论文部分内容阅读
摘要：针对滚动轴承早期故障诊断中故障特征信号提取问题，论述了门限小波变换的高阶累积量在微弱信号特征提取中的功能、实现和应用条件。比较了连续小波变换（CWT）、快速傅里叶变换（FFT）、短时傅里叶变换（STFT）利用高阶累积量和没有利用高阶累积量情况下，提取微弱信号特征的特性。提出了一种适用于工程实测ICP振动加速度计信号的积分方法，该方法可由振动信号得到较精确的振动速度和位移信号，实现了基于振动信号的相空间分析，有效识别了复杂机械振动的时域与频域分析。最后通过对工程实际中1500kW的风力发电机组滚动轴承的振动信号进行了时域与频域分析，结果表明，该方法能有效提取滚动轴承和齿轮早期故障特征，识别故障类型，具有较高的可信度。
关键词：高阶谱;故障诊断;小波变换;ICP加速度计;时频分析
引言
机械故障信号通常是非平稳信号，背景噪声比较大，信号淹没在噪声中。机械故障诊断的目的就是提取信号特征，并根据信号特征判断故障形式，进行故障诊断[1]。当前，常用的机械故障征兆提取方法多是假设振动信号具有平稳和高斯分布的特性，而实际测得的信号大量是非平稳和非高斯分布的信号，尤其是在发生故障时更是如此。对于这种非线性现象，仅用功率谱和傅里叶变换[2]等传统信号处理方法分析是很难从根本上解决问题。联合时频分布和高阶谱[3]估计方法可以极大提高微弱信号的检测，JTFD（Joint Time Freqency Distribution）对处理非平稳信号很有优势，而高阶谱对高斯噪声有很强的抑制作用。这里引入一种有效的微弱信号检测方法：门限四阶累积量的连续小波变换[3]，门限值来自于Neyman—Pearson[4]准则。利用振动信号对机械设备进行故障诊断是机械故障诊断技术中的一种有效手段。
1.高阶谱分析
随机信号的x（t）的高阶累计定义为ckx（τ1，...，τk-1）=cum[x（t），x（t+τ1），...x（t+τk-1）]
与功率谱相比，高阶谱具有其独特的特性。若系统是线性的，其响应的时间序列就具有高斯分布的平稳随机过程。高阶累积量谱在检测微弱信号的好处在于不需要信号的任何先验信息。
2.门限连续小波变换的四阶累积量
2.1 连续小波变换
3.工程实测信号的研究
频谱分析计算是以傅里叶积分为基础的，它将复杂信号分解为有限或无限个频率的简谱分量。本文中将快速傅里叶分析法（FFT）有效的应用于风力发电机组的故障诊断自功率谱可由自相关函数的傅里叶变换求得，也可由幅值谱计算得到。实际中，正是通过傅里叶变换得到频谱，再由频谱图为依据来判断故障的部位以及故障的严重程度的。
4.结束语
通过对连续小波变换（CWT）、短时傅立叶变换（STFT），快速傅里叶变换（FFT），在利用高阶累积量和没有利用高阶累积量情况下，对机械故障中微弱信号特征提取进行实际测试与试验。可以得出，Neyman—Person（显著性假设）准则的连续小波的四阶累积量在提取强噪声背景下微弱信号特征有较好的效果。结合工程实测ICP振动加速度计信号的积分方法，通过对实际滚动轴承振动信号的分析，验证了本文所提方法的有效性，为滚动轴承故障特征提取方法提供了一种新思路，并将这种方法应用于工程实际，取得了满意的效果。
参考文献：
[1]闻邦椿，张辉，刘树英，何勍，赵春雨 振动机械理论、技术及其应用（英文版）科学出版社，2010.
[2]师汉民，黄其柏.机械振动系统：分析 建模 测试（上册） 华中科技大学出版社 2013.
[3]Shark L K。Yu C.Weak transient signal detection basedon continuous wavelet and cumu|ant analysis.Signal Processing.In：2012 6th International Conference，2012，（2）： l851～1854。
[4]Tsai CS，Hsieh CT， Huang S J. Enhancement of damage detectionof wind turbine blades via CWT based appro aches[ J] . IEEE Transactionson Energy Conversion， 2006， 21（ 3） ： 776 781.
[5]屈梁生，张西宁，沈玉娣.机械故障诊断理论与方法.西安：西安交通大学出版社。2009.
作者简介：
张德胜，男，1983年10月生，现工作于神华集团——国华能源投资有限公司通辽分公司。长期从事1500KW大型风力发电机组在线振动监测的信号采集、故障诊断及数字信号处理。主要研究方向为现代信号处理、机械故障的智能诊断。
关键词：高阶谱;故障诊断;小波变换;ICP加速度计;时频分析
引言
机械故障信号通常是非平稳信号，背景噪声比较大，信号淹没在噪声中。机械故障诊断的目的就是提取信号特征，并根据信号特征判断故障形式，进行故障诊断[1]。当前，常用的机械故障征兆提取方法多是假设振动信号具有平稳和高斯分布的特性，而实际测得的信号大量是非平稳和非高斯分布的信号，尤其是在发生故障时更是如此。对于这种非线性现象，仅用功率谱和傅里叶变换[2]等传统信号处理方法分析是很难从根本上解决问题。联合时频分布和高阶谱[3]估计方法可以极大提高微弱信号的检测，JTFD（Joint Time Freqency Distribution）对处理非平稳信号很有优势，而高阶谱对高斯噪声有很强的抑制作用。这里引入一种有效的微弱信号检测方法：门限四阶累积量的连续小波变换[3]，门限值来自于Neyman—Pearson[4]准则。利用振动信号对机械设备进行故障诊断是机械故障诊断技术中的一种有效手段。
1.高阶谱分析
随机信号的x（t）的高阶累计定义为ckx（τ1，...，τk-1）=cum[x（t），x（t+τ1），...x（t+τk-1）]
与功率谱相比，高阶谱具有其独特的特性。若系统是线性的，其响应的时间序列就具有高斯分布的平稳随机过程。高阶累积量谱在检测微弱信号的好处在于不需要信号的任何先验信息。
2.门限连续小波变换的四阶累积量
2.1 连续小波变换
3.工程实测信号的研究
频谱分析计算是以傅里叶积分为基础的，它将复杂信号分解为有限或无限个频率的简谱分量。本文中将快速傅里叶分析法（FFT）有效的应用于风力发电机组的故障诊断自功率谱可由自相关函数的傅里叶变换求得，也可由幅值谱计算得到。实际中，正是通过傅里叶变换得到频谱，再由频谱图为依据来判断故障的部位以及故障的严重程度的。
4.结束语
通过对连续小波变换（CWT）、短时傅立叶变换（STFT），快速傅里叶变换（FFT），在利用高阶累积量和没有利用高阶累积量情况下，对机械故障中微弱信号特征提取进行实际测试与试验。可以得出，Neyman—Person（显著性假设）准则的连续小波的四阶累积量在提取强噪声背景下微弱信号特征有较好的效果。结合工程实测ICP振动加速度计信号的积分方法，通过对实际滚动轴承振动信号的分析，验证了本文所提方法的有效性，为滚动轴承故障特征提取方法提供了一种新思路，并将这种方法应用于工程实际，取得了满意的效果。
参考文献：
[1]闻邦椿，张辉，刘树英，何勍，赵春雨 振动机械理论、技术及其应用（英文版）科学出版社，2010.
[2]师汉民，黄其柏.机械振动系统：分析 建模 测试（上册） 华中科技大学出版社 2013.
[3]Shark L K。Yu C.Weak transient signal detection basedon continuous wavelet and cumu|ant analysis.Signal Processing.In：2012 6th International Conference，2012，（2）： l851～1854。
[4]Tsai CS，Hsieh CT， Huang S J. Enhancement of damage detectionof wind turbine blades via CWT based appro aches[ J] . IEEE Transactionson Energy Conversion， 2006， 21（ 3） ： 776 781.
[5]屈梁生，张西宁，沈玉娣.机械故障诊断理论与方法.西安：西安交通大学出版社。2009.
作者简介：
张德胜，男，1983年10月生，现工作于神华集团——国华能源投资有限公司通辽分公司。长期从事1500KW大型风力发电机组在线振动监测的信号采集、故障诊断及数字信号处理。主要研究方向为现代信号处理、机械故障的智能诊断。