基於噪聲測試的機械故障判別系統及方法
2023-09-19 07:03:55 1
專利名稱：基於噪聲測試的機械故障判別系統及方法
技術領域：
本發明屬於應用噪聲信號進行狀態監測與故障診斷的領域，如汽車、船舶、工程機 械、機車、發電機等，特別適合於無法安裝各種傳感器的複雜機械設備。
背景技術：
針對運轉機械進行的機械狀態監測與故障診斷技術研究已有較為悠久的歷史。利 用振動信號作為主要測試分析手段在內燃機上的應用在20年前就開始了，並已經完成了 一系列重要的基于振動信號的內燃機測試研究，而相對基於聲信號的內燃機測試分析未能 引起足夠的重視。這主要是因為人們認為通過空氣傳播的機器聲音信號中含有噪聲信號， 並極其複雜，而避免信號被噪聲汙染是比較困難的。儘管如此，利用內燃機的噪聲信號進行故障診斷仍有著巨大的吸引力。首先，噪聲 採集可以距機器表面一定距離進行，是非接觸式測量，提供了安全保障，易於實現離機、無 損、非接觸檢測，避免了價格昂貴的耐高溫耐高壓振動採集設備，測試方便易行，對測試場 所基本沒有特殊要求；其次，已有研究結果指出噪聲測試結果較表面振動對物理變化更 為敏感，即使是極其微小的振聲信號的變化，也可以從採集的噪聲信號中得到其特性。以上 這些特徵，有力地推動了利用聲信號進行各種研究的技術的發展。
發明內容
基於噪聲測試的機械故障判別系統及方法，系統由高頻麥克風、音效卡、PC機、伸 縮支架組成，高頻麥克風固定在伸縮支架上並與音效卡連接，高頻麥克風採樣頻率應滿足 Nyquist定理的要求，音效卡連接到PC機，本方法基於能量帶提取和分形算法相結合，對機械 運行時的噪聲信號進行採集和運算處理來測試機械故障，測試步驟如下a.對機械運轉相對平穩時產生的噪聲進行採樣；b.對採集的數據進行預處理；c.信號故障特徵提取；d.特徵組分的分形分析。對機械運轉相對平穩時產生的噪聲進行採樣，測試環境應設置在背景噪聲小、無 共振、無反射、無混響等外界幹擾的環境中，測試點選擇信號穩定、信噪比高、對故障敏感的 位置，測試距離要保證測量的最佳聲能輻射方向和聲能的最小測量前衰減，滿足聲信號有 效長度公式的要求；採樣頻率應滿足Nyquist定理的要求，可適當提高採樣頻率，以得到更 多的機械運轉狀態信息；對於運轉比較平穩，不同工作循環差別不是很大的機械可以適當 縮短測試時間；對於運轉比較粗暴，工作循環差別比較大的機械應儘可能延長測試時間，同 時，在機械剛剛啟動時不宜立即採集噪聲信號，當機械運行一段時間，整個機械運轉相對平 穩後再進行測試；對採集的數據進行如下步驟的預處理bl.基小波參數的優化，Morlet小波定義式為Ψ (t) = exp (-β 2t2/2) cos ( π t),β是控制Morlet基小波形狀的唯一參數，β越大，波形衰減越快，直至逼近一個脈衝信號， 同時也使基小波的頻率解析度越高，反之亦然，調整β的實質是對信號時域與頻域的分辨 率進行折中。由於最小小波熵對應的基小波就是與特徵成分最匹配的小波，因此，在一定範 圍內變化β，選擇使得信號小波熵最小的β作為最優值；b2.閾值函數的確定，利用一種改進的閾值函數，表達式如下
權利要求
1.基於噪聲測試的機械故障判別系統及方法，其特徵在於所述系統由高頻麥克風、聲 卡、PC機、伸縮支架組成，高頻麥克風固定在伸縮支架上並與音效卡連接，音效卡連接到PC機， 所訴方法基於能量帶提取和分形算法相結合，對機械運行時的噪聲信號進行採集和運算處 理來測試機械故障，具體包括以下步驟a.對機械運轉相對平穩時產生的噪聲進行採樣；b.對採集的數據進行預處理；c.信號故障特徵提取；d.特徵組分的分形分析。
2.根據權利要求1所述的基於噪聲測試的機械故障判別系統及方法，其特徵在於對機 械運轉相對平穩時產生的噪聲進行採樣，測試環境應設置在背景噪聲小、無共振、無反射、 無混響等外界幹擾的環境中，測試點選擇信號穩定、信噪比高、對故障敏感的位置，測試距 離要保證測量的最佳聲能輻射方向和聲能的最小測量前衰減，滿足聲信號有效長度公式的 要求；採樣頻率應滿足Nyquist定理的要求，可適當提高採樣頻率，以得到更多的機械運轉 狀態信息；
3.根據權利要求1所述的基於噪聲測試的機械故障判別系統及方法，其特徵在於對採 集的數據進行預處理包括以下步驟bl.基小波參數的優化，Morlet小波定義式為Ψ (t) = exp (-β 2t2/2) cos ( π t), β是 控制Morlet基小波形狀的唯一參數，β越大，波形衰減越快，直至逼近一個脈衝信號，同時 也使基小波的頻率解析度越高，反之亦然，調整β的實質是對信號時域與頻域的解析度進 行折中。由於最小小波熵對應的基小波就是與特徵成分最匹配的小波，因此，在一定範圍內 變化β，選擇使得信號小波熵最小的β作為最優值；b2.閾值函數的確定，利用一種改進的閾值函數，表達式如下Λ , ^、 f > δ.)
n(Nj)\l\-2~J)，Nj為小波尺度j的小波係數長，。j為小波尺度j層噪聲的標準方差；b3.分解層數Ntl的確定，在對信號進行降噪處理時，分解層數Ntl的確定比較重要，過大 的Ntl勢必導致計算量的增大，影響進一步的分析；當Ntl比較小時，雖然會減小計算量，易於 實現，但最終的消噪效果並不會很理想，因此，分解層數Ntl的確定是計算效率與消噪效果的 折中考慮；b4.利用bl中的基函數對信號Stl進行Ntl層小波包分解；b5.對每一個小波包分解係數，選擇由步驟b2確定的閾值對係數進行閾值量化處理； b6.重構第Ntl層的小波包分解係數和經過量化處理的係數，獲得降噪後的信號Sp
4.根據權利要求1所述的基於噪聲測試的機械故障判別系統及方法，其特徵在於信號 故障特徵提取包括以下步驟cl.時域統計分析，對噪聲信號S1進行時域參數統計分析，如均值、方差、偏度、峭度等， 觀察各個時域參數對噪聲信號的敏感程度，找出對不同工況噪聲信號敏感程度最高的時域 參數PQ;c2.頻域分析，對噪聲信號S1進行頻域內的統計分析，如FFT分析，PSD分析等，觀察 噪聲信號在頻域內能量的分布情況，在不同工況下能量分布是否存在明顯的差別，能量波 動是集中於某一頻率點附近還是分散於某一頻率帶內；c3.確定分解層數N1,由c2的分析結果確定小波包分解層數N1的大小，儘可能使小波 包節點的頻帶包含步驟c2中的能量波動頻帶；c4.根據噪聲信號特點，並結合步驟cl和c2的分析結果確定基小波；c5.利用步驟4中的基小波，對噪聲信號S1做N1層小波包分解，得到各個節點係數向fi-^l？-^25* 「 ？Tf .ce.由節點係數向量Ti,T1,…,T2lh提取各個節點的能量向量Ei^E2,'"9E^i .c7.做不同工況下各個節點能量向量的柱狀圖，對比觀察各節點的故障狀態能量向量 相對於正常狀態能量向量的波動情況，得到故障狀態時能量明顯增加的節點即為故障特徵 節點，轉步驟c9，如果部分節點能量太小而不能觀察其能量波動時，轉步驟c8 ；c8.設故障狀態時某節點能量向量為B，正常狀態時某節點能量向量為A，則定義增長 B-A比例Δ為Δ = ~;~Χ100%，由各個節點的增長比例做節點能量增長比例柱狀圖，由此可以 A清晰判斷各個節點能量的波動情況，則能量增長比例為正值，且增長比例較大的即為故障 特徵節點；c9.由c7和c8的結果決定連續小波變換的尺度範圍及其步長； clO.利用步驟c4中的基小波和步驟c9中的尺度範圍，對噪聲信號S1做連續小波變換， 得到各個尺度下的連續小波變換係數向量C1, C2,…，Cn，其中η為尺度個數；cll.由連續小波變換係數向量C1, C2,…，Cn提取各個尺度下的能量向量e2，…，P ·cl2.做不同工況下各個尺度對應的能量曲線圖，觀察噪聲信號在不同尺度下的能量波 動情況，能量明顯增加的尺度區間即為故障特徵尺度區間，如果部分尺度範圍內的能量過 小不能直接觀察其波動情況，利用步驟c8原理，提取各個尺度下的能量增長比例，得到故 障特徵尺度區間；cl3.由步驟cl2的分析結果確定連續小波變換的尺度範圍及其步長； cl4.利用步驟c4中的基小波和步驟cl3中的尺度範圍，對噪聲信號S1做連續小波變 換，得到各個尺度下的連續小波變換係數向量V1, V2,…，Vn，其中η為尺度個數；cl5.對連續小波變換係數向量V1, V2，…，Vn做步驟1中的參數Ptl統計，得到各個尺度 下連續小波變換係數的Ptl統計向量Ci1, α 2，…，αη；cl6.做不同工況下尺度對應的Ptl統計向量圖，得到對不同工況具有明顯區分能力的故障特徵尺度區間；cl7.根據尺度與頻率對應關係，確定故障特徵尺度區間所對應的頻率範圍； cl8.由步驟cl7及小波包節點頻率分布規律確定小波包分解層數N2 ； cl9.由步驟cl7和cl8共同確定故障特徵尺度區間所對應的小波包節點T1, T2，…， Ti, (i ^ 1)；c20.利用步驟c4中的基小波對噪聲信號S1做N2層小波包分解；c21.保留步驟cl9中的小波包節點I\，T2，…，Ti係數，將其它節點係數置零；c22.重構小波包節點係數，得到噪聲信號特徵組分S2。
5.根據權利要求1所述的基於噪聲測試的機械故障判別系統及方法，其特徵在於特徵 組分的分形分析包括以下步驟dl.用偽相圖法觀察特徵組分S2的發散性；d2.用自相關函數法做特徵組分S2的自相關函數圖，得到關聯函數值第一次為O時所 對應的延遲時間τ，並結合步驟dl的結果，綜合確定延遲時間τ ^d3.嵌入維數Hitl的確定，採用系統特徵飽和法來確定嵌入維數IV即逐漸增大嵌入維數 m，觀察關聯維數是否達到飽和；d4.樣本數量的選取。依次增大樣本數量的大小，通過觀察關聯積分曲線的收斂性來確 定樣本數量的大小；d5.計算不同工況下特徵組分的關聯維數，得到特徵組分的分形特徵，判別不同類型的 機械工作狀態。
6.根據權利要求1所述的基於噪聲測試的機械故障判別系統，其特徵在於高頻麥克風 採樣頻率應滿足Nyquist定理的要求。
全文摘要
本發明屬於應用噪聲信號進行狀態監測與故障診斷的領域，如汽車、船舶、工程機械、機車、發電機等，特別適合於無法安裝各種傳感器的複雜機械設備，基於噪聲測試的機械故障判別系統及方法，系統由高頻麥克風、音效卡、PC機、伸縮支架組成，高頻麥克風固定在伸縮支架上並與音效卡連接，高頻麥克風採樣頻率應滿足Nyquist定理的要求，音效卡連接到PC機，本方法基於能量帶提取和分形算法相結合，對機械運行時的噪聲信號進行採集和運算處理來測試機械故障，系統設置簡單，降低了經濟成本，操作上提高了安全性和故障判別的精確性。
文檔編號G01M7/02GK102095560SQ20101053689
公開日2011年6月15日 申請日期2010年11月9日 優先權日2010年11月9日
發明者廖世勇, 李海明, 王華清, 甘劍鋒, 程前, 陳軍堂, 陳強 申請人:中國人民解放軍重慶通信學院