[发明专利]一种改进的旋转机械非平稳振动信号计算阶比分析方法

说明书

本发明公开了一种改进的旋转机械非平稳振动信号计算阶比分析方法，所述方法包括：对键相脉冲信号进行预处理获得时间点序列、时间差序列、时间增增益序列，对预处理得到的时间增益序列进行相似运算，对相似运算得到的相似系数序列进行加速度分类获得增益分类序列，对增益分类序列依次按照从时间差序列、时间点序列进行逆向推导获取分类时间点序列，使用分类时间点序列对非平稳振动信号进行角域重采样获得角域重采样信号，对角域重采样信号进行快速傅里叶变换获得阶比谱。本发明可以有效地用于旋转机械非平稳振动信号计算阶比分析，并比传统方法运算效率更高。

技术领域

本发明涉及一种改进的旋转机械非平稳振动信号计算阶比分析方法，属于机械设备状态监测及故障诊断技术领域。

背景技术

旋转机械设备在实际应用中会因工作环境、时变工况等客观因素甚至人为因素致使其处于非平稳运动状态，实际应用中鲜有能稳定处于平稳运动状态的旋转机械设备。例如风力发电行业的行星齿轮箱，其实际应用中会因工作环境的特殊性导致时变工况，使得行星齿轮箱常处于时变转速的非平稳运动状态。因此对非平稳状态下旋转机械设备进行故障诊断和状态监测具有重要的意义。

现今多数故障诊断分析方法仅能针对处于平稳状态下的振动信号，而对于非平稳状态的振动信号将失去其应有效力。计算阶比分析方法是非平稳振动信号常用分析方法之一，其将非平稳的时域振动信号通过角域重采样转化为平稳的角域信号，能够为多数针对稳态振动信号的特征分析方法提供支持。但大数据时代的到来以及在线监测、实时监测等领域的发展，对所应用分析方法的运算效率提出了更高的需求。传统计算阶比分析方法因存在迭代次数过多而导致运算效率不高的问题，使得计算阶比分析方法在当今大数据时代下实际应用到诸如在线监测、实时监测等需要较高运算效率以及实时性要求较高的领域中存在运算效率不足的问题，不利于其在该领域中的实际应用。

发明内容

本发明提供了一种改进的旋转机械非平稳振动信号计算阶比分析方法，通过该方法可以有效地用于非平稳振动信号完成计算阶比分析。

本发明的技术方案是：一种改进的旋转机械非平稳振动信号计算阶比分析方法，所述方法包括：对键相脉冲信号进行预处理获得时间点序列、时间差序列、时间增益序列，对预处理得到的时间增益序列进行相似运算，对相似运算得到的相似系数序列进行加速度分类获得增益分类序列，对增益分类序列依次按照从匹配时间差序列、时间点序列的方向进行逆向推导获取分类时间点序列，使用分类时间点序列对非平稳振动信号进行角域重采样获得角域重采样信号，对角域重采样信号进行快速傅里叶变换获得阶比谱。

对键相脉冲信号进行预处理获得时间点序列、时间差序列、时间增益序列作为步骤S1：

S1，对键相脉冲信号s(t)进行预处理，获取参考轴每次旋转到整周处的时间点序列T_n(i)＝{t₁，t₂，t₃，...，t_N}；接着对时间点序列T_n(i)进行预处理，得到构建参考轴每旋转一圈所用时间作为时间差序列T_{n_1nd}(j)；再对时间差序列T_{n_1nd}(j)进行预处理，得到参考轴每连续旋转两圈所用时间的差值作为时间增益序列T_{n_2nd}(k)；其中1≤i≤N，N-1参考轴旋转的整周总数，t₁为参考轴第1次旋转的起始时间点，t_N为第N个提取到的参考轴旋转到整周的时间点，1≤j≤i-1，1≤k≤j-1。

所述步骤S1具体为：

S1.1，首先选取键相脉冲信号s(t)幅值极点的一半作为标记值，然后循环获取键相脉冲信号s(t)中各脉冲上升沿的幅值距离标记值最近点处的时间值，获得时间点序列T_n(i)；