一种基于复局部均值分解的转子碰摩故障特征提取方法
【专利摘要】本发明涉及一种基于复局部均值分解的转子碰摩故障特征提取方法，属于机械振动【技术领域】。本发明首先获取同一截面互相垂直方向上的振动信号，将两个通道的信号组成一个复数信号，然后通过复局部均值分机将复数信号分解为系列复乘积函数之和，根据复乘积函数得到复包络信号；采用复数傅里叶变换对复包络信号进行变换，然后融合复傅里叶变换结果的实部和虚部以获取相应的全矢包络谱，有效提取了转子的故障特征。本发明融合了两个通道的振动信息，通过复局部均值分解直接处理分析两个通道的二维信号，所提取的故障特征信息更加全面、清晰，为转子碰摩诊断提供依据。
【专利说明】一种基于复局部均值分解的转子碰摩故障特征提取方法

【技术领域】
[0001]本发明涉及一种基于复局部均值分解的转子碰摩故障特征提取方法，属于机械振动【技术领域】。

【背景技术】
[0002]近年来，故障诊断技术在国内外受到显著重视，从运行动态信号中提取出故障征兆，是机械故障诊断的必要条件。由于故障振动信号大多属于非线性信号，通过采集单一方向的振动信号，运用一些先进的数字信号处理方法，如小波变换、第二代小波变换、经验模态分解(Empirical Mode Decomposit1n, EMD)、局部均值分解(Local Mean Decomposit1n,LMD)等方法提取反映故障的征兆或特征，为设备故障诊断提供技术支撑。小波变换、第二代小波变换和多小波变换等可以说都是基于内积原理的特征波形基函数信号分解，需要选用与特征波形相匹配的基函数去更好地处理信号。而不同类型的机械故障在动态信号中会表现出不同的特征波形，而且随着损伤程度的发展，其特征波形也会发生改变。因此，基于小波的故障特征提取方法缺乏自适应性。EMD和LMD都是根据信号固有的包络特征自适应地将其分解为若干固有模态分量，程军圣等人详细对比了二者的优缺点，总体上LMD处理信号时表现出的性能更好。
[0003]由于旋转机械转子系统动力学特性往往表现出非线性，发生故障时内在动力学特性更加复杂，对外表现为在不同方向的振动信号可能表征出不同的特征信息。通过单通道信号特征诊断旋转机械的故障类型易产生误判、漏判。根据旋转机械回转特性可知，稳态时转子同一截面互相垂直方向上各谐波的运动轨迹为椭圆。同源信息融合技术融合同一截面互相垂直方向的振动信号得到椭圆信息，获取的故障特征更全面。目前基于同源信息融合技术的故障诊断方法有Bently公司研发的全频谱、屈梁生院士首创的全息谱和韩捷提出的全矢谱。全息谱或全矢谱在转子动平衡方面有着广泛的应用，非线性的振动信号，故障特征分布在不同的频带。为更好地获取非线性信号的振动特征，与小波变换、EMD等方法相结合的同源信息融合技术被提了出来。这些方法处理的信号是包含双通道信息的二维信号，可在数据处理时上述文献均采用一维的信号处理方法，即分别对单通道的信号进行处理，而不是直接采用二维数字信号处理方法，效率较低。另外，当振动信号有调制特征时通过包络解调可更加有效地提取的故障信号特征，Hilbert变换是常用的包络解调方法，但其存在边际飞翼现象，由其获取的包络信号端部明显失真。


【发明内容】

[0004]本发明的目的是提供一种基于复局部均值分解的转子碰摩故障特征提取方法，以解决目前振动信号故障识别过程采用一维信号处理方式导致的效率低以及故障识别不准的问题。
[0005]本发明为解决上述技术问题而提供一种基于复局部均值分解的转子碰摩故障特征提取方法，该提取方法包括以下步骤:
[0006]I)米集转子外表面同一截面水平方向上的振动信号X和垂直方向上的振动信号y，将振动信号X、y组成一个复数信号z, Z = x+jy ；
[0007]2)利用复局部均值分解将构成的复数信号z分成系列复乘积函数之和；
[0008]3)将得到的复乘积函数按能量从高到低的顺序依次排列，将其中的调幅函数组成一个复包络信号；
[0009]4)将得到的复包络信号进行复数傅立叶变换，对复数傅立叶变换后的实部和虚部进行融合以得到相应的全矢包络谱；
[0010]5)根据得到的全矢包络谱中的谱线特征提取转子故障特征。
[0011]所述步骤2)包括以下步骤:
[0012]a).将复数信号z (t)分别投影到O方向和π/2方向，
[0013]P0 (t) = Re (e-j0.z ⑴)
[0014]ρπ/2 ⑴=Re (e-W2.ζ ⑴)；
[0015]b).利用局部均值方法分别计算Ptl (t)和pn/2(t)的局部均值函数和局部包络估计函数；
[0016]c).根据步骤b)中得到的P(l(t)和Ρπ/2α)的局部均值函数计算复信号的局部均值函数mi；k(t)，
[0017]mi；k(t) = e_j0.m0(i；k) (t)+e-W2.m(?/2)(i，k) (t)
[0018]其中mQ(i，k) (t)为pQ(t)的局部均值函数，m("2)(i，k)(t)为p"2(t)的局部均值函数，i为PF分量的个数，k是迭代次数；
[0019]d)将得到的复局部均值函数mi，k(t)从原始复信号z(t)中进行分离，得到
[0020]Kt) = z (t)-mi；k(t)；
[0021]e)根据P(l(t)和pn/2(t)的局部包络估计函数分别计算Ptl (t)和Ρπ/2α)的纯调频信号，
[0022]

【权利要求】
1.一种基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，该提取方法包括以下步骤: 1)米集转子外表面同一截面水平方向上的振动信号X和垂直方向上的振动信号y，将振动信号X、y组成一个复数信号z, z = x+jy ； 2)利用复局部均值分解将构成的复数信号z分成系列复乘积函数之和； 3)将得到的复乘积函数按能量从高到低的顺序依次排列，将其中的调幅函数组成一个复包络信号； 4)将得到的复包络信号进行复数傅立叶变换，对复数傅立叶变换后的实部和虚部进行融合以得到相应的全矢包络谱； 5)根据得到的全矢包络谱中的谱线特征提取转子故障特征。
2.根据权利要求1所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤2)包括以下步骤: a).将复数信号z(t)分别投影到O方向和π/2方向，
Po (t) = Re (e_j0.z (t))
P "2 ⑴=Re(e-W2.z(t))； b).利用局部均值方法分别计算Ptl(t)和Ρπ/2α)的局部均值函数和局部包络估计函数； c).根据步骤b)中得到的Ρ(ια)和Ρπ/2α)的局部均值函数计算复信号的局部均值函数 muU),
mi，k(t) — 6.m0(i，k) (t)+一* m(n/2) (i, k)



(t)其中mQ(i，k) (t)为pQ(t)的局部均值函数，(t)为ρπ/2(1:)的局部均值函数，i为PF分量的个数，k是迭代次数； d)将得到的复局部均值函数mua)从原始复信号z(t)中进行分离，得到 Hi； k(t) = z (t)-mi；k(t)； e)根据pQ(t)和pn/2(t)的局部包络估计函数分别计算pQ(t)和Ρπ/2α)的纯调频信号，
其中sQ(i，k)a)为pQa)的纯调频信号，su/2)(i；k)a)为Ρπ/2α)的纯调频信号； f)将迭代过程中产生的所有平滑包络估计函数相乘，分别得到复信号的实部和虚部的包络信号为:
其中I为直到a&j (t)和(t)均为I时的最大迭代次数；g)根据得到复信号的纯调频信号和包络信号计算其复PF分量，
cPFi (t) — a(Ki) (t) * s0(i, I).θ.+&π/2 ⑴(t).sO/2) (i,l) (t) * 6; h)将所有复数乘积函数和最终的残留信号相加得到信号的复数局部均值分解的完整的表达为:
其中 Ui(t) = Z (t) _cPFi (t),为残留fg 号。
3.根据权利要求1所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述的步骤e)中判断循环停止的条件是解调后的信号Stiak)⑴和s(n/2)(i，k) (t)都为纯调频信号。
4.根据权利要求1所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤h)中判断循环处理停止的条件是残留信号不存在旋转模式。
5.根据权利要求4所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤2)中得到的每个复乘积函数的实部和虚部均由调幅-调频函数组成，调幅函数为相应的包络函数。
6.根据权利要求4所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤3)在构建复包络信号时将得到的复乘积函数按能量从高到低的顺序依次排列，取前两个复乘积函数中的调幅信号来构建复包络信号。
7.根据权利要求6所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤3)中构建的复包络信号为:
Zi = a0(i)+aIl/2(i)j (i = O, I, 2，…，N-1) 其中为复数信号的实部包络信号，a,/2(i)为复数信号的虚部包络信号。
8.根据权利要求7所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤4)中包络信号的复傅立叶变换结果为:
其中Zn为步骤3)构建的复包络信号。
9.根据权利要求8所述的基于复局部均值分解的转子碰摩故障特征提取方法，其特征在于，所述步骤4)中得到的全矢包络谱为:
其中Rak为所求的全矢包络谱，ZKk、Zlk分别为Zk的实部和虚部。
【文档编号】G01M13/00GK104165759SQ201410271529
【公开日】2014年11月26日 申请日期:2014年6月17日 优先权日:2014年6月17日
【发明者】黄传金, 宋海军, 孟雅俊, 雷文平, 甄敬然, 时伟, 周铜, 郭欢, 雷钢, 陆程, 陈良 申请人:中州大学