[发明专利]一种旋转机械频谱谐波平均优化方法

说明书

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；本发明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。

技术领域

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

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。

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

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。

为了实现上述目的，本发明采取的技术解决方案是：

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。

一种旋转机械频谱谐波平均优化方法，包括以下步骤：

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{A_i}，{i＝1,2,…,N},N为采样点数；

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F_t；

步骤3)从原始频谱0-F_t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{B_j}，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-F_t范围内可计算的谐波个数；

步骤4)去局部极小值均值，C_j＝abs(B_j-a_v)，其中是频谱幅值序列局部极小值的平均值，满足B_j＜B_j-1且B_j＜B_j+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；