[发明专利]一种机械振动特征指标提取方法、系统及装置

说明书

本发明公开了一种机械振动特征指标提取方法、系统及装置。所述方法包括获取机械原始振动信号并对其进行时域同步平均处理，得到时域同步平均信号，获取时域同步平均信号的频谱，并根据以上获取第一齿轮特征指标集和第二齿轮特征指标集，从而得到齿轮特征指标。所述系统包括信号获取子模块等功能模块。所述装置包括存储至少一个程序的存储器和执行至少一个程序的处理器。本发明对机械原始振动信号作相应的预处理以及提取处理，提高原始振动信号的信噪比，提取出适用于描述齿轮的振动特征指标，所提取出的振动特征指标全面、有效地反映了齿轮的健康状况，方便进行故障诊断、特别是早期故障诊断。本发明可广泛应用于机械故障诊断技术领域。

技术领域

本发明属于机械振动监测技术领域，尤其是涉及直升机健康使用监控技术领域。

背景技术

术语解释：

FFT：Fast Fourier Transformation，快速傅里叶变换；

TSA：Time Synchronous Averaging，时域同步平均；

RMS：Root Mean Square，均方根值；

MA：Mean Amplitude，平均幅值；

RA：Root Amplitude，方根幅值；

Kur：Kurtosis of signal，峭度；

SF：shape Factor，波形指标；

CF：crest Factor，峰值因子；

IF：Impulse FaCtor，脉冲指标；

CLF：clearance Factor，裕度指标；

KV：Kurtosis Value，峭度指标；

XPP：peak to peak of signal，信号峰峰值；

M6A：Statistical moment(order 6)，6阶矩；

M8A：Statistical moment(order 8)，8阶矩；

SLF：Sideband Level Factor，边频带因子；

OM：Omiga(Ω)，表示轴频、啮合频率。

机械系统故障往往会引起严重后果，因此，快速、高效地对机械系统进行故障诊断具有十分重要的意义。机械的振动反映了机械的工作情况，对机械的振动进行监测和分析，能够提取出反映机械故障特征的特征指标，从而实现故障诊断。目前对机械系统振动的监测和分析，主要通过对机上采集的振动原始数据，进行FFT频谱分析，获得传动系统的频率，如齿轮啮合频率、轴频、轴承故障特征频率等的振动幅值大小。根据振动幅值大小的变化趋势，并结合被监测部件的振动限制值，进行机械系统的健康状态监测和故障诊断。但是，原始信号直接FFT后频率成分中各种干扰成分较多，进行故障诊断效率低；当机械系统中转动部件转速波动时，直接FFT得到的频谱中，关键频率，如转频、啮合频率等附近会有较宽的频带，这对于诊断是十分不利的；原始信号直接进行FFT，与故障有个边频带成分不易识别；原始信号信噪比较低。齿轮结构复杂，在旋转时会出现轮齿的不断啮合，其振动信号频谱中除了齿轮转频成分外，还包含齿轮的啮合频率及其倍频。当齿轮出现故障时，振动信号频谱中会出现齿轮啮合频率及其倍频的边频成分，频谱结构复杂。

此外，对于轴承的振动监测，由于传感器的安装位置往往与轴承之间的距离较远，导致采集的振动信号中轴承故障特征不明显，尤其是在轴承早期故障阶段，故障特征信号更易被噪声淹没。机械系统的恶劣运行环境以及自身结构的复杂性，导致机械系统振动信号的信噪比低，因此为了进行机械系统故障诊断，需从强背景噪声下准确提取出与传动系统相关的信号特征。