国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

一種用于采集和提取低速重載設備故障特征信息的方法
【專利摘要】本發明公開了一種采集和提取低速重載設備故障特征信息的方法，可用于提取設備微弱故障信號。通過安裝在設備軸承座上的聲發射傳感器采集設備工作狀態下的聲發射信號，應用非線性冗余提升小波對采集到的聲發射信號預處理，對預處理后的聲發射信號進行經驗模態分解得到若干個本征模態分量，把沖擊性和周期性明顯的本征模態分量與原始信號組成混合信號，再應用獨立分量分析技術分離出獨立信號并作傅立葉變換，從而提取出設備的微弱故障特征。該方法能有效提取出低速重載設備的微弱故障特征信息，對設備的故障診斷提供了有效的依據。
【專利說明】一種用于采集和提取低速重載設備故障特征信息的方法
【技術領域】
[0001]本發明涉及一種用于采集和提取設備故障特征信息的方法，特別是一種用于采集和提取低速重載設備微弱故障特征信息的方法。
【背景技術】
[0002]低速重載設備由于低速運轉，載荷復雜多變，加上生產環境惡劣，設備很容易發生故障。該類設備一旦突發故障可能會導致生產中斷，給企業造成巨大的經濟損失，甚至還會造成人員傷亡，因此及時的發現設備的故障隱患具有十分重要的現實意義。
[0003]低速重載設備故障振動信號能量微弱，容易被周圍強烈的環境噪聲所淹沒，從而常用的振動檢測方法難以奏效。復雜的工廠環境中，傳感器拾取的信號一般是由若干個源信號混疊而成的混合信號，這給故障診斷帶來了困難，獨立分量分析技術為解決上述問題提供了很好的方法。傳統的獨立分量分析技術限于非高斯、平穩和相互獨立的源信號，且傳感器的觀測數多于源信號數。在實際機械故障診斷過程中，機械故障源信號通常不會滿足這些假設條件，從而無法進行故障診斷。

【發明內容】

[0004]本發明的基本原理是采用聲發射檢測設備采集聲發射信號，應用非線性冗余提升小波對采集到的聲發射信號預處理，然后對預處理后的信號經驗模態分解得到若干個本征模態分量，再把沖擊性和周期性明顯的本征模態分量與原始信號組成混合信號，最后應用獨立分量分析技術分離出獨立信號并作快速立里葉變換，提取出故障信息。
[0005]本發明具體包括以下步驟:
[0006](I)將聲發射傳感器安裝在設備需要檢測的位置，通過與傳感器相連接的聲發射數據采集儀采集設備在工作狀態下的聲發射信號。
[0007](2)應用非線性冗余提升小波對步驟(1)采集到的聲發射信號進行預處理，可以起到很好的降噪作用，非線性冗余提升小波的步驟:
[0008]I)根據插值細分方法獲得各層的初始預測系數和更新系數，再引入’ 算法對初始系數進行插值補零運算，即對于第j層分解，在初始預測系數和更新系數之間插入2J-1個零值，以得到該層的預測系數和更新系數；結合尺度函數和小波函數的頻率特性，選取多組具有不同長度的預測算子和更新算子并且令及< iV，以此得到小波函數；應用小波函數對信號進行小波包分解并對分解得到的系數歸一化處理并求取Ip范數，其計算公式如下:
[0009]
【權利要求】
1.一種采集和提取低速重載設備故障特征信息的方法，其特征在于:該方法包括以下步驟， (1)將聲發射傳感器安裝在設備需要檢測的位置，通過與傳感器相連接的聲發射數據采集儀采集設備在工作狀態下的聲發射信號； (2)應用非線性冗余提升小波對步驟(1)采集到的聲發射信號預處理；非線性冗余提升小波的步驟 1)根據插值細分方法獲得各層的初始預測系數和更新系數，再引入’atrous算法對初始系數進行插值補零運算，即對于第j層分解，在初始預測系數和更新系數之間插入2[1個零值，以得到該層的預測系數和更新系數；結合尺度函數和小波函數的頻率特性，選取多組具有不同長度的預測算子和更新算子并且令# SiV，以此得到小波函數；應用小波函數對信號進行小波包分解并對分解得到的系數歸一化處理并求取Ip范數，其計算公式如下
2.根據權利要求1所述的一種采集和提取低速重載設備故障特征信息的方法，其特征在于: (1)將聲發射傳感器安裝在軸承座上，通過與聲發射傳感器相連接的聲發射數據采集儀采集設備在工作狀態下的聲發射信號； (2)應用非線性冗余提升小波對步驟(1)采集到的聲發射信號進行預處理，非線性冗余提升小波的步驟， . 1)根據插值細分方法獲得各層的初始預測系數和更新系數，再引入A/ro〃.V算法對初始系數進行插值補零運算，即對于第j層分解，在初始預測系數和更新系數之間插入2[1個零值，以得到該層的預測系數和更新系數；結合尺度函數和小波函數的頻率特性，選取N =.4，12，20和及= 4,12,20 (N<N)分別作為預測算子和更新算子的長度，以此組合一共得到(4，4)、(12，4)、(12，12)、(20，4)、(20，12)和(20，20)六種小波函數；應用這六種小波函數對聲發射信號進行小波包分解并對分解得到的六組小波包系數歸一化處理并求取Ip范數，P的取值為0.1，取范數最小時對應的預測算子和更新算子為節點的最優算子； .2)對步驟I)分解得到的各個節點求取歸一化小波包能量，并取出能量最大的節點； . 3)保留步驟2)中小波包能量分析中能量最大的節點信息并將其他節點信息全部置零；再根據小波包分解時記錄各個節點的分解路徑進行逆向重構；最后根據非線性算法，在進行每次分解時記錄各個節點所選用的最優預測算子和更新算子，根據記錄結果進行逆向非線性重構得到重構信號x(t)； (3)采用經驗模態分解方法對步驟(2)得到的重構信號進行分解，得到η個本征模態分量；選取其中沖擊性和周期性明顯的本征模態分量，與步驟(1)中的原始信號重新組成混合信號； (4)將步驟(3)得到的混合信號作為快速獨立分量分析的輸入數據，得到獨立分量分析計算后的分量，即分離出獨立信號，圖8所示為獨立分量分析計算后的分量圖； (5)對步驟(4)的獨立信號分別作快速傅立葉變換，得到頻譜圖，通過觀察頻譜圖提取出有用的信息；從圖中可以看到259.4Hz的基頻以及其倍頻，從而提取出故障信息判斷出故障隱患部件，實現設備故障的早期診斷。
【文檔編號】G01M99/00GK103926097SQ201410133342
【公開日】2014年7月16日 申請日期:2014年4月3日 優先權日:2014年4月3日
【發明者】朱立歡, 崔杰, 高立新, 陽子婧 申請人:北京工業大學