一种基于频谱稀疏性变化趋势的旋转机械状态监测方法
【技术领域】
[0001]本发明涉及一种基于频谱稀疏性变化趋势的旋转机械状态监测方法，本发明方法根据旋转机械振动信号频谱的稀疏度变化趋势实现对旋转机械运行状态的监测，属于信号处理技术领域。
【背景技术】
[0002]旋转机械在运行过程中，由于零部件磨损、缺陷或故障(如轴承点蚀、齿轮断齿等)导致运行状态不断发生变化，通过对某些指标的监测能够及时的掌握到旋转机械运行状态的变化趋势，以便能够在其运行状态恶化或发生故障前及时进行保养维护、更换零件等处理。对于旋转机械的状态监测采用时域指标监测的方式，常用的时域指标为有效值、峰值、峰峰值。时域指标通过旋转机械的振动信号的时间波形计算得到，通过时域指标的变化趋势来监测旋转机械状态的变化。
[0003]如果信号数据中仅有少量、数值较大的元素，而其余大部分元素都是零或近似零的小值，则我们可以称该数据为稀疏数据，或该数据具有稀疏性。由于稀疏数据具有简洁的表示形式，因此将原来不稀疏的数据通过某种计算将其转变成稀疏数据进行处理更为有效。旋转机械振动信号的时间波形数据通常不具有稀疏性，然后通过傅里叶变换得到的信号频谱具有较好的稀疏性，因此本发明利用频谱的稀疏性来对旋转机械的运行状态进行监测。
[0004]信号的频谱是根据时间波形使用傅里叶变换得到的具有稀疏性的数据序列。信号频谱能够表征信号频率组成，在信号频谱上能够清晰的分辨出信号的频率成分和对应的幅值大小。通常当旋转机械的运行出现异常时，在信号的频谱上会出现对应故障零部件的特征频率成分，且该频率成分的幅值明显大于频谱中其他成分，从而使得频谱的稀疏性发生变化。本发明提出频谱稀疏度概念，用于衡量频谱稀疏性的变化。根据频谱稀疏度变化的趋势，能够实现对旋转机械的运行状态的监测，这就是本发明的目的。
[0005]基于频谱稀疏度的状态监测方法能够解决当前使用频谱进行状态监测存在的问题。通常在旋转机械的状态监测中采用时域指标自动化监测的方式，即通过对时域指标有效值、峰值、峰峰值变化趋势的监测来获取旋转机械的运行状态，但频谱由于是数字序列(数组)，因此无法直接使用这种方式进行状态监测。在频谱分析中常用的六频段能量监测方法，即将信号的频谱人为的划分成6个区段(频段)，对每个频段计算总能量，通过能量的变化趋势进行状态的分析和故障诊断。该方法存在的问题是，由于信号中不可避免的含有噪声信号，以及各种旋转部件产生的干扰信号，这些干扰信号的能量都叠加在监测频段内，势必会对监测的结果产生影响。本发明方法基于频谱的稀疏性进行监测，当旋转机械的运行状态发生变化时，故障零部件的特征频率必定会突显出来，从而导致频谱的稀疏性发生变化，而噪声以及其他干扰成分由于所占比例较少，因此不会对频谱的稀疏性造成影响。通过监测频谱稀疏度的变化趋势，不需要对频谱进行分段处理，直接使用整个频谱数据，能够更为有效和快速的识别和判断旋转机械运行状态的变化。
【发明内容】
[0006]本发明提供了一种基于频谱稀疏性变化趋势的旋转机械状态监测方法，以用于本发明方法通过监测频谱稀疏度的变化趋势，不需要对频谱进行分段处理，能够快速、有效的识别和判断旋转机械运行状态的变化。
[0007]本发明基于频谱稀疏性变化趋势的旋转机械状态监测方法是这样实现的:所述基于频谱稀疏性变化趋势的旋转机械状态监测方法的具体步骤如下:
Stepl、计算频谱:对采集到的旋转机械振动信号进行快速傅里叶变换计算，得到信号的频谱；
Step2、确定阈值:在得到的信号频谱中找到幅值最大的成分，取最大值的20%作为阈值；
Step3、计算频谱稀疏度:统计频谱中所有大于阈值的个数，然后将统计值除以频谱的长度，就得到了频谱稀疏度；
Step4、状态监测:在旋转机械运行过程中，每隔一段时间采集一次数据，重复步骤Stepl~Step3，计算采集到的数据的频谱稀疏度；根据计算得到的频谱稀疏度绘制频谱稀疏度趋势图；根据频谱稀疏度趋势图来监测旋转机械的运行状态。
[0008]如果发现稀疏度突然升高、或者一段时间内频谱稀疏度持续升高，则说明旋转机械的运行状态发生异常。
[0009]所述步骤Step4中，在旋转机械运行过程中再次采集数据的时间可以为20分钟。
[0010]所述步骤Step4中，采集数据的时间间隔根据不同的旋转机械、不同的运行条件和机械设备类型的不同而不同。
[0011]针对新安装的设备可以设置较长的时间，如采集数据的时间间隔为1~2次/天，针对已经长时间运行，接近保养时间点，或状态已经发生变化的设备，应该设置较短的时间间隔，设置的时间间隔可以为2~3次/天。
[0012]本发明的有益效果是:针对旋转机械的运行状态，本发明方法提出一种基于频谱稀疏性变化趋势的旋转机械状态监测方法，本发明的方法能解决当前使用六频段频谱分析进行状态监测存在的问题。能够更为有效和快速的识别和判断旋转机械运行状态的变化。
【附图说明】
[0013]图1为本发明中的流程图；
图2为本发明中正常状态下振动信号的频谱，图上X轴为频率轴，Y轴为信号的幅值，使用本发明提出的方法计算得到的频谱稀疏度值为0.75 ;
图3为本发明中异常状态下振动信号的频谱，图上X轴为频率轴，Y轴为信号的幅值，使用本发明提出的方法计算得到的频谱稀疏度值为7.125 ;
图4为本发明中频谱稀疏度变化趋势图，图上X轴序号，Y轴为频谱稀疏度。
【具体实施方式】
[0014]实施例1:如图1-4所示，一种基于频谱稀疏性变化趋势的旋转机械状态监测方法，所述基于频谱稀疏性变化趋势的旋转机械状态监测方法的具体步骤如下: Stepl、计算频谱:对采集到的旋转机械振动信号进行快速傅里叶变换计算，得到信号的频谱；
Step2、确定阈值:在得到的信号频谱中找到幅值最大的成分，取最大值的20%作为阈值；
Step3、计算频谱稀疏度:统计频谱中所有大于阈值的个数，然后将统计值除以频谱的长度，就得到了频谱稀疏度；
Step4、状态监测:在旋转机械运行过程中，每隔20分钟采集一次数据，重复步骤Stepl~Step3，计算采集到的数据的频谱稀疏度；根据计算得到的频谱稀疏度绘制频谱稀疏度趋势图；根据频谱稀疏度趋势图来监测旋转机械的运行状态。
[0015]在实施例1中，分别取第100次采集的数据的频率以及计算得到的频谱稀疏度(附图2，频谱稀疏度值为0.75)，和第720次采集的数据的频率以及计算得到的频谱稀疏度(附图3，频谱稀疏度值为7.125)进行对比分析，可以看出频谱稀疏度值明显增加。
[0016]图4是频谱稀疏度趋势图，从图上可以分辨出四个阶段，分别是趋势平稳、趋势升高、趋势急剧变化和趋势无序变化四个阶段，这四个阶段分别对应着旋转机械的四个运行阶段，下面对这四个阶段进行逐一说明:
当旋转机械处于第一个阶段，即趋势平稳阶段时，旋转机械平稳运行，频谱稀疏度变化在一个范围内变化(即图4中第一个框所在的范围)；
当旋转机械处于第二个阶段，即趋势升高阶段时，表明旋转机械运行状态发生变化。原因是由于旋转机械的零部件磨损、点蚀等早期故障的发生，影响旋转机械的运行状态，在频谱上表现为出现多个峰值成分，这些峰值成分对应零部件的故障特征频率，从而导致频谱的稀疏度增加。但趋势升高阶段是一个较长的时间周期，在这个周期内，趋势并不会突然发生变化，而是随时间的延续而不断升高。
[0017]当旋转机械处于第三个阶段，即趋势急剧变化阶段时，旋转机械的运动状态发生较大的变换，此时旋转机械内部可能出现零部件的损坏、破裂等较严重的故障发生，使得旋转机械的正常运行受到影响，此时频谱稀疏度将发生剧烈变化，出现较高的尖峰。此时旋转机械不应该继续运行，因及时停机检修。
[0018]当旋转机械处于第四个阶段时，即趋势无序变化阶段时，此时旋转机械极有可能出现旋转零部件卡死、零部件断裂等严重故障，此时频谱稀疏度趋势将不再具有规律性，表现出随机、无序的变化状态。此时应立即停机。
[0019]根据对图4的说明和分析，通过频谱稀疏度趋势的变化趋势，和在整个变化趋势中所处的不同阶段，可以快速、有效的判断出旋转机械的运行状态和运行阶段。
[0020]上面结合附图对本发明的【具体实施方式】作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
【主权项】
1.一种基于频谱稀疏性变化趋势的旋转机械状态监测方法，其特征在于:所述基于频谱稀疏性变化趋势的旋转机械状态监测方法的具体步骤如下: Stepl、计算频谱:对采集到的旋转机械振动信号进行快速傅里叶变换计算，得到信号的频谱； Step2、确定阈值:在得到的信号频谱中找到幅值最大的成分，取最大值的20%作为阈值； Step3、计算频谱稀疏度:统计频谱中所有大于阈值的个数，然后将统计值除以频谱的长度，就得到了频谱稀疏度； Step4、状态监测:在旋转机械运行过程中，每隔一段时间采集一次数据，重复步骤Stepl~Step3，计算采集到的数据的频谱稀疏度；根据计算得到的频谱稀疏度绘制频谱稀疏度趋势图；根据频谱稀疏度趋势图来监测旋转机械的运行状态。2.根据权利要求1所述的基于频谱稀疏性变化趋势的旋转机械状态监测方法，其特征在于:所述步骤Step4中，在旋转机械运行过程中再次采集数据的时间为20分钟。3.根据权利要求1所述的基于频谱稀疏性变化趋势的旋转机械状态监测方法，其特征在于:所述步骤Step4中，采集数据的时间间隔根据不同的旋转机械、不同的运行条件和机械设备类型的不同而不同。4.根据权利要求3所述的基于频谱稀疏性变化趋势的旋转机械状态监测方法，其特征在于:针对新安装的设备采集数据的时间间隔为1~2次/天，针对已经长时间运行，接近保养时间点，或状态已经发生变化的设备，设置的时间间隔为2~3次/天。
【专利摘要】本发明涉及一种基于频谱稀疏性变化趋势的旋转机械状态监测方法，属于信号处理技术领域。本发明包括步骤：Step1：计算信号的频谱；Step2：根据频谱中最大峰值确定阈值；Step3：计算频谱稀疏度；Step4：根据频谱稀疏度的变化趋势进行状态监测。本发明提供的方法简单、快速，易于实现。本发明方法通过监测频谱稀疏度的变化趋势，不需要对频谱进行分段处理，直接使用整个频谱数据，能够更为有效和快速的识别和判断旋转机械运行状态的变化。
【IPC分类】G01H17/00, G01M13/00
【公开号】CN105319057
【申请号】CN201510758842
【发明人】刘畅, 伍星, 柳小勤, 刘韬
【申请人】昆明理工大学
【公开日】2016年2月10日
【申请日】2015年11月10日