风机振动信号特征提取基本方法研究

 风机振动信号特征提取基本方法研究
3.1  引言
风机等复杂机械系统发生故障时的振动信号往往是非平稳、非线性的，一般的时域、频域分析方法往往效果不理想。为解决复杂工况下风机轴承振动信号非平稳、非线性特征难以提取及量化问题，本章基于局部均值分解的瞬态信号分解方法和基于信息熵的信号特征定量描述方法进行研究，并分别利用数值仿真信号和实测信号进行分析。
3.2  基于 LMD 的振动信号特征分析方法
3.2.1 LMD 算法原理
局部均值分解(LMD)是一种自适应的时频分解方法，可以得到信号多尺度上的时频特性。算法具体过程如下：
(1)  找出原始信号的所有极值点，确定出局部均值函数和局部包络函数。假设 p表示分解的 PF 分量的个数，q表示求取每个 PF 分量时的迭代次数。对所有相邻两个极值点求得局部均值和局部包络估计值再通过滑动平均技术，可以确定局部均值函数m (t  )和局部包络函数a (t  )。
事实上，LMD 分解是一个逐渐剔除高频分量的过程，因此，PF1包含原始信号中频率最高的成分，而且 PF1是一个单分量的调制信号，对系统状态的特征提取十分有效。PF1分量的包络信号就是瞬时幅值函数，可以很好的反映系统信号的幅值变化趋势，而瞬时频率可以由纯调频函数求导得出。这样我们可以得到原始信号某一个单分量信号的时频表述特征，排除噪声和其他干扰，更好的对机械系统进行特征提取。
做一个新的信号重复上述步骤k 次，直到 ( )ku t 为一个常数或者不再包含振荡模式，分离过程.
3.2.2  基于 LMD 的仿真信号分析
下面用 LMD 算法对仿真信号进行分析，其解析表达式为： x (t  )  [1  0.5sin(14  t )]cos[200  t  1.5sin(18  t )]  0.5sin(60 t),  t  [0,1]    (3-13) 该信号由一基频为 100Hz，调制频率为 9Hz 的调幅调频信号和一频率为 30Hz 的正弦信号叠加而成，时域波形如图 3-2 所示。
 4 章  轴承振动信号特征提取及故障诊断研究
4.1  引言
在上一章振动信号特征提取基本方法的研究基础上，针对风机轴承振动信号特点，本章从风机轴承振动信号瞬态特征描述和非线性特征分析两个角度出发，分别建立基于Wigner-Ville谱熵和支持向量机(SVM)的信号瞬态特征提取及故障诊断模型和基于 LMD 的多尺度排序熵的非线性特征定量描述方法，并利用典型轴承实验平台进行轴承故障诊断实验，验证所研究动态信号特征提取及故障诊断方法的有效性。 4.2  振动信号瞬态能量特征提取及故障诊断
当轴承发生故障时，其振动信号大多数是非平稳、非线性、强耦合的。不同运行状态或不同故障情形下的振动信号蕴含的故障信息是不同的，其能量分布特征也会出现不同。本节将研究基于 Wigner-Ville 谱熵振动信号瞬态能量特征提取方法，用定量刻画轴承不同状态下振动信号的时频能量分布的不同，并设计基于 LS-SVM的智能故障诊断模型，实现轴承状态和故障类型的自动分类和识别。
4.2.1  基于 LMD 和 Wigner-Ville 分布的 Wigner-Ville 谱熵方法
为进一步将非平稳信号经 LMD 分解后不同频带上的时频分布特性进行有效描述，本文提出一种基于 LMD 和 Wigner-Ville 分布的时频谱熵特征提取方法。
Wigner-Ville 分布是一种基本的时频表述形式，具有很高的时频分辨力，对时变和瞬态信号的分析十分有效，但存在由双线性结构本质导致交叉项干扰的缺点。结合LMD和 Wigner-Ville 分布各自的优点，便可在得到单分量信号的同时避免交叉项的干扰，使时频能量分布包含更多的故障信息。
 

  石家庄风机厂 石家庄风机 石家庄市风机厂 石家庄风机维修 石家庄风机销售