一种机械故障分块邻域降噪的二阶同步提取Chirplet变换方法

一种机械故障分块邻域降噪的二阶同步提取chirplet变换方法
技术领域
1.本发明涉及机械故障信号诊断领域，尤其是涉及一种机械故障分块邻域降噪的二阶同步提取chirplet变换方法。


背景技术：

2.随着科技的进步，机械设备朝着复杂、高速、智能、密集的方向发展，使得设备间的联系也更加紧密，因此一旦有部件出现故障，就可能会导致巨大的经济损失和人员伤亡。所以发展和研究机械故障信号的诊断方法，及时并准确地发现机械故障，对保障设备可靠性、避免突发性安全事故具有重大意义。然而，在实际工程中，机械故障信号通常是非平稳信号且往往被强背景噪声及其他不稳定成分所淹没，故障特征信息的提取存在一定的困难。
3.传统的机械故障信号处理方法多数是建立在傅里叶变换的基础上。傅里叶变换可以将信号时域内的表示转换为频域内的表示，是对信号的全局分析，因此无法描述在某一时刻下信号的频域特征。有些学者将时域和频域联合起来构成二维的时频域，得到一种新的信号分析方法-时频分析法。常见的时频分析方法包括：短时傅里叶变换(stft)、小波变换(wt)、s变换(st)及chirplet变换(ct)等，这些方法由于自身的各种局限性，在机械故障信号诊断中存在时频谱能量发散和时频精度不高的问题。为了解决这类问题，有学者对原有时频分析方法进行了改进，即时频谱上能量的一种时频后处理方法。同步提取变换(set)是提取时频谱在瞬时频率位置处的时频系数，有利于隔绝信号脊线周围的噪声。
4.常见的短时傅里叶变换的同步提取变换在处理多分量非平稳复杂信号时，对各相邻分量的瞬时频率有更高的要求，不然时频结果容易发生频率混叠，然而实际工程信号却常常难以满足。chirplet变换是一种新的线性时频分析方法，具有较高时频分辨率，可以看做是短时傅里叶变换和小波变换的推广。
5.基于以上情况，本发明提出了一种机械故障分块邻域降噪的二阶同步提取chirplet变换方法，这种方法具有多项优点：(1)通过构造二阶瞬时频率算子可以进一步提高瞬时频率的估计精度，更为准确地提取出时频系数；(2)chirplet变换处理相邻分量瞬时频率相近的信号时效果较好，可以较为清楚的在时频图中分离出不同的信号；(3)采取分块邻域降噪的方式对机械故障信号进行处理，能够更有效地保留特征信号，降低多余的噪声对时频结果的负影响。


技术实现要素：

6.本发明要解决的技术问题是：提供一种机械故障分块邻域降噪的二阶同步提取chirplet变换方法，以解决上述背景技术中所提出的问题，提升机械故障信号特征提取与故障类型辨识的精度。
7.为实现上述目的，本发明采用的技术方案是：先将分块邻域降噪的方法应用到机械故障信号中，然后对降噪后的分块故障信号进行二阶同步提取chirplet变换，通过构建
二阶瞬时频率算子，提取出频谱中时频脊线位置处的时频系数，具有更好的时频聚集性，克服了原有的传统时频分析方法能量发散和特征模糊的问题，进而实现机械故障信号特征的准确提取与故障类型的精确辨识。
8.为实现上述目的，本发明技术方案为一种机械故障分块邻域降噪的二阶同步提取chirplet变换方法，该方法包括以下步骤：
9.步骤1：采集机械设备轴承的振动信号d(t)，信号长度为n；
10.步骤2：将信号邻域系数的信息作为一个整体来设定相应的阈值进行分块邻域降噪；
11.构建分块邻域信号降噪的表达式：
[0012][0013]
式中，dj(t)为信号序号为j时所对应的值，sj为对原信号值处理后定义的一个新变量，t为设置的阈值门限，dj(t)为经过邻域降噪后的信号值；
[0014]
步骤3：对采集的振动信号d(t)进行分块邻域降噪，得到降噪后的信号dj；
[0015]
步骤4：计算二阶瞬时频率
[0016][0017]
式中，ωd(t,η)，τd(t,η)和q
t,d
(t,η)为求取二阶瞬时频率算子定义的变量值，t表示时间，η表示频率，最后取得到二阶瞬时频率的表达式，表示取实数部分，表示对t求偏导；
[0018]
τd(t,η)≠0
[0019]
其中，ctd(t,η)代表信号dj的chirplet变换；
[0020]
步骤5：利用步骤4中得到的二阶瞬时频率构造同步提取算子提取chirplet变换时频谱在瞬时频率位置的时频系数，ω表示瞬时频率，同步提取计算公式为：
[0021][0022]
式中，setctd(t,η)为分块邻域降噪的二阶同步提取chirplet变换的时频结果，根据时频结果绘制故障信号时频图，利用故障信号视频图判断故障信号的类型。
[0023]
本发明的有益效果是：本发明先将分块邻域降噪的方法应用到机械故障信号中，能够有效地降低噪声保留特征信号，然后构造二阶瞬时频率同步提取算子应用到chirplet变换中，大大提高了时频谱的能量聚集性和分辨率，能够有效且准确地提取出机械故障信
号的冲击特征，从而实现故障的精确诊断。
附图说明
[0024]
图1为实施例的流程图；
[0025]
图2为实施例中原始振动信号的时域波形；
[0026]
图3为实施例中原始振动信号的频谱图；
[0027]
图4为实施例所得的分块邻域降噪的二阶同步提取chirplet变换时频图；
[0028]
图5为实施例所得的同步提取短时傅里叶变换时频图；
具体实施方式
[0029]
本发明先将分块邻域降噪的方法应用到机械故障信号中，对信号进行降噪处理减少噪声对故障特征频率判断的影响，然后构建二阶瞬时频率同步提取算子，将其与chirplet变换相结合，有效地提高了时频图的能量聚集性和分辨率，实现机械故障信号特征的准确提取与故障类型的精确辨识。
[0030]
基于上述思想，实施例提供了一种轴承的机械故障诊断方法，工作流程如图1所示，具体步骤如下：
[0031]
步骤1：通过压电式振动传感器采集轴承振动信号d(t)，信号长度为n；
[0032]
步骤2：将信号邻域系数的信息作为一个整体来设定相应的阈值进行分块邻域降噪；
[0033]
步骤3：对采集的振动信号d(t)先进行分块操作，然后对已分块后的信号进行邻域降噪处理，得到降噪后的故障信号dj(t)，其过程表示为：
[0034][0035]
式中，dj(t)为故障信号序号为j时所对应的值，sj为对原信号值处理后定义的一个新变量，t为设置的阈值门限，dj(t)为经过分块邻域降噪后的信号值；
[0036]
步骤4：计算二阶瞬时频率具体计算的公式如下：
[0037]
ctd(t,f,a,c)＝∫d(τ)h
*
(τ-t,f,a,c)dτ
[0038]
τd(t,η)≠0，
[0039][0040]
式中，ctd(t,η)代表信号d(t)的chirplet变换，t为时间的平移，f为频率的平移，a是伸缩参数，c表示频率上的线性调频率，h(t)表示chirplet变换的核函数，ωd(t,η)，τd(t,η)和q
t,d
(t,η)为求取二阶瞬时频率算子定义的变量值，t代表时间，η代表频率，最后取
得到二阶瞬时频率的表达式；
[0041]
步骤5：构造二阶同步提取算子，应用到chirplet变换对信号si进行分析，同步提取算法获得时频系数的公式为：
[0042][0043]
式中，为同步提取算子，为分块邻域降噪的二阶同步提取chirplet变换的时频结果；
[0044]
最后得到故障信号时频图，判断故障信号的类型。
[0045]
以下结合机械设备具体实例——某轮对轴承滚柱故障诊断，对实施例进一步说明。试验轴承规格如下表1所示：
[0046]
表1试验轴承规格
[0047][0048]
试验时，电机带动试验轴承旋转，其转速为600r/min，对应转频为fr＝10hz，信号的采样频率为10khz，采样点数为n＝5120，根据轴承规格及电机转频可得到试验轴承滚柱故障特征频率为：fr＝32.7hz。
[0049]
第一步：通过压电式振动传感器获取试验轴承振动的原始振动信号d(t)(单位g)，图2、图3分别为该原始振动信号d(t)的时域波形与频谱图。由图可知，由于噪声及其他干扰成分的存在，振动信号时域波形中难以观察到明显的周期性冲击，同时频谱图中轴承滚柱故障特征频率几乎被周围的强干扰频率所淹没，因此难以对轴承故障进行准确辨别。
[0050]
第二步：将分块邻域降噪的方法应用到信号中，对原始振动信号进行降噪处理。
[0051]
第三步：将二阶瞬时频率同步提取算子与chirplet变换相结合对降噪后的信号进行分析，得到信号的时频图，如图4所示。
[0052]
由图4可知，轴承滚柱故障的周期性冲击得到了准确提取，可以清楚地观察到轴承滚柱故障的特征频率fr以及轴承旋转频率fr对应的两个频带。因此，可判断试验轴承存在滚柱故障，诊断结果与实验方案一致，证明了实施例的有效性。
[0053]
为了进一步说明本发明方法的优越性，图5给出了传统基于短时傅里叶变换的同步提取变换的时频图。对比图4和图5的效果，显然实施例在轴承故障诊断中效果更佳，去噪效果更优，瞬时频率的估计更精确，指示的频带更准确，时频能量聚集性更好。