[发明专利]一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法

说明书

本发明公开了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，包括以下步骤：(1)营造轴流风机的各种工况状态，建立轴流风机标准工况数据库；(2)建立轴流风机标准工况幅值谱数据库和倒频谱数据库；(3)采集实时运行的轴流风机振动信号，数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；(4)分别计算实时工况与标准工况的振动信号幅值谱相关系数和倒频谱相关系数；(5)绘制联合谱相关系数点并计算与点(1,1)之间的绝对距离；(6)根据绝对距离，确定轴流风机当前的实时运行状态。利用本发明能够对实时运行中的轴流风机的运行状态进行准确有效的识别判断。

技术领域

本发明涉及机械的故障诊断领域，尤其是涉及一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法。

背景技术

轴流风机在长时间使用过程中会出现一些故障，目前基于轴流风机的振动信号的故障诊断方法主要有两类：时域方法和频域方法。

时域方法主要分为两类，第一类时域方法是时域波形分析，直接对振动时域信号进行整体观察和分析，主要关心振动信号峰值的大小、振动的整体幅度大小、振动信号峰值对应的时间、同一形状的波形重复出现的周期长短等。另一类时域方法是时域统计参数分析，通过截取一段振动时域信号，然后对其进行各类统计参数的计算，如平均值、峰值、峰峰值、标准差、方差、均方根等，通过与已有的标准对比，进而判断当前风机的振动是否处于正常范围内。

频域方法主要有快速傅里叶变换、短时傅里叶变换以及小波变换等。快速傅里叶变换是将信号的时域信息完全转换成频域信息的最常用方法，是一种快速高效的算法，能够较为完美地描述平稳信号的特征。而短时傅里叶变换是将时域信号加窗，将加窗之后的信号进行快速傅里叶变换，从而得到信号的时频联合分布。小波变换也是对信号进行加窗分析，但其窗函数形状可变，进而保证信号分析结果在低频处有较高的频率分辨率，在高频处有较高的时间分辨率，进而实现信号的自适应分析。

但以上方法中，时域波形分析的方式太过简单粗糙，难以有针对性地获取有用的风机状态信息；时域统计参数分析所获取的参数只能判断振动幅度的大小，不能进一步判断轴流风机的运行状态；频域方法能将振动信号中的时域信息转换成频域信息，能有效获取振动的主要频率成分，但是也需要通过频谱分析进一步推测轴流风机可能的故障原因，且需要检查风机零部件以验证推测，不能够直观有效地获取轴流风机的运行状态信息。

发明内容

本发明提供了一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，能够对实时运行中的轴流风机的运行状态进行准确有效的识别判断，可广泛运用于轴流风机的实时监测、状态识别和故障诊断等领域。

一种基于振动信号联合谱相关系数分析的轴流风机状态识别方法，包括以下步骤：

(1)营造轴流风机的各种工况状态，分别采集振动时域信号序列，建立标准工况数据库，经过数据处理后得到标准工况幅值谱数据库和倒频谱数据库；

(2)采集实时运行的轴流风机振动信号，经过数据处理后得到轴流风机实时工况的振动信号幅值谱和倒频谱；

(3)将实时工况的振动信号幅值谱依次与标准工况幅值谱数据库中的每一组幅值谱进行相关性分析，得到一系列幅值谱相关系数；

(4)将实时工况的振动信号倒频谱依次与标准工况倒频谱数据库中的每一组倒频谱进行相关性分析，得到一系列倒频谱相关系数；

(5)将幅值谱相关系数与倒频谱相关系数进行坐标组合，构成一系列联合谱相关系数点；

(6)在直角坐标系中计算联合谱相关系数点与点(1，1)的绝对距离，根据绝对距离最小的联合谱相关系数点确定轴流风机当前的运行状态。