張德勝 張杰 李振興

摘要：針對(duì)滾動(dòng)軸承早期故障診斷中故障特征信號(hào)提取問題，論述了門限小波變換的高階累積量在微弱信號(hào)特征提取中的功能、實(shí)現(xiàn)和應(yīng)用條件。比較了連續(xù)小波變換（CWT）、快速傅里葉變換（FFT）、短時(shí)傅里葉變換（STFT）利用高階累積量和沒有利用高階累積量情況下，提取微弱信號(hào)特征的特性。提出了一種適用于工程實(shí)測(cè)ICP振動(dòng)加速度計(jì)信號(hào)的積分方法，該方法可由振動(dòng)信號(hào)得到較精確的振動(dòng)速度和位移信號(hào)，實(shí)現(xiàn)了基于振動(dòng)信號(hào)的相空間分析，有效識(shí)別了復(fù)雜機(jī)械振動(dòng)的時(shí)域與頻域分析。最后通過對(duì)工程實(shí)際中1500kW的風(fēng)力發(fā)電機(jī)組滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行了時(shí)域與頻域分析，結(jié)果表明，該方法能有效提取滾動(dòng)軸承和齒輪早期故障特征，識(shí)別故障類型，具有較高的可信度。

關(guān)鍵詞：高階譜;故障診斷;小波變換;ICP加速度計(jì);時(shí)頻分析

引言

機(jī)械故障信號(hào)通常是非平穩(wěn)信號(hào)，背景噪聲比較大，信號(hào)淹沒在噪聲中。機(jī)械故障診斷的目的就是提取信號(hào)特征，并根據(jù)信號(hào)特征判斷故障形式，進(jìn)行故障診斷[1]。當(dāng)前，常用的機(jī)械故障征兆提取方法多是假設(shè)振動(dòng)信號(hào)具有平穩(wěn)和高斯分布的特性，而實(shí)際測(cè)得的信號(hào)大量是非平穩(wěn)和非高斯分布的信號(hào)，尤其是在發(fā)生故障時(shí)更是如此。對(duì)于這種非線性現(xiàn)象，僅用功率譜和傅里葉變換[2]等傳統(tǒng)信號(hào)處理方法分析是很難從根本上解決問題。聯(lián)合時(shí)頻分布和高階譜[3]估計(jì)方法可以極大提高微弱信號(hào)的檢測(cè)，JTFD（Joint?Time?Freqency?Distribution）對(duì)處理非平穩(wěn)信號(hào)很有優(yōu)勢(shì)，而高階譜對(duì)高斯噪聲有很強(qiáng)的抑制作用。這里引入一種有效的微弱信號(hào)檢測(cè)方法：門限四階累積量的連續(xù)小波變換[3]，門限值來自于Neyman—Pearson[4]準(zhǔn)則。利用振動(dòng)信號(hào)對(duì)機(jī)械設(shè)備進(jìn)行故障診斷是機(jī)械故障診斷技術(shù)中的一種有效手段。

1.高階譜分析

隨機(jī)信號(hào)的x（t）的高階累計(jì)定義為ckx（τ1，...，τk-1）=cum[x（t），x（t+τ1），...x（t+τk-1）]

與功率譜相比，高階譜具有其獨(dú)特的特性。若系統(tǒng)是線性的，其響應(yīng)的時(shí)間序列就具有高斯分布的平穩(wěn)隨機(jī)過程。高階累積量譜在檢測(cè)微弱信號(hào)的好處在于不需要信號(hào)的任何先驗(yàn)信息。

2.門限連續(xù)小波變換的四階累積量

2.1?連續(xù)小波變換

3.工程實(shí)測(cè)信號(hào)的研究

頻譜分析計(jì)算是以傅里葉積分為基礎(chǔ)的，它將復(fù)雜信號(hào)分解為有限或無限個(gè)頻率的簡(jiǎn)譜分量。本文中將快速傅里葉分析法（FFT）有效的應(yīng)用于風(fēng)力發(fā)電機(jī)組的故障診斷自功率譜可由自相關(guān)函數(shù)的傅里葉變換求得，也可由幅值譜計(jì)算得到。實(shí)際中，正是通過傅里葉變換得到頻譜，再由頻譜圖為依據(jù)來判斷故障的部位以及故障的嚴(yán)重程度的。

4.結(jié)束語

通過對(duì)連續(xù)小波變換（CWT）、短時(shí)傅立葉變換（STFT），快速傅里葉變換（FFT），在利用高階累積量和沒有利用高階累積量情況下，對(duì)機(jī)械故障中微弱信號(hào)特征提取進(jìn)行實(shí)際測(cè)試與試驗(yàn)。可以得出，Neyman—Person（顯著性假設(shè)）準(zhǔn)則的連續(xù)小波的四階累積量在提取強(qiáng)噪聲背景下微弱信號(hào)特征有較好的效果。結(jié)合工程實(shí)測(cè)ICP振動(dòng)加速度計(jì)信號(hào)的積分方法，通過對(duì)實(shí)際滾動(dòng)軸承振動(dòng)信號(hào)的分析，驗(yàn)證了本文所提方法的有效性，為滾動(dòng)軸承故障特征提取方法提供了一種新思路，并將這種方法應(yīng)用于工程實(shí)際，取得了滿意的效果。

參考文獻(xiàn)：

[1]聞邦椿，張輝，劉樹英，何勍，趙春雨 振動(dòng)機(jī)械理論、技術(shù)及其應(yīng)用（英文版）科學(xué)出版社，2010.

[2]師漢民，黃其柏.機(jī)械振動(dòng)系統(tǒng)：分析?建模?測(cè)試（上冊(cè)） 華中科技大學(xué)出版社?2013.

[3]Shark?L?K。Yu?C.Weak?transient?signal?detection?basedon?continuous?wavelet?and?cumu|ant?analysis.Signal?Processing.In：2012?6th?International?Conference，2012，（2）：?l851～1854。

[4]Tsai?CS，Hsieh?CT，?Huang?S?J.?Enhancement?of?damage?detectionof?wind?turbine?blades?via?CWT?based?appro?aches[?J]?.?IEEE?Transactionson??Energy?Conversion，?2006，?21（?3）?：?776?781.

[5]屈梁生，張西寧，沈玉娣.機(jī)械故障診斷理論與方法.西安：西安交通大學(xué)出版社。2009.

作者簡(jiǎn)介：

張德勝，男，1983年10月生，現(xiàn)工作于神華集團(tuán)——國(guó)華能源投資有限公司通遼分公司。長(zhǎng)期從事1500KW大型風(fēng)力發(fā)電機(jī)組在線振動(dòng)監(jiān)測(cè)的信號(hào)采集、故障診斷及數(shù)字信號(hào)處理。主要研究方向?yàn)楝F(xiàn)代信號(hào)處理、機(jī)械故障的智能診斷。