专利名称：基于可变空间-尺度框架的机械冲击型故障诊断方法
技术领域：
本发明涉及一种机械故障诊断方法，具体涉及一种复杂机电设备(包括旋转机械和往复式机械)冲击型特征的增强和分离技术。
背景技术：
大型复杂机电设备在国民经济活动的各部门，如交通运输、冶金能源、装备制造和国防工业中都发挥着重要作用。在复杂恶劣的运行工况下，重要装备的关键零部件，如旋转机械的轴承、齿轮和转子，以及往复式机械的活塞、气阀、曲柄和连杆等，不可避免出现磨损、剥落、裂纹等局部损伤导致性能退化并逐渐萌生故障，造成产品设备运行质量下降甚至机毁人亡恶性事故。及早发现这些装备中的潜在故障，对于保证生 产活动的有序进行和预防重大灾难性事故具有显著经济价值和重要社会意义。国家中长期规划(2006-2020年)、“十一五”规划和国家自然科学基金委学科发展战略研究报告(2006-2010年)中均将重大设施运行可靠性、安全性、可维护性等关键技术列为重要研究方向。设备状态监测的先进理论和技术的发展及其在工程实践中的实用化推广成为故障诊断领域的重要研究课题。当复杂机电设备的核心零部件发生局部损伤时，由于其自身的周期性或往复性运转，在动态响应信号中产生微弱的故障冲击特征。这些故障特征往往与其他振动模式发生耦合并且淹没在强大的背景噪声下，常规的平稳信号处理方法难以得到满意的特征提取效果，阻碍了故障诊断的有效开展。目前在复杂设备状态监测以及故障诊断领域，常用的故障诊断技术主要建立在Daubechies离散小波变换为代表的二进小波分析基础之上。小波变换是一种针对非平稳信号的时频域分析工具，它的时频原子是局部支撑的振荡衰减函数。根据内积匹配原理，小波基函数可以较好地匹配机械设备早期微弱故障的冲击特征。然而经典离散小波变换方法，如Daubechies族等，存在着小波时频院子特性单一，基函数固定等问题，不利于匹配复杂多样的故障特征。另一方面，小波基函数及其分析参数的选取往往需要专业人员的大量监督和介入，对于一般技术人员而言不易理解，因而在工业现场的实用性较差。
发明内容
本发明的目的在于，提供一种可变空间-尺度框架时频联合峭度分布图的复杂机电设备冲击型故障诊断方法。为达到以上目的，本发明是采取如下技术方案予以实现的一种基于可变空间-尺度框架的机械冲击型故障诊断方法，其特征在于包括下述步骤I)采用可变空间-尺度框架函数对复杂机电设备上采集的动态响应信号进行分解与单支重构，所述的分解是将该动态响应信号中故障特征和其他振动模式分量分解到不同的子频带中，包括以下步骤a、构造一个控制参数集合Y G {(p，q，s) |p，q，s G Z+}以生成不同的可变空间-尺度框架函数(Br^sIhCLS) G r}，其中Z+表示正整数集合，可变空间-尺度框架函数的时频原子集是由一个可细化函数滤波器h^n)和一个生成函数滤波器g(l(n)展成；控制参数P，q，s共同决定滤波器Iitl (n)和g(l (n)所展成的函数空间-尺度特性，其中P和q用于确定可变空间-尺度框架函数的尺度伸缩因子，而s则决定该框架函数的时域能量集中特性；控制参数P，q, s之间必须满足构造许可条件2 < p〈q 且 p/q+l/s>l定义Hq(Co)为可细化函数滤波器hQ(n)的频谱；Gq(Co)为生成函数滤波器g(l(n)的频谱，它们的数学解析式定义为
权利要求
1. 一种基于可变空间-尺度框架的机械冲击型故障诊断方法，其特征在于包括下述步骤 I)采用可变空间-尺度框架函数对复杂机电设备上采集的动态响应信号进行分解与单支重构，所述的分解是将该动态响应信号中故障特征和其他振动模式分量分解到不同的子频带中，包括以下步骤 a、构造一个控制参数集合YG {(p, q, s) |p, q, s G Z+}以生成不同的可变空间-尺度框架函数{Bp,,」(p，q，s) G r}，其中Z+表示正整数集合，可变空间-尺度框架函数的时频原子集是由一个可细化函数滤波器hjn)和一个生成函数滤波器g(l(n)展成； 控制参数P，q，s共同决定滤波器hjn)和g(l(n)所展成的函数空间-尺度特性，其中p和q用于确定可变空间-尺度框架函数的尺度伸缩因子，而s则决定该框架函数的时域能量集中特性；控制参数P，q, s之间必须满足构造许可条件 · 2 ( p〈q 且 p/q+l/s>l 定义HtlO)为可细化函数滤波器hQ(n)的频谱；GtlO)为生成函数滤波器gQ(n)的频谱，它们的数学解析式定义为
2.如权利要求I所述的基于可变空间-尺度框架的机械冲击型故障诊断方法，其特征在于，步骤I)子步骤b中所述的变换域子序列\(n)通过如下运算得到 ①初始化分解迭代次数j=l，采用滤波器hjn)和g(l(n)对复杂机电设备的动态信号进行多尺度分解，分解的过程在频域上完成，其中可细化函数分支在分解之前须进行上P增采样，在分解之后须进行下q降采样；而生成函数分支只需要在滤波后进行下s降采样。得到第一层可细化函数序列C1 (n)和生成函数序列W1 (n); ②采用滤波器h(n)和g^n)对上一层分解得到的可细化函数序列进行再分解，得到新的生成函数序列％(n)和新的可细化函数序列~(n)，分解算法与第一尺度分解相同，滤波器h>)和g>)的频谱函数Hj(Co)和Gj(Co)由如下公式定义
3.如权利要求I所述的基于可变空间-尺度框架的机械冲击型故障诊断方法，其特征在于，步骤2)中所述的“全局特征峭度”和“时频联合峭度”的定义，包括以下步骤 a、计算Rp,q,s中各单支重构动态响应信号的改进峭度值,改进峭度值Kurt[x(n)]计算公式如下 Kurt [X (n) ] =E [ (C [x, X1, X 2] - y )4] / o 4 式中算子￡[ ]表示数学期望，算子C[x(n)，A1, A2]的作用是对输入序列x(n)进行首尾截断，当输入序列x(n)的长度为L时，保留X中索引在区间[入山，X2L]之内的系数；U和O代表截断后序列的平均值与标准差，框架函数BR(LS对信号x(n)进行分析得到的单支重构动态响应信号改进峭度值为 Kp, q；s= {Kurt Lr1 (n) ]，Kurt [r2 (n)]，…，Kurt [rJ+1 (n) ]}； b、计算可变空间-尺度框架函数Bp,q,s的全局特征峭度值CK[Bp,iS]，定义如下 CK [Bp, J=max Kp,q,s ；C、由可变空间-尺度框架函数Bp,q,s对信号x(n)进行分析得到单支重构动态响应信号rj (n)的时频联合峭度TFK [r」(n)]，定义为 TFK [r」(n) ] =Thres (Kurt [C [ | Rj (f) |，fmin, fmax] ]) Kurt [C [r」(n)，0. 05，0. 95]],其中:Thres (t)表示阈值函数，定义为(0 0 < / < 6Th—叫丨(…; Rj (f)表示ru(n)的傅里叶变换谱线系数，[fmin，f_]表示可变空间-尺度框架函数B/，&/第j尺度生成函数滤波器Gj (co)的归一化通带。
4.如权利要求I所述的基于可变空间-尺度框架的机械冲击型故障诊断方法，其特征在于，所述步骤3)的具体方法包括以下子步骤 a、以全局特征峭度最大化为优化目标选择匹配信号中故障特征的最优可变空间-尺度框架函数 =(/,^,^) = argmaxCK[Bw] rer Y的参数空间选为{(P，q, s) I P，q, s G Z+，2 彡 p 彡 9，q=p+l, I 彡 s 彡 3} 由Y_=(p*，q*，s*)所决定的可变空间-尺度框架函数选出的最优信号分解函数。
b、采用最优可变空间-尺度框架函数B对信号进行逐层分解并单支重构，得到重构信号 Ropt= {ri； j (n) I i, j G Z+, n G Z+ U {0}，j 彡 i}; c、计算R_中各单支重构动态响应信号ru(n)的时频联合峭度，将计算得的时频联合峭度值绘制于关于“频率一尺度”的二维平面上，得到改进的“时频联合峭度分布图”，时频联合峭度的数值大小与图中色彩深浅程度对应； d、选取改进的“时频联合峭度分布图”中时频联合峭度最大值所属子频带进行分析，做出其Hilbert包络和包络解调谱以识别其中的冲击特征，进行故障诊断。
全文摘要
本发明公开了一种基于可变空间-尺度框架的机械冲击型故障诊断方法，其特征在于，首先基于不同的控制参数构造空间-尺度特性互有差异的框架函数，利用所构造函数对机电设备动态响应信号进行多尺度分析；计算各时间-尺度框架函数的全局特征峭度，以全局特征峭度最大化为优化目标选取动态信号的最优框架函数；以最优框架函数对动态信号进行分析，计算各单支重构信号的时频联合峭度分布图；再以图中时频联合峭度最大值所属子频带作为最优分析子频带进行故障诊断。该方法能进行分析参数优化和关键故障特征自适应提�。迪指丛踊缟璞赋寤餍凸收险锒希霸绶⑾稚璞冈诵兄柿肯陆担苊饣髦卮笫鹿�。
文档编号G01M13/00GK102721537SQ20121017926
公开日2012年10月10日 申请日期2012年6月1日 优先权日2012年6月1日
发明者何正嘉, 孙海亮, 张周锁, 曹宏瑞, 李兵, 李继猛, 訾艳阳, 陈彬强, 陈雪峰 申请人:西安交通大学
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
