亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        調(diào)頻率自適應(yīng)匹配線性變換及其對(duì)旋轉(zhuǎn)機(jī)械故障診斷研究

        2021-12-16 21:19:15花澤暉石娟娟王艷芳江星星沈長(zhǎng)青朱忠奎
        振動(dòng)工程學(xué)報(bào) 2021年5期
        關(guān)鍵詞:故障診斷

        花澤暉 石娟娟 王艷芳 江星星 沈長(zhǎng)青 朱忠奎

        摘要: 旋轉(zhuǎn)機(jī)械常處于變轉(zhuǎn)速工作狀態(tài),因而其振動(dòng)信號(hào)也表現(xiàn)出非平穩(wěn)性。分析此類非平穩(wěn)信號(hào)時(shí)由于受有限的時(shí)頻分辨率影響,常無法獲得理想的時(shí)頻表示,難以揭示與旋轉(zhuǎn)機(jī)械健康狀態(tài)相關(guān)的有用信息。根據(jù)單個(gè)線性調(diào)頻變換(LCT)能提升特定時(shí)刻時(shí)頻聚集性這一特點(diǎn),提出了調(diào)頻率自適應(yīng)匹配線性變換(Adaptively Matching Chirp?rate Linear Transform, AMCLT)。利用最大峭度準(zhǔn)則指導(dǎo)選取每個(gè)時(shí)刻合適的調(diào)頻率,并且只保留與所選調(diào)頻率相關(guān)的時(shí)頻分布用于構(gòu)造最終的時(shí)頻表示;擴(kuò)展原始線性變換基函數(shù),使所提AMCLT方法在無需迭代情況下可同時(shí)完成對(duì)多分量非線性調(diào)頻信號(hào)的分析。此外,對(duì)所提AMCLT方法進(jìn)行了信號(hào)重構(gòu)分析,可實(shí)現(xiàn)對(duì)信號(hào)中目標(biāo)頻率分量的時(shí)域信號(hào)重構(gòu)。振動(dòng)信號(hào)處理結(jié)果表明,在時(shí)頻表示的可讀性方面,所提方法可得到能量更加集中且不受交叉項(xiàng)干擾的時(shí)頻表示;在特征提取方面,所提方法可更加準(zhǔn)確地提取旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)中的頻率特征,可有效應(yīng)用于旋轉(zhuǎn)機(jī)械的故障診斷。

        關(guān)鍵詞: 故障診斷; 軸承; 變轉(zhuǎn)速工況; 時(shí)頻分析; 線性調(diào)頻變換; 峭度

        中圖分類號(hào): TH165+.3; TH133.3 文獻(xiàn)標(biāo)志碼: A 文章編號(hào): 1004-4523(2021)05-1053-11

        DOI:10.16385/j.cnki.issn.1004-4523.2021.05.020

        引 言

        旋轉(zhuǎn)機(jī)械被廣泛用于各個(gè)行業(yè),而旋轉(zhuǎn)機(jī)械系統(tǒng)中關(guān)鍵零部件如齒輪和軸承一旦發(fā)生故障,將直接影響系統(tǒng)的安全運(yùn)行,嚴(yán)重時(shí)還會(huì)造成經(jīng)濟(jì)損失并引發(fā)安全事故,因此旋轉(zhuǎn)機(jī)械健康狀態(tài)監(jiān)測(cè)具有非常重要的現(xiàn)實(shí)意義。旋轉(zhuǎn)機(jī)械的故障診斷主要分析設(shè)備運(yùn)轉(zhuǎn)中所獲取的振動(dòng)信號(hào),然后從信號(hào)提取出與故障相關(guān)的特征并最終用于故障診斷決策[1?3]。在變轉(zhuǎn)速工況下對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)進(jìn)行時(shí)頻分析可有效揭示信號(hào)的時(shí)頻特征。然而,由轉(zhuǎn)速變化而導(dǎo)致的時(shí)頻模糊等問題使特征提取困難。為準(zhǔn)確地從非平穩(wěn)振動(dòng)信號(hào)中提取出與故障相關(guān)的特征,需要提出有效的時(shí)頻分析方法來提升時(shí)頻表示的可讀性并得到更加精確的頻率估計(jì),并根據(jù)提取的瞬時(shí)頻率脊線診斷旋轉(zhuǎn)機(jī)械關(guān)鍵零部件健康狀態(tài)[1]。經(jīng)典的時(shí)頻分析方法如短時(shí)傅里葉變換(STFT),小波變換(WT),和維格納?威爾分布(WVD)等,這些方法被廣泛用于非平穩(wěn)信號(hào)處理[4]。但是,這些方法仍存在一些不足,如STFT因測(cè)不準(zhǔn)原理和有限的時(shí)頻分辨率影響,不能同時(shí)在時(shí)間和頻率方向上得到理想的分辨率。為解決時(shí)頻模糊問題,常采用信號(hào)分解方法來實(shí)現(xiàn)降噪或提取微弱特征。采集的實(shí)際振動(dòng)信號(hào)常包含多個(gè)頻率成分,如軸承內(nèi)圈故障信號(hào)除噪聲外還包含轉(zhuǎn)速和內(nèi)圈故障及轉(zhuǎn)速調(diào)制等。典型的信號(hào)分解方法,如經(jīng)驗(yàn)?zāi)B(tài)分解(EMD),集成經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD),局部均值分解(LMD)和變分模態(tài)分解(VMD)等。這些方法將原信號(hào)分解成多個(gè)模態(tài),然后對(duì)單個(gè)模態(tài)分析可更有效辨識(shí)故障特征相關(guān)的頻率分量并完成故障診斷[5]。但在變轉(zhuǎn)速工況下,旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)中的頻率分量可能在所選頻帶內(nèi)存在模態(tài)混疊,這時(shí)通過帶通濾波則無法分解出不同的頻率分量[6]。為提升變轉(zhuǎn)速信號(hào)時(shí)頻表示的可讀性,Peng等[7]提出用多項(xiàng)式來表示線性基函數(shù)的多項(xiàng)式調(diào)頻變換(PCT)。PCT通過估計(jì)信號(hào)的完整瞬時(shí)頻率,修正基函數(shù)以匹配信號(hào)頻率變化從而提升能量聚集性。而這一方法也存在限制,因PCT中多項(xiàng)式基函數(shù)是固定的,即該變換在每個(gè)時(shí)頻點(diǎn)對(duì)信號(hào)進(jìn)行特定調(diào)頻率的調(diào)頻變換,因此更適合處理僅包含單個(gè)頻率分量或各頻率分量?jī)H在頻率方向上發(fā)生頻移的多分量信號(hào)。上述線性變換基函數(shù)修正方法可統(tǒng)稱為參數(shù)化時(shí)頻分析方法(PTFA),即對(duì)時(shí)頻分析方法中的基函數(shù)進(jìn)行參數(shù)化分析以匹配信號(hào)時(shí)變的頻率特征[8]。

        此外,時(shí)頻重排方法也被廣泛研究并用于旋轉(zhuǎn)機(jī)械健康狀態(tài)監(jiān)測(cè),這類方法旨在對(duì)時(shí)頻表示進(jìn)行能量重分配從而解決時(shí)頻模糊問題。重分配的關(guān)鍵在于使分配后的時(shí)頻能量集中在目標(biāo)時(shí)頻脊線周圍,從而提升時(shí)頻表示的能量聚集性。如Auger等[9]提出的重分配(RM)方法和Daubechies等[10]提出的同步壓縮變換(SST)。RM同時(shí)沿時(shí)間軸和頻率軸方向?qū)π盘?hào)能量進(jìn)行重排,而SST僅沿頻率軸方向,由此保留信號(hào)的重構(gòu)性能。但當(dāng)信號(hào)瞬時(shí)頻率快變時(shí),其在時(shí)頻圖中的能量相比頻率恒定時(shí)更為分散,從而易導(dǎo)致最終時(shí)頻結(jié)果不夠清晰。為解決上述問題,廣義解調(diào)(GD)和SST相結(jié)合的方法被成功用于變轉(zhuǎn)速旋轉(zhuǎn)機(jī)械的故障診斷,其關(guān)鍵在于GD可提升時(shí)頻能量,然后對(duì)提升后的時(shí)頻表示進(jìn)行重分配,可緩解時(shí)頻模糊問題并得到精確的瞬時(shí)頻率估計(jì)[11?12]。與GD增強(qiáng)時(shí)頻聚集性類似,線性調(diào)頻變換(LCT)對(duì)時(shí)頻圖的提升在于調(diào)整線性變換基函數(shù)來匹配頻率變化趨勢(shì)(STFT的基函數(shù)平行于時(shí)間軸,適合頻率不隨時(shí)間變化的信號(hào)),從而提升能量聚集性[13]??紤]到單個(gè)LCT只能增強(qiáng)特定調(diào)頻率處的時(shí)頻表示,在分析頻率非線性變化的信號(hào)時(shí),無法同時(shí)增強(qiáng)所有時(shí)刻的時(shí)頻聚集性。Yu等[14]提出廣義線性調(diào)頻變換(GLCT),通過不同調(diào)頻率的LCT以匹配信號(hào)中頻率的變化趨勢(shì),然后在疊加每個(gè)時(shí)頻點(diǎn)最大的幅值得到最終分析結(jié)果。雖然GLCT方法能提升目標(biāo)脊線處的能量,但同時(shí)因保留不恰當(dāng)調(diào)頻率的分析結(jié)果,使得時(shí)頻圖存在交叉項(xiàng)干擾。當(dāng)分析信號(hào)中頻率分量相距較近或包含較多噪聲時(shí),時(shí)頻表示的可讀性有待進(jìn)一步提升。

        本文提出了一種新的方法——調(diào)頻率自適應(yīng)匹配線性變換(AMCLT)來緩解時(shí)頻圖中的交叉項(xiàng)干擾問題。AMCLT將原始信號(hào)分割成若干段以分析信號(hào)在各時(shí)間段內(nèi)的頻率變化趨勢(shì)??紤]到時(shí)頻交叉干擾由不恰當(dāng)調(diào)頻率引起,提出譜峭度指導(dǎo)的調(diào)頻率自適應(yīng)選擇策略,避免人為干預(yù)和對(duì)先驗(yàn)知識(shí)的依賴。擴(kuò)展原先的線性變換基函數(shù)使所提AMCLT方法同時(shí)增強(qiáng)諧波多分量信號(hào)中的各分量的能量聚集性。通過在同一時(shí)刻僅保留合適調(diào)頻率的時(shí)頻分布然后再組合即可得到最終分析結(jié)果。

        1 調(diào)頻率自適應(yīng)匹配線性變換(AMCLT)

        所提的AMCLT通過使用不同調(diào)頻率來提升時(shí)頻表示聚集性并緩解GLCT中的時(shí)頻模糊問題。本文提出譜峭度指導(dǎo)的調(diào)頻率選擇策略,可減輕時(shí)頻圖中由不合適的調(diào)頻率引起的交叉干擾[14]。

        1.1 線性調(diào)頻變換分析

        LCT得到的時(shí)頻表示是沿著特定調(diào)頻率方向分布的,只要調(diào)頻率與信號(hào)頻率變化不一致,就會(huì)導(dǎo)致時(shí)頻模糊。為表征不同的變化趨勢(shì),GLCT使用了一系列變化的調(diào)頻率。然而,當(dāng)信號(hào)的各頻率分量相距較近或信號(hào)噪聲能量高時(shí),時(shí)頻交叉項(xiàng)干擾嚴(yán)重影響其結(jié)果的可讀性。因此,不恰當(dāng)調(diào)頻率導(dǎo)致的問題有待進(jìn)一步分析和解決??紤]調(diào)頻率的信號(hào)時(shí)頻表示可寫成

        當(dāng)調(diào)頻率與真實(shí)瞬時(shí)頻率變化一致時(shí),可獲得最大的時(shí)頻聚集性。類似地,當(dāng)所選的調(diào)頻率與真實(shí)值不一致時(shí),則會(huì)在時(shí)頻表示中引起額外的時(shí)頻模糊問題。結(jié)合GLCT中的幅值疊加算法,其中,為GLCT增強(qiáng)后的時(shí)頻表示;所選調(diào)頻率c′由時(shí)頻表示的最大幅值指導(dǎo)選取,即[14]。不合適的調(diào)頻率所導(dǎo)致的交叉干擾本質(zhì)上與采用STFT分析快變信號(hào)在時(shí)頻表示中引起的交叉項(xiàng)是一致的。

        定義一仿真信號(hào)如下

        將該仿真信號(hào)的采樣頻率設(shè)為100 Hz,持續(xù)2 s。信號(hào)的瞬時(shí)頻率先增大然后保持不變。所提AMCLT方法的時(shí)頻表示如圖1(a)所示。STFT, LCT,GLCT的結(jié)果分別如圖1(b)?(d)所示,其中,LCT所用調(diào)頻率為15。從圖1(b)?(c)可以看出,在調(diào)頻率與頻率變化趨勢(shì)一致時(shí),可得到更高的時(shí)頻聚集性(將STFT看成是調(diào)頻率為0的LCT);同樣,當(dāng)調(diào)頻率不合適時(shí),則會(huì)在時(shí)頻表示中導(dǎo)致一定的交叉干擾。在圖1(d)中,GLCT方法得到了能量相對(duì)集中的時(shí)頻表示,但時(shí)頻表示的可讀性仍有待進(jìn)一步提升。通過對(duì)比,所提AMCLT方法在僅保留合適的調(diào)頻率的結(jié)果下,能有效消除由不合適調(diào)頻率引起的交叉項(xiàng)干擾并提升時(shí)頻表示的可讀性。

        1.2 調(diào)頻率自適應(yīng)匹配線性變換

        LCT中的調(diào)頻率可看成是某一時(shí)刻時(shí)頻曲線的斜率。先假設(shè)一個(gè)頻率變化的信號(hào)x(t),寫成

        擴(kuò)展后的基函數(shù)中額外引入一個(gè)解調(diào)因子,與LCT中引入調(diào)頻率的線性變換基函數(shù)表達(dá)式相同。LCT中變化的參數(shù)為c(τ),LCT中的線性基函數(shù)在t=τ處的每個(gè)時(shí)頻點(diǎn)(τ,ω)都對(duì)信號(hào)進(jìn)行了相同的調(diào)頻變換,調(diào)頻率為c(τ),此時(shí)得到的線性變換基函數(shù)是相互平行的,適合處理單分量或僅在頻率方向發(fā)生頻移的多分量信號(hào);而所提方法在t=τ處的每個(gè)時(shí)頻點(diǎn)(τ,ω)都對(duì)信號(hào)進(jìn)行了調(diào)頻率變化的調(diào)頻變換,對(duì)應(yīng)的調(diào)頻率為(其中,ω為頻率索引,而),旨在使用同一角度同時(shí)匹配多個(gè)頻率分量的頻率變化趨勢(shì)。將式(11)擴(kuò)展后的基函數(shù)代入式(8),即可得到考慮相應(yīng)解調(diào)因子的時(shí)頻表達(dá)式

        式(12)表明,時(shí)頻圖的幅值受到調(diào)頻率的影響。同時(shí)考慮式(2)和(12),在每個(gè)時(shí)頻點(diǎn)處,若對(duì)應(yīng)的解調(diào)因子是由真實(shí)的瞬時(shí)頻率所構(gòu)建,時(shí)頻表示的幅值將會(huì)達(dá)到最大,即能量最集中。但是,由于實(shí)際應(yīng)用中信號(hào)瞬時(shí)頻率相關(guān)的先驗(yàn)知識(shí)有時(shí)無法提前獲取,從而難以計(jì)算出正確的解調(diào)因子來增強(qiáng)時(shí)頻表示。為解決這一問題,對(duì)式(11)中提到的解調(diào)因子進(jìn)行離散化,然后根據(jù)最大譜峭度指導(dǎo)的調(diào)頻率自適應(yīng)選擇策略,并只將所選取調(diào)頻率對(duì)應(yīng)的變換結(jié)果用于最后的時(shí)頻表示以減輕時(shí)頻圖中的交叉項(xiàng)干擾。根據(jù)前述分析,當(dāng)調(diào)頻率與真實(shí)值越接近,時(shí)頻脊線的能量越集中,峭度就越大;因此,最優(yōu)的調(diào)頻率可根據(jù)最大的峭度來確定

        式中 kurtosis(?)代表對(duì)應(yīng)時(shí)刻時(shí)頻表示計(jì)算的峭度。遍歷所有時(shí)刻,針對(duì)每段截取信號(hào)均可選取最優(yōu)的調(diào)頻率,組合每個(gè)調(diào)頻率對(duì)應(yīng)的時(shí)頻分布便可得到最終結(jié)果。通過僅保留合適調(diào)頻率及對(duì)應(yīng)的時(shí)頻分布可緩解GLCT中不合適的調(diào)頻率在時(shí)頻表示中引起的交叉項(xiàng)干擾從而提升時(shí)頻表示的可讀性。

        為確定調(diào)頻率可選擇的范圍并盡可能多的包含合適的調(diào)頻率,引入正切函數(shù)對(duì)調(diào)頻率加以約束。同時(shí),也因?yàn)檎泻瘮?shù)反映了時(shí)頻脊線的傾斜角度,也可以反應(yīng)曲線的變化趨勢(shì),且正切函數(shù)一個(gè)周期內(nèi)對(duì)應(yīng)的角度具有確定的范圍。為此,引入一個(gè)新參數(shù)α(t),寫成

        式中 N決定了離散的角度α的個(gè)數(shù)與變化步長(zhǎng)。特別地,當(dāng)N=1,所提AMCLT的時(shí)頻表達(dá)式等同于標(biāo)準(zhǔn)的STFT。隨著N的增大,所估計(jì)的調(diào)頻率的精度會(huì)提高,但同時(shí)會(huì)增加方法的實(shí)際運(yùn)算時(shí)間。所提AMCLT的表達(dá)式最終可被寫成

        所提AMCLT算法的主要流程如圖2所示。

        1.3 信號(hào)重構(gòu)

        作為時(shí)頻分析方法的一個(gè)重要特性,AMCLT方法應(yīng)滿足對(duì)信號(hào)中目標(biāo)頻率分量的重構(gòu)性能。根據(jù)改進(jìn)后的時(shí)頻表示可恢復(fù)原先時(shí)域信號(hào),證明如下

        式中 代表所提AMCLT算法改進(jìn)后的時(shí)頻表示,w(t)代表截取信號(hào)的窗函數(shù),w(0)為由窗函數(shù)定義的常數(shù)。對(duì)多分量信號(hào),只要正確地分離出目標(biāo)頻率分量,多分量信號(hào)中各頻率分量均可被單獨(dú)重構(gòu),寫成

        仿真信號(hào)的采樣頻率均設(shè)為200 Hz,持續(xù)4 s。用所提的方法重構(gòu)該多分量信號(hào),結(jié)果如圖3所示,重構(gòu)出來的信號(hào)時(shí)域波形與原先的信號(hào)變化趨勢(shì)一致。為量化重構(gòu)結(jié)果的準(zhǔn)確性,計(jì)算得到的信號(hào)重構(gòu)平均相對(duì)誤差(MRE)為3.36%,說明多分量信號(hào)被準(zhǔn)確重構(gòu)出來[16]。同時(shí)還研究了該多分量信號(hào)中的單分量重構(gòu),各分量重構(gòu)結(jié)果如圖3(b)?(d)所示,分別對(duì)應(yīng)信號(hào)中的頻率分量f(t)及其倍頻。

        為進(jìn)一步分析所提方法在不同信噪比下重構(gòu)信號(hào)的能力,研究了不同噪聲能量下的信號(hào)重構(gòu)結(jié)果,輸入信號(hào)的信噪比從0變化至20 dB,結(jié)果如圖4所示。隨著信號(hào)中噪聲能量的降低,所有方法都能重構(gòu)出更加精確的結(jié)果,所提AMCLT方法與STFT和PTFA相比,重構(gòu)出的信號(hào)有更高的信噪比;與GLCT相比,AMCLT在低信噪比(0?8 dB)時(shí)重構(gòu)的信號(hào)信噪比更高,并在信噪比大于10 dB時(shí)能得到和GLCT相近的結(jié)果。所提方法在估計(jì)得到目標(biāo)時(shí)頻脊線后,可重構(gòu)出原先的時(shí)域信號(hào)波形,保證了旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)中故障特征的準(zhǔn)確提取,可為后續(xù)的故障診斷提供基礎(chǔ)。

        1.4 瞬時(shí)頻率估計(jì)

        瞬時(shí)頻率估計(jì)的準(zhǔn)確性也是衡量時(shí)頻表示的重要指標(biāo)。同時(shí),瞬時(shí)頻率也是變轉(zhuǎn)速下旋轉(zhuǎn)機(jī)械故障診斷不可或缺的信息。通常,可根據(jù)所提取的瞬時(shí)頻率之間的比值計(jì)算故障特征系數(shù)并根據(jù)所計(jì)算得到的系數(shù)判斷旋轉(zhuǎn)機(jī)械具體的故障類型,因?yàn)楣收咸卣飨禂?shù)由軸承或齒輪本身的參數(shù)決定,不隨轉(zhuǎn)速的變化而變化。本節(jié)采用峰值搜索算法估計(jì)瞬時(shí)頻率,分析和比較不同方法得到的時(shí)頻脊線的準(zhǔn)確性[17]。與1.3節(jié)信號(hào)重構(gòu)相同,分析了不同信噪比下多分量信號(hào)的瞬時(shí)頻率估計(jì)。峰值搜索算法中瞬時(shí)頻率估計(jì)可寫成

        式中 IFR(t)表示真實(shí)的瞬時(shí)頻率。對(duì)信噪比從0變化到20 dB的信號(hào)進(jìn)行瞬時(shí)頻率估計(jì),所選用分析的多分量信號(hào)由式(21)和(22)定義。

        分析時(shí),PTFA中涉及的基函數(shù)參數(shù)設(shè)置成與瞬時(shí)頻率f(t)一致,離散的角度個(gè)數(shù)設(shè)為30,分析結(jié)果如圖5所示。圖中可看出,AMCLT方法提取的瞬時(shí)頻率整體上有最小的MRE,說明所提方法在分析多分量信號(hào)時(shí)擁有較好的抗噪性能,能提升瞬時(shí)頻率估計(jì)的準(zhǔn)確性。GLCT和PTFA在信號(hào)僅包含少量噪聲時(shí),可以得到精確的瞬時(shí)頻率估計(jì),但隨著噪聲的增加,所得MRE相比所提方法偏大,其原因在于:PTFA沒有同時(shí)匹配信號(hào)中所有分量的變化趨勢(shì),而GLCT雖然增強(qiáng)了時(shí)頻表示,但其中不合適的調(diào)頻率使得時(shí)頻圖存在一定的交叉干擾。由此可得出結(jié)論:根據(jù)計(jì)算的MRE可說明所提AMCLT方法有相對(duì)更加穩(wěn)定的抗噪性能,能提升瞬時(shí)頻率估計(jì)的準(zhǔn)確性。

        2 仿真分析

        為驗(yàn)證所提方法在增強(qiáng)時(shí)頻表示方面的有效性,對(duì)1.3節(jié)中定義的仿真信號(hào)繼續(xù)進(jìn)行分析,對(duì)比不同方法所得時(shí)頻分析結(jié)果。同時(shí),還研究了不同信噪比對(duì)信號(hào)時(shí)頻表示的影響。

        2.1 單分量信號(hào)分析

        考慮到實(shí)際信號(hào)常包含噪聲,將單分量的信噪比設(shè)置為3 dB以模擬實(shí)際信號(hào)。分析時(shí),所選用的窗長(zhǎng)為0.8 s,所提方法和GLCT中離散角度的個(gè)數(shù)均設(shè)為30。

        不同方法的分析結(jié)果如圖6所示。從圖6(a)可以看出,STFT結(jié)果僅在2 s前后有較集中的能量。在圖6(b)?(d)中,GLCT, PTFA及所提方法通過匹配信號(hào)頻率變化,與STFT相比均能有效提升時(shí)頻表示的能量聚集性。

        2.2 多分量信號(hào)分析

        在工程實(shí)際中,旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)通常包含多個(gè)頻率分量,同時(shí)在不涉及迭代的情況下同步增強(qiáng)多個(gè)頻率分量的能量聚集性可進(jìn)一步簡(jiǎn)化算法,對(duì)旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)處理具有重要意義。為了驗(yàn)證AMCLT處理多分量信號(hào)時(shí)的有效性,對(duì)式(21)定義的多分量信號(hào)進(jìn)行分析,并比較不同方法的分析結(jié)果。

        時(shí)頻分析方法(STFT,GLCT及PTFA)的結(jié)果如圖7(a)?(c)所示,所提AMCLT的結(jié)果如圖7(d)所示。與單分量信號(hào)分析結(jié)果類似,STFT的結(jié)果在0?1 s和3?4 s內(nèi)得不到較能量集中的時(shí)頻表示,且在部分時(shí)刻在頻率分量2f(t)及3f(t)之間存在一定的交叉干擾。GLCT能得到較高的聚集性,但同樣地在相鄰頻率之間存在由不匹配的調(diào)頻率引起的時(shí)頻交叉問題,影響時(shí)頻表示的可讀性。PTFA方法因僅匹配了該多分量信號(hào)中的單個(gè)頻率成分(圖中,PTFA的基函數(shù)設(shè)置與公式(22)定義的f(t)一致),并不能同時(shí)增強(qiáng)所有頻率分量的聚集性,如頻率分量3f(t)存在的時(shí)頻模糊問題。圖7(d)中,AMCLT可以獲得能量與GLCT接近的時(shí)頻表示,所提的角度自適應(yīng)選擇策略可有效緩解時(shí)頻表示中的交叉項(xiàng)干擾,從而得到更加清晰的時(shí)頻表示。在該信號(hào)分析中,所有方法的分析窗長(zhǎng)均被設(shè)置為0.8 s。

        在多分量信號(hào)中加入適量噪聲再次分析,結(jié)果如圖8所示。在圖8(a)和(c)中,可以發(fā)現(xiàn),目標(biāo)時(shí)頻脊線在信號(hào)兩端出現(xiàn)了中斷,表明分析方法在該時(shí)刻未能正確揭示信號(hào)的頻率變化。在圖8(b)和(d)中,由GLCT獲得的時(shí)頻圖比較完整地揭示出了頻率分量的變化趨勢(shì),但由噪聲引起的時(shí)頻交叉項(xiàng)相比不含噪聲時(shí)更加明顯,而AMCLT通過僅保留合適的調(diào)頻率及對(duì)應(yīng)的時(shí)頻分布有效提升了所得時(shí)頻表示的可讀性。

        對(duì)圖8所得時(shí)頻表示分別進(jìn)行瞬時(shí)頻率估計(jì),提取的瞬時(shí)頻率脊線如圖9所示。圖中,STFT, GLCT及PTFA方法在提取信號(hào)兩端的瞬時(shí)頻率脊線時(shí),均存在一定誤差,而所提方法可準(zhǔn)確提取出目標(biāo)頻率脊線,說明所提方法在增強(qiáng)時(shí)頻表示的同時(shí)還能有效提升所估計(jì)瞬時(shí)頻率脊線的準(zhǔn)確性。變轉(zhuǎn)速下旋轉(zhuǎn)機(jī)械故障類型是根據(jù)所提取的瞬時(shí)頻率脊線診斷的,更準(zhǔn)確的瞬時(shí)頻率脊線說明所提方法具有處理變轉(zhuǎn)速下旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的潛力。

        繼續(xù)添加適量噪聲,將信噪比設(shè)為0再次分析。不同方法的結(jié)果如圖10所示。從圖中可以看出,隨著噪聲的增加,STFT及PTFA的分析結(jié)果中時(shí)頻脊線不連續(xù),而所提方法在減輕GLCT中交叉干擾的同時(shí)能得到相對(duì)更加清晰的時(shí)頻表示,結(jié)果如圖10(d)所示。

        根據(jù)信噪比為0所得時(shí)頻表示估計(jì)瞬時(shí)頻率,估計(jì)的瞬時(shí)頻率脊線結(jié)果如圖11所示。STFT的結(jié)果僅在2 s左右估計(jì)出f(t)及2f(t)對(duì)應(yīng)的時(shí)頻脊線。從圖中還可以看出,所提方法仍能得到精準(zhǔn)的瞬時(shí)頻率估計(jì),體現(xiàn)了所提方法比其他方法具有更強(qiáng)的抗噪性能。

        3 實(shí)驗(yàn)驗(yàn)證

        為進(jìn)一步驗(yàn)證AMCLT算法處理旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的有效性,分別利用行星齒輪箱振動(dòng)信號(hào)和軸承故障實(shí)驗(yàn)臺(tái)振動(dòng)信號(hào)進(jìn)行處理和結(jié)果分析,并以此診斷行星齒輪箱和軸承的健康狀態(tài)。

        3.1 行星齒輪箱振動(dòng)信號(hào)分析

        行星齒輪箱振動(dòng)信號(hào)采集自模擬風(fēng)電齒輪箱模擬試驗(yàn)臺(tái),如圖12所示[19?21]。由安裝在行星齒輪箱箱體上的加速度計(jì)采集得到實(shí)驗(yàn)數(shù)據(jù)。采樣頻率設(shè)為20 kHz。電機(jī)旋轉(zhuǎn)頻率大約從40 Hz增加到60 Hz,然后再減少到40 Hz。齒輪箱的配置如表1所示,磨損的齒輪如圖13所示。根據(jù)齒輪箱的配置[21],計(jì)算了行星齒輪箱的特征頻率,如表2所示,其中fd表示電機(jī)變化的旋轉(zhuǎn)頻率。

        該行星齒輪箱的振動(dòng)信號(hào)如圖14(a)所示,電機(jī)轉(zhuǎn)速(fd)的變化如圖14(b)所示。STFT和所提方法分析結(jié)果分別如圖14(c)?(d)所示。對(duì)比結(jié)果,可以發(fā)現(xiàn)所提方法能夠得到更加清晰的時(shí)頻脊線。該振動(dòng)信號(hào)的瞬時(shí)頻率估計(jì)結(jié)果如圖15所示,圖中STFT與AMCLT提取的脊線分別與真實(shí)頻率的對(duì)比進(jìn)一步說明了AMCLT在增強(qiáng)時(shí)頻表示的同時(shí)還能提升所估計(jì)瞬時(shí)頻率的準(zhǔn)確性。在分析該振動(dòng)信號(hào)時(shí),選取的窗長(zhǎng)為1.5 s。結(jié)合圖14(c)和15,可發(fā)現(xiàn)該振動(dòng)信號(hào)中最主要的頻率成分為電機(jī)的轉(zhuǎn)頻fd及其諧波,但這些轉(zhuǎn)頻分量并不能用于揭示行星齒輪箱的健康狀態(tài)。除轉(zhuǎn)頻成分外,還可觀測(cè)到嚙合頻率fmesh1及其邊頻帶fmesh1-2fsun1,這些頻率分量表明該行星齒輪箱中太陽(yáng)輪存在故障。

        3.2 軸承內(nèi)圈故障振動(dòng)信號(hào)分析

        與齒輪箱的故障診斷有所區(qū)別,變轉(zhuǎn)速下軸承故障類型的診斷由軸承的故障特征系數(shù)(FCC)來決定。軸承的故障特征系數(shù)由軸承本身的規(guī)格參數(shù)所決定,不隨轉(zhuǎn)頻的變化而變化,軸承的瞬時(shí)故障特征頻率fIFCF和軸轉(zhuǎn)頻fISRF間的關(guān)系為:fIFCF=FCC×fISRF。軸承運(yùn)行在變轉(zhuǎn)速工況下時(shí),無法通過頻譜分析觀測(cè)到故障特征頻率等峰值存在。因此,需要從時(shí)頻圖提取瞬時(shí)頻率脊線,計(jì)算其相互之間的比值,并判斷各比值與故障特征系數(shù)FCC的關(guān)系,從而開展變轉(zhuǎn)速軸承的故障診斷。

        軸承的振動(dòng)信號(hào)采集實(shí)驗(yàn)臺(tái)如圖16所示。該實(shí)驗(yàn)臺(tái)為SpectraQuest機(jī)械故障模擬器(MFS?PK5M),由電機(jī)控制安裝著滾動(dòng)軸承(ER16K)的軸轉(zhuǎn)動(dòng),試驗(yàn)臺(tái)中左邊的軸承是健康的,右邊的軸承在內(nèi)圈上有局部缺陷。電機(jī)的轉(zhuǎn)速由交流驅(qū)動(dòng)器控制,由加速度計(jì)記錄軸承的振動(dòng)數(shù)據(jù),同時(shí)還使用了編碼器(EPC型號(hào)775)來測(cè)量轉(zhuǎn)速,即瞬時(shí)旋轉(zhuǎn)頻率(fISRF)。實(shí)驗(yàn)軸承的參數(shù)如表3所示,計(jì)算出軸承的FCC為5.43,表明該振動(dòng)信號(hào)中瞬時(shí)故障特征頻率fIFCF=5.43fISRF。

        軸承內(nèi)圈實(shí)驗(yàn)信號(hào)的采樣頻率設(shè)置為200 kHz,持續(xù)10 s。采集的振動(dòng)信號(hào)如圖17(a)所示,轉(zhuǎn)速變化如圖17(b)所示。采用STFT, GLCT和AMCLT對(duì)包絡(luò)信號(hào)進(jìn)行分析(窗長(zhǎng)設(shè)置為1 s),結(jié)果分別如圖17(c)?(e)所示??梢钥闯?,AMCLT和GLCT時(shí)頻圖中時(shí)頻脊線相比STFT有更高的能量聚集性。利用局部峰值搜索算法提取瞬時(shí)頻率,結(jié)果如圖17(f)所示。所提方法提取的瞬時(shí)頻率脊線與真實(shí)頻率基本吻合;而STFT中提取的部分脊線在7?10 s內(nèi)有較大的估計(jì)誤差。GLCT方法經(jīng)匹配調(diào)頻率完整地識(shí)別出了前3階故障特征頻率對(duì)應(yīng)的時(shí)頻脊線,但在提取時(shí)頻圖中能量較低的頻率分量時(shí),因時(shí)頻交叉干擾存在較大的估計(jì)誤差,如在提取2階軸轉(zhuǎn)頻和故障特征頻率時(shí)。因此通過對(duì)比可得出結(jié)論,本文所提出的AMCLT方法可以增強(qiáng)軸承振動(dòng)信號(hào)的時(shí)頻表示并提高目標(biāo)時(shí)頻脊線提取的準(zhǔn)確性,有助于準(zhǔn)確判斷軸承的故障類型。所提取的各瞬時(shí)頻率脊線之間的比值見表4。

        根據(jù)表4可以發(fā)現(xiàn)前3階故障特征頻率fIFCF與瞬時(shí)旋轉(zhuǎn)頻率fISRF的比值分別為(記為向量R1),正好和故障特征頻率及其2倍和3倍頻分別與軸瞬時(shí)旋轉(zhuǎn)頻率的比值一致,即分別對(duì)應(yīng)軸承內(nèi)圈故障特征系數(shù)(FCC=5.43)及其2倍和3倍。同樣,前3階故障特征頻率fIFCF與第2階瞬時(shí)旋轉(zhuǎn)頻率2fISRF的比值分別為[](記為向量R2),分別對(duì)應(yīng)故障特征頻率及其2倍和3倍頻與軸瞬時(shí)旋轉(zhuǎn)頻率的2倍頻的比值。并且所有計(jì)算得到的比值與對(duì)應(yīng)的故障特征系數(shù)的MRE均小于3 %。此外,在第1階故障特征頻率fIFCF周圍還可觀察到轉(zhuǎn)速調(diào)制現(xiàn)象。因此,可得出結(jié)論,該軸承存在內(nèi)圈故障。以上結(jié)果表明,所提出的AMCLT方法可成功應(yīng)用于診斷軸承的故障類型。

        4 結(jié) 論

        本文針對(duì)變轉(zhuǎn)速工況下旋轉(zhuǎn)機(jī)械振動(dòng)信呈現(xiàn)出非線性和故障特征信息難以提取的問題,提出了調(diào)頻率自適應(yīng)匹配的線性變換(AMCLT),用于解決信號(hào)時(shí)頻表示中存在的頻譜模糊問題并減輕時(shí)頻圖中的交叉項(xiàng)干擾。提出了峭度指導(dǎo)的調(diào)頻率自適應(yīng)選擇策略,并對(duì)線性變換的基函數(shù)進(jìn)行擴(kuò)展,在不需要迭代的情況下同步提升多分量信號(hào)的時(shí)頻聚集性。在峭度指導(dǎo)下,選擇與各信號(hào)段瞬時(shí)頻率軌跡最匹配的角度(調(diào)頻率),避免了對(duì)瞬時(shí)頻率先驗(yàn)知識(shí)的依賴。由此,可自適應(yīng)地選擇最優(yōu)的調(diào)頻率來匹配信號(hào)的時(shí)頻特征,同時(shí)消除不合適的調(diào)頻率干擾從而減輕時(shí)頻表示中的交叉項(xiàng)干擾。此外,還研究了所提出AMCLT算法對(duì)信號(hào)中目標(biāo)頻率分量的重構(gòu)性能,重構(gòu)結(jié)果表明所提方法具有相對(duì)平穩(wěn)的抗噪聲干擾能力。對(duì)不同時(shí)頻分析方法的時(shí)頻圖進(jìn)行瞬時(shí)頻率估計(jì),發(fā)現(xiàn)該方法可有效提升時(shí)頻表示的可讀性和瞬時(shí)頻率提取的準(zhǔn)確性。通過對(duì)行星齒輪箱和軸承的振動(dòng)信號(hào)處理,AMCLT算法可以提取出故障特征相關(guān)信息,準(zhǔn)確地診斷出旋轉(zhuǎn)機(jī)械關(guān)鍵零部件的健康狀況。同時(shí)也驗(yàn)證了該方法在變轉(zhuǎn)速工況下旋轉(zhuǎn)機(jī)械健康狀態(tài)監(jiān)測(cè)中的有效性。

        參考文獻(xiàn):

        [1] Feng Z, Liang M, Chu F. Recent advances in time-frequency analysis methods for machinery fault diagnosis: A review with application examples[J]. Mechanical Systems and Signal Processing, 2013, 38(1): 165-205.

        [2] 石娟娟, 王 林, 羅春艷, 等. 基于優(yōu)化最小算法的齒輪箱復(fù)合故障特征稀疏表示 [J]. 振動(dòng)工程學(xué)報(bào), 2017, 30(6): 1045-1055.

        Shi Juanjuan, Wang Lin, Luo Chunyan, et al. Sparse representation for gearbox compound fault feature extraction based on majorization-minimization algorithm[J]. Journal of Vibration Enginering, 2017, 30(6): 1045-1055.

        [3] Wang S, Chen X, Selesnick I W, et al. Matching synchrosqueezing transform: A useful tool for characterizing signals with fast varying instantaneous frequency and application to machine fault diagnosis[J]. Mechanical Systems and Signal Processing, 2018, 100: 242-288.

        [4] Yan R, Gao R X, Chen X. Wavelets for fault diagnosis of rotary machines: A review with applications[J]. Signal Processing, 2014, 96: 1-15.

        [5] Jiang X, Shen C, Shi J, et al. Initial center frequency-guided VMD for fault diagnosis of rotating machines[J]. Journal of Sound and Vibration, 2018, 435: 36-55.

        [6] 王天楊, 李建勇, 程衛(wèi)東. 基于改進(jìn)的自適應(yīng)噪聲消除和故障特征階比譜的齒輪噪源干擾下變轉(zhuǎn)速滾動(dòng)軸承故障診斷 [J]. 振動(dòng)與沖擊, 2014, 33(18): 7-13.

        Wang Tianyang, Li Jianyong, Cheng Weidong. Fault diagnosis of rolling bearing under a variable rotational speed and gear vibration noise based on revised ANC algorithm and FCO spectrum[J]. Journal of Vibration and Shock, 2014, 33(18): 7-13.

        [7] Peng Z K, Meng G, Chu F L, et al. Polynomial chirplet transform with application to instantaneous frequency estimation[J]. IEEE Transactions on Instrumentation and Measurement, 2011, 60(9): 3222-3229.

        [8] Yang Y, Peng Z K, Dong X J, et al. General parameterized time-frequency transform[J]. IEEE Transactions on Signal Processing, 2014, 62(11): 2751-2764.

        [9] Auger F, Flandrin P, Lin Y-T, et al. Time-frequency reassignment and synchrosqueezing: An overview[J]. IEEE Signal Processing Magazine, 2013, 30(6): 32-41.

        [10] Daubechies I, Lu J, Wu H-T. Synchrosqueezed wavelet transforms: An empirical mode decomposition-like tool[J]. Applied and Computational Harmonic Analysis, 2011, 30(2): 243-261.

        [11] Li C, Sanchez V, Zurita G, et al. Rolling element bearing defect detection using the generalized synchrosqueezing transform guided by time?frequency ridge enhancement[J]. ISA Transactions, 2016, 60: 274-284.

        [12] Shi J, Liang M, Necsulescu D-S, et al. Generalized stepwise demodulation transform and synchrosqueezing for time-frequency analysis and bearing fault diagnosis[J]. Journal of Sound and Vibration, 2016, 368: 202-222.

        [13] Mann S, Haykin S. The chirplet transform: Physical considerations[J]. IEEE Transactions on Signal Processing, 1995, 43(11): 2745-2761.

        [14] Yu G, Zhou Y. General linear chirplet transform[J]. Mechanical Systems and Signal Processing, 2016, 70: 958-973.

        [15] Guan Y, Liang M, Necsulescu D S. Velocity synchronous linear chirplet transform[J]. IEEE Transactions on Industrial Electronics, 2019, 66(8): 6270-6280.

        [16] Zhu X, Zhang Z, Li Z, et al. Multiple squeezes from adaptive chirplet transform[J]. Signal Processing, 2019, 163: 26-40.

        [17] 張 杰, 史治宇. 應(yīng)用小波時(shí)頻脊提取和自適應(yīng)濾波進(jìn)行時(shí)變系統(tǒng)參數(shù)識(shí)別[J]. 振動(dòng)工程學(xué)報(bào), 2019, 32(3): 462-470.

        Zhang Jie, Shi Zhiyu. Parameter identification of time-varying structures by using wavelet ridge extraction and adaptive filtering[J]. Journal of Vibration Enginering, 2019, 32(3): 462-470.

        [18] 雷亞國(guó), 何正嘉, 林 京, 等. 行星齒輪箱故障診斷技術(shù)的研究進(jìn)展 [J]. 機(jī)械工程學(xué)報(bào), 2011, 47(19): 59-67.

        Lei Yaguo, He Zhengjia, LIN Jing, et al. Research advances of fault diagnosis technique for planetary gearboxes[J]. Journal of Mechanical Engineering, 2011, 47(19): 59-67.

        [19] 陳小旺, 馮志鵬, LIANG Ming. 基于迭代廣義同步壓縮變換的時(shí)變工況行星齒輪箱故障診斷[J]. 機(jī)械工程學(xué)報(bào), 2015, 51(1): 131-137.

        Chen Xiaowang, Feng Zhipeng, Liang Ming. Planetary gearbox fault diagnosis under time-variant conditions based on iterative generalized synchrosqueezing transform[J]. Journal of Mechanical Engineering, 2015, 51(1): 131-137.

        [20] Guan Y, Liang M, Necsulescu D S. A velocity synchrosqueezing transform for fault diagnosis of planetary gearboxes under nonstationary conditions[J]. Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 2016, 231(15): 2868-2884.

        [21] 秦嗣峰, 馮志鵬, LIANG Ming. Vold-Kalman濾波和高階能量分離在時(shí)變工況行星齒輪箱故障診斷中的應(yīng)用研究 [J]. 振動(dòng)工程學(xué)報(bào), 2015, 28(5): 839-845.

        Qin Sifeng, Feng Zhipeng, Liang Ming. Application of Vold-Kalman filter and higher ordr energy separation to fault diagnosis of planetary gearbox under time-varying conditions[J]. Journal of Vibration Enginering, 2015, 28(5): 839-845.

        作者簡(jiǎn)介: 花澤暉(1996-),男,碩士研究生。E-mail: zhhua163@stu.suda.edu.cn

        通訊作者: 石娟娟(1985-),女,博士,副教授,碩士生導(dǎo)師。E-mail: jshi091@suda.edu.cn

        猜你喜歡
        故障診斷
        基于包絡(luò)解調(diào)原理的低轉(zhuǎn)速滾動(dòng)軸承故障診斷
        ILWT-EEMD數(shù)據(jù)處理的ELM滾動(dòng)軸承故障診斷
        凍干機(jī)常見故障診斷與維修
        基于EWT-SVDP的旋轉(zhuǎn)機(jī)械故障診斷
        數(shù)控機(jī)床電氣系統(tǒng)的故障診斷與維修
        電子制作(2018年10期)2018-08-04 03:24:46
        基于改進(jìn)的G-SVS LMS 與冗余提升小波的滾動(dòng)軸承故障診斷
        因果圖定性分析法及其在故障診斷中的應(yīng)用
        改進(jìn)的奇異值分解在軸承故障診斷中的應(yīng)用
        基于LCD和排列熵的滾動(dòng)軸承故障診斷
        基于KPCA和PSOSVM的異步電機(jī)故障診斷
        永久免费看啪啪网址入口| 国产精品女主播在线播放| 国产黑丝美腿在线观看| 免费观看的av毛片的网站| 在线免费日韩| 久久婷婷国产五月综合色| 日韩av一区二区观看| 免费成人在线电影| 国产人成午夜免电影观看| 国产午夜福利小视频合集| 波霸影院一区二区| 亚洲中字永久一区二区三区| 日韩av无码社区一区二区三区| 国产无遮挡无码视频免费软件| 国产亚洲女在线线精品| 女同欲望一区二区三区| 放荡的美妇在线播放| 99精品国产综合久久久久五月天| 波多野结衣中文字幕在线视频| 色婷婷亚洲十月十月色天| 九九久久精品一区二区三区av| 中文字幕亚洲视频一区| 国产无吗一区二区三区在线欢| 亚洲依依成人综合在线网址| 中文字幕一区二区三区在线乱码| 亚洲免费国产中文字幕久久久 | 中文字幕一区二区三区在线乱码| 亚洲国产美女高潮久久久| 欧美成人免费全部| 日韩丝袜亚洲国产欧美一区| 国产我不卡在线观看免费| 国产精品视频一区二区三区不卡| 日韩成人无码| 国产欧美日韩综合一区二区三区| 看全色黄大色大片免费久久久 | av成人资源在线播放| 在线观看视频免费播放| 色哟哟精品视频在线观看| 国产乱子伦在线观看| 久久精品国产88久久综合| 日本系列有码字幕中文字幕|