专利名称：基于噪声测试的机械故障判别系统及方法
技术领域：
本发明属于应用噪声信号进行状态监测与故障诊断的领域，如汽车、船舶、工程机 械、机车、发电机等，特别适合于无法安装各种传感器的复杂机械设备。
背景技术：
针对运转机械进行的机械状态监测与故障诊断技术研究已有较为悠久的历史。利 用振动信号作为主要测试分析手段在内燃机上的应用在20年前就开始了，并已经完成了 一系列重要的基于振动信号的内燃机测试研究，而相对基于声信号的内燃机测试分析未能 引起足够的重视。这主要是因为人们认为通过空气传播的机器声音信号中含有噪声信号， 并极其复杂，而避免信号被噪声污染是比较困难的。尽管如此，利用内燃机的噪声信号进行故障诊断仍有着巨大的吸引力。首先，噪声 采集可以距机器表面一定距离进行，是非接触式测量，提供了安全保障，易于实现离机、无 损、非接触检测，避免了价格昂贵的耐高温耐高压振动采集设备，测试方便易行，对测试场 所基本没有特殊要求；其次，已有研究结果指出噪声测试结果较表面振动对物理变化更 为敏感，即使是极其微小的振声信号的变化，也可以从采集的噪声信号中得到其特性。以上 这些特征，有力地推动了利用声信号进行各种研究的技术的发展。
发明内容
基于噪声测试的机械故障判别系统及方法，系统由高频麦克风、声卡、PC机、伸 缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，高频麦克风采样频率应满足 Nyquist定理的要求，声卡连接到PC机，本方法基于能量带提取和分形算法相结合，对机械 运行时的噪声信号进行采集和运算处理来测试机械故障，测试步骤如下a.对机械运转相对平稳时产生的噪声进行采样；b.对采集的数据进行预处理；c.信号故障特征提�。籨.特征组分的分形分析。对机械运转相对平稳时产生的噪声进行采样，测试环境应设置在背景噪声小、无 共振、无反射、无混响等外界干扰的环境中，测试点选择信号稳定、信噪比高、对故障敏感的 位置，测试距离要保证测量的最佳声能辐射方向和声能的最小测量前衰减，满足声信号有 效长度公式的要求；采样频率应满足Nyquist定理的要求，可适当提高采样频率，以得到更 多的机械运转状态信息；对于运转比较平稳，不同工作循环差别不是很大的机械可以适当 缩短测试时间；对于运转比较粗暴，工作循环差别比较大的机械应尽可能延长测试时间，同 时，在机械刚刚启动时不宜立即采集噪声信号，当机械运行一段时间，整个机械运转相对平 稳后再进行测试；对采集的数据进行如下步骤的预处理bl.基小波参数的优化，Morlet小波定义式为Ψ (t) = exp (-β 2t2/2) cos ( π t),β是控制Morlet基小波形状的唯一参数，β越大，波形衰减越快，直至逼近一个脉冲信号， 同时也使基小波的频率分辨率越高，反之亦然，调整β的实质是对信号时域与频域的分辨 率进行折中。由于最小小波熵对应的基小波就是与特征成分最匹配的小波，因此，在一定范 围内变化β，选择使得信号小波熵最小的β作为最优值；b2.阈值函数的确定，利用一种改进的阈值函数，表达式如下
权利要求
1.基于噪声测试的机械故障判别系统及方法，其特征在于所述系统由高频麦克风、声 卡、PC机、伸缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，声卡连接到PC机， 所诉方法基于能量带提取和分形算法相结合，对机械运行时的噪声信号进行采集和运算处 理来测试机械故障，具体包括以下步骤a.对机械运转相对平稳时产生的噪声进行采样；b.对采集的数据进行预处理；c.信号故障特征提�。籨.特征组分的分形分析。
2.根据权利要求1所述的基于噪声测试的机械故障判别系统及方法，其特征在于对机 械运转相对平稳时产生的噪声进行采样，测试环境应设置在背景噪声小、无共振、无反射、 无混响等外界干扰的环境中，测试点选择信号稳定、信噪比高、对故障敏感的位置，测试距 离要保证测量的最佳声能辐射方向和声能的最小测量前衰减，满足声信号有效长度公式的 要求；采样频率应满足Nyquist定理的要求，可适当提高采样频率，以得到更多的机械运转 状态信息；
3.根据权利要求1所述的基于噪声测试的机械故障判别系统及方法，其特征在于对采 集的数据进行预处理包括以下步骤bl.基小波参数的优化，Morlet小波定义式为Ψ (t) = exp (-β 2t2/2) cos ( π t), β是 控制Morlet基小波形状的唯一参数，β越大，波形衰减越快，直至逼近一个脉冲信号，同时 也使基小波的频率分辨率越高，反之亦然，调整β的实质是对信号时域与频域的分辨率进 行折中。由于最小小波熵对应的基小波就是与特征成分最匹配的小波，因此，在一定范围内 变化β，选择使得信号小波熵最小的β作为最优值；b2.阈值函数的确定，利用一种改进的阈值函数，表达式如下Λ , ^、 f > δ.)
n(Nj)\l\-2~J)，Nj为小波尺度j的小波系数长，。j为小波尺度j层噪声的标准方差；b3.分解层数Ntl的确定，在对信号进行降噪处理时，分解层数Ntl的确定比较重要，过大 的Ntl势必导致计算量的增大，影响进一步的分析；当Ntl比较小时，虽然会减小计算量，易于 实现，但最终的消噪效果并不会很理想，因此，分解层数Ntl的确定是计算效率与消噪效果的 折中考虑；b4.利用bl中的基函数对信号Stl进行Ntl层小波包分解；b5.对每一个小波包分解系数，选择由步骤b2确定的阈值对系数进行阈值量化处理； b6.重构第Ntl层的小波包分解系数和经过量化处理的系数，获得降噪后的信号Sp
4.根据权利要求1所述的基于噪声测试的机械故障判别系统及方法，其特征在于信号 故障特征提取包括以下步骤cl.时域统计分析，对噪声信号S1进行时域参数统计分析，如均值、方差、偏度、峭度等， 观察各个时域参数对噪声信号的敏感程度，找出对不同工况噪声信号敏感程度最高的时域 参数PQ;c2.频域分析，对噪声信号S1进行频域内的统计分析，如FFT分析，PSD分析等，观察 噪声信号在频域内能量的分布情况，在不同工况下能量分布是否存在明显的差别，能量波 动是集中于某一频率点附近还是分散于某一频率带内；c3.确定分解层数N1,由c2的分析结果确定小波包分解层数N1的大�。】赡苁剐〔� 包节点的频带包含步骤c2中的能量波动频带；c4.根据噪声信号特点，并结合步骤cl和c2的分析结果确定基小波；c5.利用步骤4中的基小波，对噪声信号S1做N1层小波包分解，得到各个节点系数向fi-^l？-^25* “ ？Tf .ce.由节点系数向量Ti,T1,…,T2lh提取各个节点的能量向量Ei^E2,'"9E^i .c7.做不同工况下各个节点能量向量的柱状图，对比观察各节点的故障状态能量向量 相对于正常状态能量向量的波动情况，得到故障状态时能量明显增加的节点即为故障特征 节点，转步骤c9，如果部分节点能量太小而不能观察其能量波动时，转步骤c8 ；c8.设故障状态时某节点能量向量为B，正常状态时某节点能量向量为A，则定义增长 B-A比例Δ为Δ = ~;~Χ100%，由各个节点的增长比例做节点能量增长比例柱状图，由此可以 A清晰判断各个节点能量的波动情况，则能量增长比例为正值，且增长比例较大的即为故障 特征节点；c9.由c7和c8的结果决定连续小波变换的尺度范围及其步长； clO.利用步骤c4中的基小波和步骤c9中的尺度范围，对噪声信号S1做连续小波变换， 得到各个尺度下的连续小波变换系数向量C1, C2,…，Cn，其中η为尺度个数；cll.由连续小波变换系数向量C1, C2,…，Cn提取各个尺度下的能量向量e2，…，P ·cl2.做不同工况下各个尺度对应的能量曲线图，观察噪声信号在不同尺度下的能量波 动情况，能量明显增加的尺度区间即为故障特征尺度区间，如果部分尺度范围内的能量过 小不能直接观察其波动情况，利用步骤c8原理，提取各个尺度下的能量增长比例，得到故 障特征尺度区间；cl3.由步骤cl2的分析结果确定连续小波变换的尺度范围及其步长； cl4.利用步骤c4中的基小波和步骤cl3中的尺度范围，对噪声信号S1做连续小波变 换，得到各个尺度下的连续小波变换系数向量V1, V2,…，Vn，其中η为尺度个数；cl5.对连续小波变换系数向量V1, V2，…，Vn做步骤1中的参数Ptl统计，得到各个尺度 下连续小波变换系数的Ptl统计向量Ci1, α 2，…，αη；cl6.做不同工况下尺度对应的Ptl统计向量图，得到对不同工况具有明显区分能力的故障特征尺度区间；cl7.根据尺度与频率对应关系，确定故障特征尺度区间所对应的频率范围； cl8.由步骤cl7及小波包节点频率分布规律确定小波包分解层数N2 ； cl9.由步骤cl7和cl8共同确定故障特征尺度区间所对应的小波包节点T1, T2，…， Ti, (i ^ 1)；c20.利用步骤c4中的基小波对噪声信号S1做N2层小波包分解；c21.保留步骤cl9中的小波包节点I\，T2，…，Ti系数，将其它节点系数置零；c22.重构小波包节点系数，得到噪声信号特征组分S2。
5.根据权利要求1所述的基于噪声测试的机械故障判别系统及方法，其特征在于特征 组分的分形分析包括以下步骤dl.用伪相图法观察特征组分S2的发散性；d2.用自相关函数法做特征组分S2的自相关函数图，得到关联函数值第一次为O时所 对应的延迟时间τ，并结合步骤dl的结果，综合确定延迟时间τ ^d3.嵌入维数Hitl的确定，采用系统特征饱和法来确定嵌入维数IV即逐渐增大嵌入维数 m，观察关联维数是否达到饱和；d4.样本数量的选取。依次增大样本数量的大�。ü鄄旃亓智叩氖樟残岳慈� 定样本数量的大小；d5.计算不同工况下特征组分的关联维数，得到特征组分的分形特征，判别不同类型的 机械工作状态。
6.根据权利要求1所述的基于噪声测试的机械故障判别系统，其特征在于高频麦克风 采样频率应满足Nyquist定理的要求。
全文摘要
本发明属于应用噪声信号进行状态监测与故障诊断的领域，如汽车、船舶、工程机械、机车、发电机等，特别适合于无法安装各种传感器的复杂机械设备，基于噪声测试的机械故障判别系统及方法，系统由高频麦克风、声卡、PC机、伸缩支架组成，高频麦克风固定在伸缩支架上并与声卡连接，高频麦克风采样频率应满足Nyquist定理的要求，声卡连接到PC机，本方法基于能量带提取和分形算法相结合，对机械运行时的噪声信号进行采集和运算处理来测试机械故障，系统设置简单，降低了经济成本，操作上提高了安全性和故障判别的精确性。
文档编号G01M7/02GK102095560SQ20101053689
公开日2011年6月15日 申请日期2010年11月9日 优先权日2010年11月9日
发明者廖世勇, 李海明, 王华清, 甘剑锋, 程前, 陈军堂, 陈强 申请人:中国人民解放军重庆通信学院
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
