专利名称：一种高线轧机早期故障微弱特征提取的方法
技术领域：
本发明属于轧机故障诊断技术领域，特别是涉及一种高线轧机早期故障微弱特征 提取的方法，适用于检测已知频率的微弱信号。
背景技术：
机械设备状态监测和故障诊断的实质是对机械设备的运行状态信息进行识别，尽 早发现并及时消除故障的症状，避免重大事故的发生。故障产生的早期，其特征相对较轻 微，对机械系统所造成的影响相对较小，维修成本也相对较低，故障发现得越早，越有助于 机械设备的安全可靠运行。当机械系统处于故障早期时，反映故障的特征信号，如振动、声 发射等的幅值相对较小，而且受到机械系统工作噪声、数据采集装置噪声、信号传输中的耦 合噪声等的影响，导致信号信噪比极低，很难据此正确判断机械系统的运行状态。因此，先 进的微弱信号检测技术对于准确识别机械设备的早期故障具有十分重要的作用。目前，微弱信号检测方法主要集中于两个方面一是利用现代信号处理方法对对 噪声进行抑制或消除，当噪声频率与信号频率相等或相接近时，该类方法在抑制噪声的同 时，亦不可避免地损伤到有用信号，极大地影响了微弱信号检测的效果。二是利用一些非线 性系统自身的特性对微弱信号进行检测，常用的非线性方法有随机共振法、混沌振子法和 差分振子法等。随机共振系统结构参数严重影响着输出结果，如何自适应选择系统参数以达到最 优输出，始终是困扰各种随机共振求解算法的难题。有学者提出了以待检测频率达到最大 值为最终判据的自适应扫频随机共振法，另有其他学者提出了以近似熵为信号复杂性判据 的自适应随机共振法。这两种方法均是以不断调整系统参数为前提的，严重影响了算法的 求解速度。混沌振子以输出相图的显著变化来检测微弱信号，已有科技文献相继提出采用 符号序列统计量或系统输出周期解的平均面积为判据实现微弱信号的定量检测，在一定程 度上达到了客观、自动识别振子状态的目的。差分振子法是基于差分方程构造检测器，确定系统激励频率f；及检测频率fd，当 被测信号中含有fd这一频率成分时，则系统产生共振，其相图随即发生变化，通过观察系统 的相图变化判断系统是否发生故障，从而实现了早期故障的可视化检测。然而，目前基于差分振子的微弱信号检测，主要集中于利用差分振子相图的差异 检测特有频率成分的有无，而缺少差分振子相图的自动识别方法及微弱信号幅值的定性表 征方法。
发明内容
本发明的目的在于提供一种高线轧机早期故障微弱特征提取的方法，克服了现有 的缺少差分振子相图的自动识别方法及微弱信号幅值的定性表征的缺陷，不仅可以自动识 别差分振子系统输出的相位图状态，而且还可借助差分振子相图的外接正方形大小定性表 征微弱信号的幅值。
为了实现上述目的，本发明采取的技术方案包括以下步骤(1)通过安装在高速线材轧机需检测位置的振动加速度传感器提取设备振动信号，并将该信号放大滤波后由模数转换器将模拟信号转换为数字信号；(2)根据被测高速线材轧机的传动结构及零部件几何参数确定被测振动信号中可 能包括的故障特征频率，建立相应的差分振子系统；(3)对步骤(1)中得到的数字信号输入差分振子系统，绘制差分振子系统的输出 相图；(4)将差分振子的相图进行归一化处理(即振子相图的横纵坐标均在[-11]内)， 以原点为圆心，以0. 2为半径画圆。落入到圆域中点的个数记为Ii1 ；若η/Ν > 0. 1 (N为差分 振子相图总的点数，下同)则相图收敛于极点，即可判断原始振动信号中不存在待检测频 率；若η/Ν < 0. 02则相同收敛于极环，即可判断原始振动信号中存在待检测频率。；若依据步骤(3)判断出原始信号中包含待检测频率成份，再以差分振子相图最小 正切正方形的边长作为指标来定量表征振子相图的大小，差分振子相图大者，其表征的待 检测频率成份的幅值也较大，反之亦然；(5)依据步骤(3)和步骤(4)，判断出高速线材轧机振动信号中是否包含故障特征 频率成分及该频率的幅值相对大小，进而确定设备故障部位及故障类型。所述的差分振子系统为二维离散线性系统
xM=a^i+H
.Js式中a、b、c和d是系统参数，ρ是放大倍数，fe是系统激励频率，T(k)为待检测 信号，fd是待检测频率，fs是待检测信号的采样频率。其中，系统参数一般设置为ae (0， 0.05)、be (0.95，1.05)、c = -l和d = -l，放大倍数ρ e (1，5)，系统激励频率根据系统
参数计算得到，计算方法为/6=arCCoi^^^]，待检测信号的采样频率为fs e [50，
\ad-bc)
10000]，待检测频率fd的范围取决于采样频率fs，二者关系为晏]。
65U λ与现有的检测方法相比，本发明具有以下优点本发明可以检测早期的频率已知的微弱故障特征信号，并可自动识别差分振子系 统输出相图的收敛情况，定性表征出原始微弱信号的相对幅值大小。可以利用差分振子检测微弱故障信号，计算机可自动判别差分振子振子相位图的 收敛程度及大小，从而判断原始信号中是否包含待测的微弱特征信号，并定量表征待检测 频率成份的幅值信息，从而检测出高速线材轧机中的早期微弱故障特征信号，提早发现故 障隐患。
图1是本发明的工作原理图。图2是本发明实现的基于差分振子理论的微弱信号检测的算法流程图。图3是本发明实现的检测含噪仿真信号是否含有50Hz频率成分时的差分振子相图。图4是本发明实现的检测含噪仿真信号是否含有55Hz频率成分时的差分振子相 图。图5是本发明实现的检测含噪仿真信号是否含有23Hz频率成分时的差分振子相 图。图6是本发明实现的检测含噪仿真信号是否含有23Hz频率成分时的差分振子相 图。
图7是应用差分振子时相图的一种主要形态(收敛于极点状态)。图8是应用差分振子时相图的一种主要形态(收敛于极环状态，但极环相对较 小)。图9是应用差分振子时相图的一种主要形态(收敛于极环状态，但极环相对较 大)。图10是本发明实现的检测含噪仿真信号是否含有30Hz频率成分时的差分振子相 图(幅值A = 0. 75)。图11是本发明实现的检测含噪仿真信号是否含有30Hz频率成分时的差分振子相 图(幅值A= 1.0)。图12是本发明实现的检测含噪仿真信号是否含有30Hz频率成分时的差分振子相 图(幅值A = 1.25)。图13是本发明实现的原始信号幅值变化与差分振子相图大小的关系曲线。图14为本发明实现的某高速线材轧机故障早期振动信号时域波形。图15为本发明实现的某高速线材轧机故障早期振动信号时域波形。图16为本发明实现的某高速线材轧机故障早期振动信号时域波形。图17为本发明实现的某高速线材轧机故障早期振动信号幅值谱。图18为本发明实现的某高速线材轧机故障早期振动信号幅值谱。图19为本发明实现的某高速线材轧机故障早期振动信号幅值谱。图20为本发明实现的某高速线材轧机故障早期振动信号包络谱。图21为本发明实现的某高速线材轧机故障早期振动信号包络谱。图22为本发明实现的某高速线材轧机故障早期振动信号包络谱。图23为本发明实现的某高速线材轧机故障早期振动信号差分振子相图。图24为本发明实现的某高速线材轧机故障早期振动信号差分振子相图。图25为本发明实现的某高速线材轧机故障早期振动信号差分振子相图。
具体实施例方式本发明采取的技术方案包括以下步骤(1)通过安装在高速线材轧机需检测位置的振动加速度传感器提取设备振动信 号，并将该信号放大滤波后由模数转换器将模拟信号转换为数字信号；(2)根据被测高速线材轧机的传动结构及零部件几何参数确定被测振动信号中可 能包括的故障特征频率，建立相应的差分振子系统；(3)对步骤(1)中得到的数字信号输入差分振子系统，绘制差分振子系统的输出相图；(4)将差分振子的相图进行归一化处理(即振子相图的横纵坐标均在[-11]内)， 以原点为圆心，以0. 2为半径画圆。落入到圆域中点的个数记为Ii1 ；若η/Ν > 0. 1 (N为差分 振子相图总的点数，下同)则相图收敛于极点，即可判断原始振动信号中不存在待检测频 率；若η/Ν < 0. 02则相同收敛于极环，即可判断原始振动信号中存在待检测频率。；若依据步骤(3)判断出原始信号中包含待检测频率成份，再以差分振子相图最小 正切正方形的边长作为指标来定量表征振子相图的大小，差分振子相图大者，其表征的待 检测频率成份的幅值也较大，反之亦然；(5)依据步骤(3)和步骤(4) ，判断出高速线材轧机振动信号中是否包含故障特征 频率成分及该频率的幅值相对大小，进而确定设备故障部位及故障类型。下面结合附图对本发明作进一步说明本实施例中的数据采集过程及前期处理如图1所示，差分振子系统的内部信号处 理算法流程如图2所示。首先根据被测轧机传动结构确定待检测信号中可能包括哪个故障 特征频率，建立相应的差分振子系统。差分振子数学模型为
权利要求
1.一种高线轧机早期故障微弱特征提取的方法，其特征在于，包括以下步骤(1)通过安装在高速线材轧机需检测位置的振动加速度传感器提取设备振动信号，并 将该信号放大滤波后由模数转换器将模拟信号转换为数字信号；(2)根据被测高速线材轧机的传动结构及零部件几何参数确定被测振动信号中可能包 括的故障特征频率，建立相应的差分振子系统；(3)对步骤1)中得到的数字信号输入差分振子系统，绘制差分振子系统的输出相图；(4)将差分振子的相图进行归一化处理，振子相图的横纵坐标均在[-11]内，以原点为 圆心，以0. 2为半径画圆；落入到圆域中点的个数记为Ii1 ；若η/Ν > 0. 1，N为差分振子相图 总的点数，则相图收敛于极点，判断原始振动信号中不存在待检测频率；若η/Ν<0. 02则相 同收敛于极环，判断原始振动信号中存在待检测频率；当依据步骤(3)判断出原始信号中包含待检测频率成份，再以差分振子相图最小正切 正方形的边长作为指标来定量表征振子相图的大小，差分振子相图大者，其表征的待检测 频率成份的幅值也较大，反之亦然；(5)依据步骤(3)和步骤(4)，判断出高速线材轧机振动信号中是否包含故障特征频率 成分及该频率的幅值相对大小，进而确定设备故障部位及故障类型。
2.根据权利要求1所述的方法，其特征在于，所述的差分振子系统为二维离散线性系统4+1=砜‘yM =C^ +d)i +p-cosWe .J"式中a、b、C和d是系统参数，ρ是放大倍数，f；是系统激励频率，T(k)为待检测信 号，fd是待检测频率，fs是待检测信号的采样频率；其中，a e (0，0.05)、be (0.95， 1.05), c =-Ud =-l,pe (1,5),系统激励频率根据系统参数计算得到，计算方法为I =arcc03(f+^a+cf"6c)]，待检测信号的采样频率为:fse [50，10000]，待检测频率fd的范围取决于采样频率fs，二者关系为力。
全文摘要
一种高线轧机早期故障微弱特征提取的方法，属于轧机故障诊断技术领域。用于检测已知特征频率的早期故障。该方法通过振动传感器提取高速线材轧机的早期故障的微弱振动信号，将信号放大滤波之后由模数转换器将模拟信号转换为数字信号，将数字信号输入到预先设计好的差分振子系统中，利用差分振子的相图判断待检测频率信号的有无和幅值大小。优点在于，可以利用差分振子检测微弱故障信号，计算机可自动判别差分振子振子相位图的收敛程度及大小，从而判断原始信号中是否包含待测的微弱特征信号，并定量表征待检测频率成份的幅值信息，从而检测出高速线材轧机中的早期微弱故障特征信号，提早发现故障隐患。
文档编号B21B38/00GK102059255SQ20101056122
公开日2011年5月18日 申请日期2010年11月23日 优先权日2010年11月23日
发明者周大沆, 孙梁, 宫能春, 杨鸿伟, 王玉海, 胥永刚, 马海龙, 高原 申请人:首钢总公司