CN106950047A - 振动加速度信号频谱的可视化分析方法 - Google Patents

Abstract

振动加速度信号频谱的可视化分析方法，首先，进行傅里叶变换获取振动加速度信号的频谱数据；然后，根据高低能量区边界对振动加速度信号频谱进行分割，统计分割后各分频段内频率分量的幅值和；最后，以频段幅值和为特征指标，建立随时间变化的谱阵河，实现可视化显示；本发明实现了复杂振动加速度信号的特征信息提取，简单直观的反映了机械设备的全寿命周期运行状态。

Description

振动加速度信号频谱的可视化分析方法

技术领域

本发明属于机械设备状态监测与故障诊断领域，具体涉及一种振动加速度信号频谱的可视化分析方法。

背景技术

状态监测与故障诊断对于保障机械设备安全运行意义重大，机械设备一旦出现事故，不但会造成巨大的经济损失，而且还可能造成人员伤亡。机械设备在运行过程中，会激发出振动加速度信号，该信号蕴含着设备状态的重要信息，是状态监测与故障诊断最为常用的信号。通过分析振动加速度信号，尽早发现机械设备状态异常或故障，对指导设备的维护与保养、保障机械设备安全运行、减少或避免灾难性事故具有非常重要的意义。

振动加速度信号对各种故障都比较敏感，具有适应性广和检测方便的特点。但是，振动加速度信号受振动信号传递路径、传感器安装误差、传递振动各元件间隙、以及监测部件的固有振动等因素的影响，导致振动加速度信号极其复杂，难以使用现有信号分析方法提取故障特征。以滚动轴承为例，从设备的故障源到加速度传感器要经过多个元件，这些元件间的振动都有各自的特征频率；同时，滚动轴承及轴承座也有从数千赫兹到数十千赫兹的固有振动频率；另外，轴承润滑状态不良时，引起的滚动体的非线性伴生振动，其频率可能为轴的旋转频率的高次倍频和分倍频；此外，还存在加速度传感器的谐振频率，这些频率成分的混合使诊断信息的提取变得异常困难。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供振动加速度信号频谱的可视化分析方法，以机械设备的振动加速度信号为分析对象，在分析过程中利用可视化技术发挥人的视觉认知优势，对信号特征信息进行提取，形象直观地反映机械设备全寿命周期运行状态。

为了实现上述目的，本发明采取的技术解决方案是：

振动加速度信号频谱的可视化分析方法，首先，通过傅里叶变换获取振动加速度信号的频谱；然后，根据高低能量区边界对振动加速度信号频谱进行分割，统计分割后各分频段内频率分量的幅值和；最后，以频段幅值和为特征指标，建立随时间变化的谱阵河，实现可视化显示，用以反映机械设备全寿命周期的运行状态.

振动加速度信号频谱的可视化分析方法，包括以下步骤：

1)对振动加速度信号进行傅里叶变换获取信号频谱幅值序列{A_i}(i＝1,2,…,N),N为采样点数；

2)根据信号频谱曲线特征，选取高、低能量区边界位置作为频段分割点，将整个频谱分割为5-8个频段，定义分频段内频率分量的幅值和为其中，{a₁,a₂,…,a_m+1}为频段分割点，获得幅值和序列{q_j}(j＝1,2,…,m)，其中，m为分割频段个数；

3)对机械设备各时间点T_k(k＝1,2,…n)的采样数据进行步骤1)-步骤2)的处理，获得各时间点T_k的序列组成矩阵{Q_m×n},其中，n为采样数据个数；

4)对矩阵{Q_m×n}每一行按三次样条插值曲线方式拟合，得到河流宽度矩阵{f_m×n′}，其中，n′为插值后每一行数据个数；定义河流边界矩阵为{F_(m+1)×n′}，其中k′＝1,2,…,n′；

5)对谱阵河进行布局，按河流由下到上依次表示从低频到高频的频段幅值和，对每个频段幅值和进行颜色分配；采用jet颜色映像，根据频段个数m产生一个m×3的颜色矩阵，指定m种颜色RGB的描述，即jet(m)产生一个m×3的矩阵,包含的RGB颜色值的范围从蓝开始，经过青、绿、黄、橙，直到红；第j个频段分配颜色矩阵第j行的RGB颜色值；

6)对矩阵{Q_m×n}绘制谱阵河，河流宽度为横坐标为T_k；

7)对矩阵{Q_m×n}设定阈值c，当Q(j,k)≤Q(j,k+1)×c，k＝1,2,…,n-1时，河流中出现“石头”；当Q(j,k)×c≥Q(j,k+1)时，河流中出现“旋涡”；“石头”和“旋涡”以椭圆绘制，圆心横坐标({T_k}为时间序列)，纵坐标椭圆长轴短轴当子河流平均宽度远小于河流总平均宽度的10％时，该子河流不出现“石头”和“旋涡”。

所述的步骤7)中的阈值c需根据具体数据确定，当c较小时，“石头”和“旋涡”分布少，包涵信息少，河流图简单直观；当c较大时，“石头”和“旋涡”分布多，包涵信息多，河流图复杂。

在步骤1)所述的振动加速度信号频谱中，具有监测价值的频率点及其相邻点对应幅值一般较大，这些点所构成的区域为高能量区，而各高能量区之间是监测意义不大的低能量区。

本发明的有益效果为：

本发明将可视化技术应用于振动加速度信号频谱分析，结合人的认知能力与计算机的计算能力，解决了振动加速度信号特征信息提取困难的问题，为机械设备监测数据分析提供了新思路，具有以下特点：

1.参考人的视觉认知过程，根据振动加速度信号频谱能量分布特征分割频段，以频段幅值和为特征信息反映机械设备运行状态，分析过程简单。

2.以谱阵河的形式显示振动加速度信号频谱幅值和随时间变化趋势，通过子河流中出现的“石头”和“旋涡”，使其反映宏观变化过程的同时，保留局部细节信息，简单直观反映机械设备的全寿命周期运行状态。

附图说明

图1是本发明的流程图。

图2是本发明实施例的滚动轴承实验装置简图。

图3是本发明实施例的滚动轴承振动加速度信号时域波形图。

图4是本发明实施例的滚动轴承振动加速度信号频谱频段分割示意图。

图5是本发明实施例的滚动轴承振动加速度信号分析结果图。

具体实施方式

以下结合附图和实施例作对本发明进一步的详细说明。

参照图1，振动加速度信号频谱的可视化分析方法，包括以下步骤：

1)对振动加速度信号进行傅里叶变换获取信号频谱幅值序列{A_i}(i＝1,2,…,N),N为采样点数；

2)在振动加速度信号频谱中，具有监测价值的频率点及其相邻点对应幅值一般较大，这些点所构成的区域为高能量区，而各高能量区之间是监测意义不大的低能量区；根据振动加速度信号频谱曲线特征，选取高、低能量区边界位置作为频段分割点，将整个频谱分割为5-8个频段，定义分频段内频率分量的幅值和为其中，{a₁,a₂,…,a_m+1}为频段分割点，获得幅值和序列{q_j}(j＝1,2,…,m)，其中，m为分割频段个数；

3)对机械设备各时间点T_k(k＝1,2,…n)的采样数据进行步骤1)-步骤2)的处理，获得各时间点T_k的序列组成矩阵{Q_m×n},其中，n为采样数据个数，本实施例m＝6，n＝82；

4)对矩阵{Q_m×n}每一行按三次样条插值曲线方式拟合，边界条件为首末一阶导数均为0，插值间隔点数为10，得到河流宽度矩阵{f_m×n′}，其中，n′＝892为插值后每一行数据个数；定义河流边界矩阵为{F_(m+1)×n′}，其中k′＝1,2,…,n′；

5)对谱阵河进行布局，按河流由下到上依次表示从低频到高频的频段幅值和，对每个频段幅值和进行颜色分配；采用jet颜色映像，根据频段个数m产生一个m×3的颜色矩阵，指定m种颜色RGB的描述，即jet(m)产生一个m×3的矩阵,包含的RGB颜色值的范围从蓝开始，经过青、绿、黄、橙，直到红；第j个频段分配颜色矩阵第j行的RGB颜色值；

6)对矩阵{Q_m×n}绘制谱阵河，河流宽度为横坐标为T_k；

7)对矩阵{Q_m×n}设定阈值c＝0.9，当Q(j,k)≤Q(j,k+1)×c，k＝1,2,…,81时，河流中出现“石头”；当Q(j,k)×c≥Q(j,k+1)时，河流中出现“旋涡”；“石头”和“旋涡”以椭圆绘制，圆心横坐标({T_k}为时间序列)，纵坐标椭圆长轴短轴当子河流平均宽度远小于河流总平均宽度的10％时，该子河流不出现“石头”和“旋涡”。

参照图2，本发明实施例选择美国智能维护系统(IMS)中心的滚动轴承实验装置。在一个轴上安装四个滚动轴承，将转速恒定保持在2000RPM。通过弹簧机构在轴和轴承上施加6000lb径向载荷。所有轴承都被强制润滑，在每个轴承上安装了两个PCB 353B33高灵敏度石英ICP加速度计，共有8个加速度计(每个垂直Y和水平X)。

参照图3，以轴承1为分析对象，数据采样时间为02/12/200410:32:39到02/19/200406:22:39，采样时间间隔为10分钟，采样频率20kHz,采样点数20480，共984组数据。当数据点较多时，会降低谱阵河的美学性能。因此，在分析前对数据先进行重采样，采样间隔为2小时。重采样后，数据采样时间为02/12/200410:32:39到02/19/200404:32:39，共82组数据。

参照图4，以前十组采样数据均化频谱为样本进行频谱分割，将频谱由低到高被分割为6段。

参照图5，河流的宽度随时间变化，在时间段2004-02-1210:32:39到2004-02-1706:32:39内，振动加速度信号总幅值和基本不变，反映实施例轴承运行状态正常；在时间段2004-02-1706:32:39到2004-02-1704:32:39内，振动加速度信号总幅值和以及各频段幅值和小幅变化，反映实施例轴承运行状态发生异常；在时间段2004-02-1704:32:39到2004-02-1904:32:39内，振动加速度信号总幅值和以及各频段幅值和急剧增大，反映实施例轴承运行发生故障。图中，灰色椭圆为“石头”，反映该时间点频段幅值和增加；白色椭圆为“旋涡”，反映该时间点频段幅值和减小。“石头”与“旋涡”的分布，直观体现了引起河流宽度的变化原因。

Claims (4)

1.振动加速度信号频谱的可视化分析方法，其特征在于：首先，通过傅里叶变换获取振动加速度信号的频谱；然后，根据高低能量区边界对振动加速度信号频谱进行分割，统计分割后各分频段内频率分量的幅值和；最后，以频段幅值和为特征指标，建立随时间变化的谱阵河，实现可视化显示，用以反映机械设备全寿命周期的运行状态。

2.振动加速度信号频谱的可视化分析方法，其特征在于，包括以下步骤：

1)对振动加速度信号进行傅里叶变换获取信号频谱幅值序列{A_i}(i＝1,2,…,N),N为采样点数；

2)根据信号频谱曲线特征，选取高、低能量区边界位置作为频段分割点，将整个频谱分割为5-8个频段，定义分频段内频率分量的幅值和为其中，{a₁,a₂,…,a_m+1}为频段分割点，获得幅值和序列{q_j}(j＝1,2,…,m)，其中，m为分割频段个数；

3)对机械设备各时间点T_k(k＝1,2,…n)的采样数据进行步骤1)-步骤2)的处理，获得各时间点T_k的序列组成矩阵{Q_m×n},其中，n为采样数据个数；

4)对矩阵{Q_m×n}每一行按三次样条插值曲线方式拟合，得到河流宽度矩阵{f_m×n′}，其中，n′为插值后每一行数据个数；定义河流边界矩阵为{F_(m+1)×n′}，其中

5)对谱阵河进行布局，按河流由下到上依次表示从低频到高频的频段幅值和，对每个频段幅值和进行颜色分配；采用jet颜色映像，根据频段个数m产生一个m×3的颜色矩阵，指定m种颜色RGB的描述，即jet(m)产生一个m×3的矩阵,包含的RGB颜色值的范围从蓝开始，经过青、绿、黄、橙，直到红；第j个频段分配颜色矩阵第j行的RGB颜色值；

6)对矩阵{Q_m×n}绘制谱阵河，河流宽度为q_j ^k，横坐标为T_k；

7)对矩阵{Q_m×n}设定阈值c，当Q(j,k)≤Q(j,k+1)×c，k＝1,2,…,n-1时，河流中出现“石头”；当Q(j,k)×c≥Q(j,k+1)时，河流中出现“旋涡”；“石头”和“旋涡”以椭圆绘制，圆心横坐标({T_k}为时间序列)，纵坐标椭圆长轴短轴当子河流平均宽度远小于河流总平均宽度的10％时，该子河流不出现“石头”和“旋涡”。

3.根据权利要求2所述的振动加速度信号频谱的可视化分析方法，其特征在于：所述的步骤7)中的阈值c需根据具体数据确定，当c较小时，“石头”和“旋涡”分布少，包涵信息少，河流图简单直观；当c较大时，“石头”和“旋涡”分布多，包涵信息多，河流图复杂。

4.根据权利要求2所述的振动加速度信号频谱的可视化分析方法，其特征在于：在步骤1)所述的振动加速度信号频谱中，具有监测价值的频率点及其相邻点对应幅值一般较大，这些点所构成的区域为高能量区，而各高能量区之间是监测意义不大的低能量区。