基于小波及谐波成分贪婪稀疏识别的碰摩故障诊断方法与流程

本发明涉及一种机械故障诊断方法，尤其是涉及在一种对振动位移信号进行降噪从而提高瞬时参数识别精度的基于小波及谐波成分贪婪稀疏识别的碰摩故障诊断方法。
背景技术：
：碰摩是装备转子系统常见的故障类型，往往在航空发动机、动力机械的转子-定子之间发生。电涡流传感器可以对转轴的振动位移信号进行非接触式测量，是碰摩信号的可靠载体。早期的碰摩故障产生的故障特征微弱，难以从原始信号中直接识别，需要借助先进信号处理方法进行提取。时频分析方法是振动位移信号分析的常用工具。巩晓赟等(巩晓赟,王宏超,杜文辽,丁丽丽,eemd方法在转子碰摩故障诊断中的研究[j],电子测量与仪器学报,2017(3):415-421)采用eemd提取碰摩振动信号中的次谐波分量。王翔等(王翔,田永伟,王金平,基于hht的汽轮机组碰摩故障信号时频分析方法研究[j],汽轮机技术,2010(2):133-136)采用希尔伯特-黄变换对汽轮机组碰摩进行了时频分析和故障检测。王学军等(王学军,马辉,孙伟闻,闻邦椿,基于小波分析的转子碰摩故障特征提取[j],农业机械学报,2008(4):147-151)采用经典daubechies小波对不同碰摩程度的转子故障进行了诊断。目前的时频分析方法虽然能够根据碰摩信号的特点自适应地选择滤波通带，从而抑制通带以外的噪声，但对于通带以内的噪声依然无法滤除，从而影响瞬时幅值和瞬时频率等参数的正确提取。技术实现要素：本发明的目的在于针对转子碰摩故障特征瞬时参数的精确提取问题，提供一种基于小波及谐波成分贪婪稀疏识别的碰摩故障诊断方法。本发明包括以下步骤：1)采用电涡流传感器对转轴进行非接触式测量，获取转轴的振动位移信号x，在信号采集中引入抗混叠滤波、去均值处理调理环节后得到处理后的振动位移信号{x(n)}，其长度为l,采样频率为fs，则有x＝{x(n)|n＝1,2,...,n}；2)采用冗余第二代小波包变换对{x(n)}进行多尺度分解并进行单枝重构，搜索各尺度上的子空间的时域信号，选择出具有显著调幅特性的谐波成分shw；3)对选定子空间中的谐波成分shw进行贪婪稀疏识别，其步骤为：a.采用汉宁窗函数对子空间信号进行加窗处理并进行快速傅里叶变换；b.根据能量集中原则将信号分为若干个区域；c.对各能量集中的p个频率区域中的单一谐波成分的参数进行贪婪稀疏识别，其步骤为:c.1)对于第i个谐波成分shwi，初始化k＝1，采用基于汉宁窗的比值频谱校正算法初步获取其幅值频率(fi(k))和相位c.2)对shwi的频率进行贪婪识别：当k＝1时，令参量fδ＝2fs/n将频率区间[fi(k)-fδ,fi(k)+fδ]进行一千等分，分别构造频率补偿信号compfl(n)：根据对消后剩余信号在校正频率附近能量最小化为目标进行参数l的优选，如下式所示：更新fδ更新为fδ/2；c.3)对shwi的幅值进行贪婪识别：当k＝1时，令参量将幅值区间进行一千等分，分别构造幅值补偿信号compal(n)：根据对消后剩余信号在校正幅值附近能量最小化为目标进行参数l的优选，如下式所示：更新aδ更新为aδ/2；c.4)对shwi的相位进行贪婪识别：当k＝1时，令参量φδ＝π/60，将相位区间进行一千等分，分别构造相位补偿信号comphl(n)：根据对消后剩余信号在校正相位附近能量最小化为目标进行参数l的优选，如下式所示：更新φδ更新为φδ/2；c.5)将k更新为k+1,重复上述步骤c.2)至c.4)5次，将幅值、频率、相位最后一次的更新结果定义为参数的最优稀疏估计结果c.6)对子空间中的p个谐波成分的参数采用上述贪婪稀疏识别算法进行估计；4)对选定子空间中的谐波成分进行贪婪稀疏识别，构建子空间的稀疏补偿信号y(n)：5)通过希尔伯特包络解调分析获取信号的瞬时幅值和瞬时频率曲线以诊断碰摩故障的存在与否。如果各子空间的瞬时频率曲线波动很小(围绕某一固定值小幅度随机摆动)，则诊断为未发生碰摩故障；如果其中某个子空间的瞬时频率曲线出现周期性的跳变则认为发生了碰摩故障。本发明采用转轴的振动位移作为诊断分析媒介，通过小波包变换对信号进行第一次滤波，采用谐波成分参数的贪婪稀疏方法对信号进行第二次滤波，从而获取更为精确的故障诊断信息。本发明公开了一种结合冗余第二代小波包变换和谐波成分贪婪稀疏识别方法的转子碰摩故障诊断方法，首先采用冗余二代小波包变换对信号进行多尺度分解；从各尺度的子空间信号中强调幅信号；对选取子空间进行加汉宁窗傅里叶变换，根据能量集中原则将信号划分为若干个谐波成分；采用谐波参数的贪婪稀疏识别算法对幅值、频率和相位参数进行迭代式精确识别；通过谐波参数构造子空间的降噪信号；通过希尔伯特包络解调可以精确获取子空间的瞬时幅值和瞬时频率信息从而诊断转子系统的碰摩故障。相比于传统方法，本发明具有如下显著的优势：1)采用冗余二代小波包对振动位移信号进行分解，具有精确的平移不变性、线性相位特性。二代小波基具有自相似性，无需进行参数调节，可以避免分解过程的模式破裂现象。2)针对子空间内噪声的抑制问题，提出了谐波参数的贪婪稀疏识别方法。先通过基于汉宁窗的比例模型校正法对参数进行粗略估计。在此基础上采用一种改进的参数网格法对谐波成分的频率、幅值、相位等参数进行贪婪识别，通过迭代法不断提高参数的识别精度。3)在子空间重构信号中能够有效滤除随机噪声并提取光滑的瞬时幅值、瞬时频率曲线，通过瞬时幅值及瞬时频率的周期性突变诊断转子系统的碰摩故障。因此，本发明具有较好的实用性及工程应用推广价值。附图说明图1为转子试验台上采集的振动位移信号时域波形图。图2为转子试验台上采集的振动位移信号频谱图。图3为具有强调幅特性的小波包子空间信号。图4为子空间信号的加窗傅里叶频谱图及能量集中成分的分布示意。图5对谐波成分参数进行贪婪稀疏识别的流程图。图6为子空间信号的稀疏重构结果。图7为子空间信号的瞬时频率曲线图。图8为由子空间原始信号瞬时频率曲线。图9为子空间信号的瞬时幅值曲线图。图10为由子空间原始信号瞬时幅值曲线。具体实施方式以下实施例将结合附图对本发明作进一步的说明。本发明实施例包括以下步骤：1.采用电涡流传感器对机械设备传功系统的转轴进行非接触式测量，获取转轴的振动位移信号x。在采集中引入抗混叠滤波、去均值处理调理环节后得到信号{x(n)}，其长度为l,采样频率为fs，如图1和图2所示，且有x＝{x(n)|n＝1,2,...,n}。2.采用冗余第二代小波包变换对振动位移信号进行多尺度分解并进行单枝重构，搜索各尺度上的子空间的时域信号，选择出具有显著调幅特性的谐波成分shw。如图3所示。3.对选定子空间中的谐波成分shw进行贪婪稀疏识别，其步骤为：1).采用汉宁窗函数对子空间信号进行加窗处理并进行快速傅里叶变换；2).根据能量集中原则将信号分为若干个区域(如图4所示)；3).对各能量集中的p个频率区域中的单一谐波成分的参数进行贪婪稀疏识别，其步骤为(如图5所示):3.a)对于第i个谐波成分shwi，初始化k＝1，采用基于汉宁窗的比值频谱校正算法初步获取其幅值频率(fi(k))和相位3.b)对shwi的频率进行贪婪识别:当k＝1时，令参量fδ＝2fs/n将频率区间进行一千等分，分别构造补偿信号根据对消后剩余信号在校正频率附近能量最小化为目标进行参数l的优选，如下式所示更新fδ更新为fδ/2。3.c)对shwi的幅值进行贪婪识别:当k＝1时，令参量将幅值区间进行一千等分，分别构造补偿信号根据对消后剩余信号在校正幅值附近能量最小化为目标进行参数l的优选，如下式所示更新aδ更新为aδ/2。3.d)对shwi的相位进行贪婪识别:当k＝1时，令参量φδ＝π/60。将相位区间进行一千等分，分别构造补偿信号根据对消后剩余信号在校正相位附近能量最小化为目标进行参数l的优选，如下式所示更新φδ更新为φδ/2。3.e)将k更新为k+1,重复上述步骤3.c)至3.d)5次，将幅值、频率、相位最后一次的更新结果定义为参数的最优稀疏估计结果3.f)对子空间中的p个谐波成分的参数采用上述贪婪稀疏识别算法进行估计。4.对选定子空间中的谐波成分进行贪婪稀疏识别，构建子空间的稀疏补偿信号(如图6所示)；5.通过各子空间的希尔伯特包络解调分析获取信号的瞬时幅值和瞬时频率曲线以诊断碰摩故障的存在与否(如图7～10所示)。如果各子空间的瞬时频率曲线波动很小(围绕某一固定值小幅度随机摆动)，则诊断为未发生碰摩故障；如果其中某个子空间的瞬时频率曲线出现周期性的跳变则认为发生了碰摩故障。为了验证本发明方法的有效性和实用性，采集转子碰摩试验台的振动位移信号为分析对象。在转子实验台中，采用摩擦螺栓模拟动静碰摩源。信号采集时轴的转速为2200r/min(36.67hz)，信号的采样频率为2000hz，采样长度为1024。信号的时域波形图及频谱图如图1和图2所示。采用冗余二代小波包变换对振动位移信号进行4层分解，分解的预测器长度和更新器算子的长度都选为6。在第三层分解的第二个小波子空间中发现强调制信号，如图3所示。该子空间信号的汉宁窗加窗频谱如图4所示，根据能量集中原则，将其频谱分为6个区域。对每个成分，采用谐波参数的贪婪稀疏表示识别算法对其进行降噪，其流程如图5所示。6个谐波成分参数的贪婪稀疏识别结果如表1。表1成分shwi123456幅值0.18020.58300.42380.72400.56130.0357频率/hz110.3047146.8301183.6602220.2813256.9766293.6992相位/ο87.6771-25.2745-103.1697178.321615.719661.4820子空间重构信号的结果如图6所示。对该信号进行希尔伯特包络解调，瞬时频率曲线如图7所示。可见转轴每旋转一周发生两次瞬时频率突变，这是转子碰摩典型的故障特征。图8为由子空间原始信号瞬时频率曲线，由于通带内噪声的影响，该曲线出现了许多无规律的瞬时扰动。图9为由子空间信号经过降噪后的瞬时幅值曲线图。图10为由子空间原始信号的瞬时幅值曲线图。从瞬时频率及瞬时幅值的对比中可以发现：通过子空间的贪婪稀疏识别后，子空间信号中的噪声显著降低了，从而显著增强了故障关键特征信息的提取效果。本发明公开了一种结合冗余第二代小波包变换和谐波成分贪婪稀疏识别方法的转子碰摩故障诊断方法，其特征在于，首先采用冗余二代小波包变换对信号进行多尺度分解；从各尺度的子空间信号中强调幅信号；对选取的子空间进行加汉宁窗傅里叶变换，根据能量集中原则将信号划分为若干个谐波成分；采用谐波参数的贪婪稀疏识别算法对幅值、频率和相位参数进行迭代式精确识别；通过谐波参数构造子空间的降噪信号；通过希尔伯特包络解调可以精确获取子空间的瞬时幅值和瞬时频率信息从而诊断转子系统的碰摩故障。当前第1页12