 的平均值， 满足Bj＜Bj-1且Bj＜Bj+1，k＝1,2,…,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；
[0012] 步骤5)从原始频谱幅值序列{Ai}中
抽取有效峰值序列 其中 满足Ai-1＜Ai且Ai＞2Ai+1，或2Ai-1＜Ai且Ai＞Ai+1，m＝1,2,…,T1，T1为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{Cj}，得到其一般峰值序列 满足Cj-1＜Cj且Cj＞Cj+1，n＝1,2,…,T2，T2为谐波平均处理后频谱中的峰值个数，判断峰值序列 中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列 成分，若存在，Cj＝Cj，否则， 通过频谱插值的方法消除因频谱平均产生的虚假峰值。
[0013] 所述的步骤2)中的分析频率范围0-F，包含特征频率2-6个谐波，计算频率Ft取F的2-5倍，且小于
采样频率的一半。
[0014] 所述步骤5)中，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。
[0015] 本发明的有益效果为：
[0016] 1.本发明对整个分析频段进行倍频平均处理，使得真实谐波成分得到信息增强，低频及同频非谐波干扰成分得到抑制，地毯噪声由于本身的随机分布特点，能量维持不变，从而实现分析频段的非线性滤波，提高早期故障频谱的信噪比。
[0017] 2.本发明通过求平均运算实现分析频段的频域非线性滤波，过程简单，效果明显。
附图说明
[0019] 图2是本发明
实施例1的滚动轴承实验装置简图。
[0020] 图3是本发明实施例1的滚动轴承振动加速度信号时域
波形图。
[0021] 图4是本发明实施例1的滚动轴承振动加速度信号频谱图。
[0022] 图5是本发明实施例1的滚动轴承振动加速度信号频谱谐波平均处理后效果。
[0023] 图6是本发明实施例2的滚动轴承实验装置简图。
[0024] 图7是本发明实施例2的滚动轴承振动加速度信号的时域波形。
[0025] 图8是本发明实施例2的滚动轴承振动加速度信号频谱。
[0026] 图9是本发明实施例2的滚动轴承振动加速度信号包络谱。
[0027] 图10是本发明实施例2的滚动轴承振动加速度信号包络谱谐波平均处理后效果。
具体实施方式
[0028] 以下结合附图和实施例对本发明进一步的详细说明。
[0029] 实施例1，参照图1，旋转机械频谱谐波平均优化方法，包括以下步骤：
[0030] 步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{Ai}，{i＝1,2,…,N},N为采样点数；
[0031] 步骤2根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析频率范围0-F，分析频率范围0-F包含特征频率2-6个谐波，为防止平均时高频成分往其分频区映射，造成不必要的虚假频率，计算频率Ft取F的2-5倍，且小于采样频率的一半，本实施例中F＝1000Hz，Ft＝2000Hz；
[0032] 步骤3)从原始频谱0-Ft频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{Bj}， B1＝A1，其中Δf为频谱分辨率，fix为向0方向取整，
是频率(j-1)*Δf在计算频率0-Ft范围内可计算的谐波个数，本实施例中Δf＝0.977Hz；
[0033] 步骤4)去局部极小值均值，Cj＝abs(Bj-av)，其中 是频谱幅值序列局部极小值 的平均值， 满足Bj＜Bj-1且Bj＜Bj+1，k＝1,2,…,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；
[0034] 步骤5)从原始频谱幅值序列{Ai}中抽取有效峰值序列 其中 满足Ai-1＜Ai且Ai＞2Ai+1，或2Ai-1＜Ai且Ai＞Ai+1，m＝1,2,…,T1，T1为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{Cj}，得到其一般峰值序列 满足Cj-1＜Cj且Cj＞Cj+1，n＝1,2,…,T2，T2为谐波平均处理后频谱中的峰值个数，判断峰值序列 中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列 成分，若存在，Cj＝Cj，否则， 通过频谱插值的方法消除因频谱平均产生的虚假峰值；
[0035] 考虑受栅栏效应等因素影响，易出现频谱分辨率和真实频率不重叠现象，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。
[0036] 参照图2，本实施例选择美国智能维护系统(IMS)中心的滚动轴承实验装置。在一个轴上安装四个滚动轴承，将转速恒定保持在2000RPM。通过
弹簧机构在轴和轴承上施加6000lb径向
载荷。所有轴承都被强制润滑，在每个轴承上安装了两个PCB353B33高灵敏度
石英ICP
加速度计，共有8个加速度计(每个垂直Y和水平X)。以轴承1为分析对象，数据采样时间为02/12/200410:32:39到02/19/200406:22:39，采样时间间隔为10分钟，采样频率
20kHz,采样点数20480，共984组数据，取早期故障的第700组数据进行分析。
[0037] 参照图3，轴承1故障类型为
外圈故障，从其时域波形中可以看到由故障引起的冲击成分，但不明显。
[0038] 参照图4，分析频谱1000Hz以内成分，可以看到轴承故障的四个谐波成分，但存在较大能量的低频区干扰，且在轴承故障4次谐波处存在高幅值同频干扰。
[0039] 参照图5，采用频谱谐波平均优化方法处理，低频和同频干扰均得到消除和大幅度抑制，轴承故障谐波成分得到明显增强。
[0040] 实施例2，参照图1，旋转机械频谱谐波平均优化方法，包括以下步骤：
[0041] 步骤1)对原始振动信号进行傅里叶变换，获取信号频谱幅值序列{Ai}，{i＝1,2,…,N},N为采样点数；
[0042] 步骤2)根据设备运行工况及部件参数信息，确定信号分析频带上限F，得到分析频率范围0-F，分析频率范围0-F包含特征频率2-6个谐波，为防止平均时高频成分往其分频区映射，造成不必要的虚假频率，计算频率Ft取F的2-5倍，且小于采样频率的一半，本实施例中F＝200Hz，Ft＝800Hz；
[0043] 步骤3)从原始频谱0-Ft频段幅值序列中对分析频率范围0-F的所有谱线进行倍频平均计算，得到谐波平均处理后的幅值序列{Bj}， B1＝A1，其中Δf为频谱分辨率，fix为向0方向取整，
是频率(j-1)*Δf在计算频率0-Ft范围内可计算的谐波个数，本实施例中Δf＝0.25Hz；
[0044] 步骤4)去局部极小值均值，Cj＝abs(Bj-av)，其中 是频谱幅值序列局部极小值 的平均值， 满足Bj＜Bj-1且Bj＜Bj+1，k＝1,2,…,R，R为原始频谱中局部极小值的个数，abs为取绝对值运算；
[0045] 步骤5)从原始频谱幅值序列{Ai}中抽取有效峰值序列 其中 满足Ai-1＜Ai且Ai＞2Ai+1，或2Ai-1＜Ai且Ai＞Ai+1，m＝1,2,…,T1，T1为原始频谱中满足有效峰值条件的个数，对谐波平均处理后序列{Cj}，得到其一般峰值序列 满足Cj-1＜Cj且Cj＞Cj+1，n＝1,2,…,T2，T2为谐波平均处理后频谱中的峰值个数，判断峰值序列 中峰值位置及其相邻4个点处是否存在原始频谱的有效峰值序列 成分，若存在，Cj＝Cj，否则， 通过频谱插值的方法消除因频谱平均产生的虚假峰值；
[0046] 考虑受栅栏效应等因素影响，易出现频谱分辨率和真实频率不重叠现象，在去除虚假峰值时，设置4个频谱分辨率作为判断条件，防止真实成分被误去除，对其余位置处虚假峰值采用线性插值的方法，消除影响。
[0047] 参照图6，本实施例采用实验室滚动轴承试验平台，该试验台包括调速器、直流驱动
电机、动力箱、滚动轴承安装架、轴向加载装置和径向加载装置等部分构成，将转速恒定保持在1050RPM。
[0048] 参照图7，故障轴承型号为6308，故障类型为内圈故障，在1050RPM转速下，理论外圈故障特征频率为85.4Hz，从其时域图中可以看到故障引起的冲击成分。
[0049] 参照图8，信号频谱低频区噪声较大，难以直接进行分析，在3500Hz附近存在一个共振峰。
[0050] 参照图9，对原始振动信号3200-4000Hz频带进行巴特沃斯
带通滤波，并通过希尔伯特变换和FFT，得到其包络谱，包络谱中仍存在大量低频和同频噪声，
轴承外圈故障特征被淹没在噪声中。
[0051] 参照图10，采用频谱谐波平均优化方法处理，低频和同频噪声干扰得到大幅抑制，明显看到
轴承内圈故障特征频率及其谐波。
