[发明专利]一种基于改进的同步挤压变换的旋转机械故障诊断方法

说明书

本发明公开了一种基于改进的同步挤压变换的旋转机械故障诊断方法，包括如下步骤，第一步：对采集的旋转机械故障特征的振动信号进行滤波分析，消除强背景噪声影响，提取纯振动信号；第二步：利用小波分析方法提取故障特征信号的最优频率范围，利用最优频率范围，根据同步挤压变换方法提取振动信号的时频脊特征和信号时频分量，并重构振动信号，利用谱峰值方法选择最佳信号分量，再进行Hilbert变换提取故障特征。本发明基于改进的同步挤压小波变换的旋转机械故障特征高效提取方法能够通过最优频率中心及其范围准确确定故障特征频率。

技术领域

本发明是一种旋转机械故障诊断方法，特别涉及一种基于最优频率范围选择和改进的同步挤压变换方法的旋转机械故障诊断方法。

背景技术

旋转机械设备的故障诊断过程分为原始振动信号的去噪、振动信号分量的提取和重构、故障特征信息提取三部分。

旋转机械零部件的失效往往会产生严重后果。通过对振动信号的分析，能够确定旋转机械的故障状态，但是带有故障的旋转机械在工作过程中的振动信号很容易受工作环境的影响，信号特征不容易提取。为了能够准确捕捉到早期失效信息和失效状态，众多学者已经研究了多种旋转机械故障诊断方法，基于振动信号处理的旋转机械故障特征提取和故障诊断方法已广泛应用于工程实践中。

至今，对旋转机械的的故障形式及信号特征已经做了一定的认识。在故障缺陷处的旋转机械振动信号由在一些频率谱上周期性出现的指数延迟的瞬时振荡组成，具有调幅调频特征，通过检测旋转机械故障缺陷处振动信号的特征频率能够确定对应的缺陷区域。因此，旋转机械故障诊断的关键是尽早发现振动信号中的异常，并从强噪声背景中分离出来并确定故障类型和位置。

旋转机械有故障时的振动信号极易受到机械设备内部其他零部件和整机振动环境的污染和干扰。旋转零部件早期的故障振动信号比较微弱，不易发现和探测到，更加增加了故障特征提取和诊断的难度。强噪声背景和调制特征影响是旋转机械故障信号特征提取的两个主要障碍。由于故障信号中含有由一定的频率分量组成的简谐序列，在旋转零部件缺陷频率处与共振频率处会出现最高幅值。如何从强噪声背景下提取旋转机械零部件的微弱故障振动信号，就显得至关重要。

旋转机械振动信号中，包含了旋转机械的振动频率、振动幅值、振动随时间和转速变化特征等信息，利用测量的振动信号对早期潜在或已有的故障进行分析判断，具有较高的精度和很好的工程实用性。旋转机械振动信号处理中，主要有短时傅里叶变换方法、小波方法和经验模式分解等方法。这些方法已被广泛应用于旋转机械故障诊断和故障特征信息提取中。但是这些方法只能在时域或者频域内提取信息特征，缺乏通用性，计算量较大，故障特征信息提取效果差、效率低，更不能分离提取振动信号中的早起微弱故障特征信息。

发明内容

发明目的：针对上述技术中的不足，本发明提供一种基于改进的同步挤压小波变换的旋转机械故障诊断方法，以解决计算量较大，故障特征信息提取效果差、效率低、缺乏通用性等问题。

技术方案：一种基于改进的同步挤压小波变换的旋转机械故障诊断方法，包括以下步骤：

步骤一：采集有故障特征的旋转机械振动信号；

步骤二：通过公式计算振动信号的软阈值，并将其作为降噪限值，式中，N为信号长度，σ为信号标准差，C为常数，设计自适应滤波器，利用小波软阈值降噪方法自适应的滤除原始信号中的噪声分量，对原始振动信号进行降噪处理，提取振动信号中的周期性的有效故障信息；