[发明专利]基于VT-ANM-SWT的旋转机械异振源识别方法

权利要求书

1.基于VT-ANM-SWT的旋转机械异振源识别方法，其特征在于：包括以下步骤：

步骤1、在旋转机械稳态工况下，利用振动加速度传感器分别获取旋转机械的多个混合振动加速度信号；

步骤2、在旋转机械稳态工况下，利用激光转速传感器定位机械旋转角度；

步骤3、将测量得到的多个混合振动加速度信号，运用旋转机械在稳态工况运转时存在的振动激励信号对旋转机械振源数进行估计，之后运用优化后的负熵极大化盲源分离算法计算得到多个独立分量；

步骤4、将多个独立分量分别进行SWT稳态小波变换，得到各独立信号的时频谱图，将激光转速传感器所记录的旋转机械运行时刻的脉冲作为时频谱图中信息的参照，最后依据旋转机械在稳态工况运转时存在的振动激励信号判断各独立信号源及产生异常振动的信号源；

具体包括以下步骤：

在柴油机稳态工况怠速工况800rpm的状态下，将多个振动加速度传感器布置于柴油机气缸壁上，分别测量包含燃烧激励响应，机械激励响应，异常振动激励响应的多组混合振动信号；首先在气缸壁主推力面以及活塞运动方向分别放置振动加速度传感器用于测量这两个方向上的振动加速度，与此同时使用激光脉冲转速传感器在记录旋转机械转速的同时记录下四号气缸上止点的脉冲信号；得到振动加速度信号以及四缸上止点的脉冲转速信号；

对实测信号进行盲源分离；首先估计振源数，随后利用优化后的盲源分离算法，负熵估计方法为J(x)≈c[E{G(x)}-E{G(v)}]²，其中c是一个正常数，v是均值为0，方差为1的高斯型随机变量；x的均值为0，方差为1；G(x)为一个非二次函数，其中1≤α≤2；将α设置为变量，以最终迭代收敛值最小为目标，对1到2之间的数进行遍历得到最终迭代收敛值最小的系数从而确定非二次函数使用牛顿迭代法进行求解得到四个独立信号；

采用SWT技术对分离结果的各独立分量进行时-频特征分析的计算公式为：T_x(ω₁,b)＝∫_A(b)W_x(a,b)a^-3/2da，其中式中A(b)＝{a；W_x(a,b)≥γ}，a为尺度因子，b为平移因子，t为时间，ψ^*(t)为小波基ψ(t)的共轭，ω₁为中心频率，阈值γ为信号采样点数。