下载文档原格式
阶比双谱及其在旋转机械故障诊断中的应用ORDER BISPECTRUM AND ITS APPLICATION TO THE FAULTDIAGNOSIS OF ROTATING MACHINE韩 捷李军伟李志农(郑州大学振动工程研究所,郑州450002)HAN Jie LI Jun Wei LI ZhiNong(Research Institute o f Vibration Engineering ,Zhengzhou Uiversity ,Zhengzhou 450002,China )摘要 双谱分析是处理非线性、非高斯信号的有力工具,然而,它是以分析恒频振动的稳态信号作为前提条件的,对分析旋转机械中广泛存在的变频振动信号(如旋转机械升降速信号)是无能为力的。
而阶比双谱是一种分析变频振动信号的新方法,它将非稳态信号按等转角间隔进行采样,得到阶域中的稳定信号,再进行双谱分析;仿真显示该方法优于阶比谱和传统双谱。
最后,将该方法成功地应用到旋转机械升降速过程的故障诊断中,实验结果表明该方法是有效的,阶比双谱可很好地分析机械振动的非线性非平稳信号。
关键词 阶比双谱 同步整周期采样 旋转机械 故障诊断中图分类号 TH165.3 TP206.3Abstract Bispectrum analysis,which is a useful tool for processing non -linear and non -Gaussian signal,is only adaptable to ana -lyze steady -frequency si gnal,and incapable of analyzing variable frequency signal existing in the rotating machi ne widely,such as speed -up and speed -down signal.However the order bispectrum analysis,which is a powerful tool to process variable frequency signal,samples the unstable signal at the equal in terval angular,and obtains the stable si gnal in the order domain,then calculate i ts bispectrum.T he si mulation shows that the order bispectru m analysis is superi or to the tradi tional bispectrum.Finally,the order bispectrum is successfully applied to the speed -up and speed -d own process of rotatin g machine,the experi ment result shows the order bispectrum analysis can pref -erably process non -linear and non -stationary signal i n the machine vabration.Key words Order bispectrum ;Synchronous integrated period sampling ;Rotating machine ;Fault diagnosis Correspon ding author :LI JunWei ,E -ma il :ike 944@The project supported by the National Natural Science Foundation of China(No.50675209),and a Grant form Key T echnology Pro -grams(No.0122022000),and the Talen t Innovation Funds(No.0621000500)of Henan Province of China.Manuscript received 20051217,in revi sed form 20060216.1 引言工程信号大部分呈非线性、非高斯的,如果应用功率谱进行分析,常常不能得到有意义的结果。
第23卷 第1期2010年3月燃 气 轮 机 技 术GAS TURB I NE TECHNOLOGYV o l 23 N o.1M ar.,2010旋转机械振动监测和分析郑月珍(南京汽轮电机(集团)有限责任公司,南京 210037)摘 要:本文介绍旋转机械振动监测和设备故障诊断的意义、旋转机械的常见振动问题和振动测量的原理及测试方法。
最后介绍我公司研制开发的以计算机为核心的旋转机械振动监测和分析系统的主要功能。
关 键 词:机械振动;轴振动;频谱分析;故障诊断中图分类号:O329 文献标识码:A 文章编号:1009-2889(2010)01-0039-061 振动状态在线监测及预测维修旋转机械的振动监测是设备运转状态监测的重要组成部分。
随着生产技术的发展,一种以状态监测为基础的故障诊断和预测技术得到推广与应用。
这种技术的发展,将使设备的维修方式从传统的 事故维修 和 定期维修 过渡到 预知性维修 ,从而大大提高设备的年利用率,减少停机维修时间,降低维修费用,同时也减少了备件库存量。
此外,旋转机械的振动测试技术也是转子现场动平衡和转子动力特性试验研究不可缺少的手段。
近十年来,我国振动状态监测技术得到了重视和研究,在关键设备上配备了监测仪表或监测系统。
例如从国外引进的燃气轮机发电机组都安装了振动保护系统。
对国内制造的200MW、300MW和600MW汽轮发电机组的仪表设计工作正在选择相应的振动保护系统与主机配套。
国内原有的电站设备已逐渐安装机械保护系统及准备安装机械保护系统。
2 旋转机械振动测试概要旋转机械振动测试的主要对象是一个转动部件 转子或转轴,在进行振动测量和信号分析时,也总是将振动与转动密切结合起来,以给出整个转子运动的某些特征。
2.1旋转机械的振动问题转子是旋转机械的核心部件。
通常转子是用油膜轴承、滚动轴承或其它类型轴承支承在轴承座或机壳、箱体及基础等非转动部件上,构成了所谓的 转子 支承系统 。
基于阶次分析和齿轮重合度优化的分析与应用【摘要】本文以基于阶次分析和齿轮重合度优化为主题，首先介绍了研究背景、意义和目的。
接着从基于阶次分析的理论基础和齿轮重合度的优化方法入手，详细阐述了这两方面的原理和方法。
然后通过应用案例分析和实验验证，展示了基于阶次分析和齿轮重合度优化的效果以及实际应用的价值。
最后探讨了未来的发展方向，总结了研究成果和创新性，展望了未来的研究方向。
通过此研究，我们能更深入地理解阶次分析和齿轮重合度优化在工程领域的应用，为未来的研究和实践提供了重要的参考。
【关键词】阶次分析、齿轮重合度、优化方法、应用案例、实验验证、发展方向、研究总结、创新性成果、未来展望1. 引言1.1 研究背景齿轮是机械传动系统中常见的零部件，广泛应用于各种机械设备中。
齿轮传动系统的性能直接影响到机械设备的运行稳定性和效率。
在实际应用中，齿轮传动系统往往会受到各种外界因素的影响，导致齿轮的运行不稳定或产生噪音。
如何有效地分析和优化齿轮传动系统的性能成为一个重要课题。
阶次分析是一种常用的分析方法，可以帮助工程师深入了解齿轮传动系统中不同频率成分的特性，从而找出引起齿轮运行不稳定的原因。
优化齿轮的重合度也是提高齿轮传动系统性能的关键。
通过合理调整齿轮的重合度，可以降低噪音和振动，提高传动效率，延长齿轮的使用寿命。
在这样的背景下，本文致力于基于阶次分析和齿轮重合度优化的分析与应用研究，旨在提高齿轮传动系统的稳定性和效率，为机械设备的设计和应用提供技术支持。
通过本文的研究，有望为工程师提供更多关于齿轮传动系统优化的参考和方法。
1.2 研究意义齿轮传动是机械传动中常见的形式，而齿轮的设计和优化对于机械系统的性能至关重要。
在齿轮传动中，齿轮的运动精度和稳定性直接影响到整个机械系统的工作效率和寿命。
对于齿轮传动中的阶次分析和齿轮重合度优化的研究具有重要的意义。
通过对阶次分析和齿轮重合度优化的研究，可以提高齿轮传动系统的工作效率和稳定性，降低系统的能耗和噪音，从而推动机械传动领域的发展。
基于Vold-Kalman阶比跟踪和能量分析的旋转机械故障特征识别王东晓【摘要】针对旋转机械启停车过程的振动信号具有非线性、非平稳的特性,提出Vold-Kalman阶比跟踪(Vold-Kalman Filter Based Order Tracking,VKF-0T)和能量分析相结合的一种故障诊断方法.分析旋转机械在发生故障时各阶比分量幅值的变化规律,通过Vold-Kalman阶比跟踪方法提取特定的阶比分量,以其能量与原信号总能量的比值作为特征参量.最后,对转子不对中、不平衡和转子裂纹三种故障下的60组振动信号进行特征描述,故障特征分布表明该方法可有效地区分启停车过程中的故障.【期刊名称】《现代制造技术与装备》【年(卷),期】2018(000)006【总页数】3页(P117-119)【关键词】启停车;Vold-Kalman阶比跟踪;能量分析;特征描述【作者】王东晓【作者单位】新疆大学信息科学与工程学院,乌鲁木齐 830047【正文语种】中文大型旋转机械的启停车过程包含了丰富的机组状态信息，在某些频带信号的激励下，一些在平稳运行中不能反映的故障征兆在启停车过程却能较充分地表露出来。
因此，该过程中机组的行为特征对于旋转机械的故障诊断具有独特的价值，它已广泛地受到国内外学者的关注[1]。
但启停车过程中转速的变化使得采样速率不固定，因而振动信号具有非线性、非平稳的特性。
因此，对启停车信号的分析需用能处理非平稳信号的方法。
在信号处理方面，常用的有小波包分解、经验模式分解。
小波包分解受母小波选择的限制，大大影响了信号分解的质量[2]。
现在尚未出现明确的母小波选择依据，这就制约了小波包分解的使用。
经验模式分解是处理非平稳信号常用的方法，但存在模态混叠和边界效应的问题，分解的信号中包含有各种混合的频率成分，使其在工程应用的能力急剧降低[3]。
文献中提取频带能量作为判定故障源的特征取得了一定的效果，但其未能清楚阐述母小波的选择方法[4-5]。
旋转机械故障诊断措施研究分析摘要: 旋转机械故障诊断技术己在国内外得到了非常高旳注重, 虽然多种诊断措施都得到广泛旳发展并且成果丰硕, 文章对其进行总结性分析。
核心词: 旋转机械；故障诊断；措施DOI: 10.16640/ki.37-1222/t..10.026随着诊断技术研究旳进一步, 可以实现故障诊断旳措施越来越多, 既有对前人研究成果旳完善, 也有某些原创性旳研究成果相继被提出, 根据各类措施在实现方式上旳不同, 可以大体将其分为三类, 第一种是通过建立合适旳模型进行故障诊断, 这种措施在实际旳生产应用中, 往往由于设备构造复杂, 无法构建精确旳模型, 即便可以获得合适旳参数模型, 其耗资也会相称大, 因此实际应用可行性不大。
第二种措施是结合人工智能技术旳专家系统, 在实际应用中这种措施得到了一定旳肯定, 但仍然存在知识获取不全面、针对性太强、智能水平低等问题, 使得故障诊断成果可靠性不强。
而模式辨认是故障诊断中应用最为广泛旳措施, 且目前诸多学者都觉得基于模式辨认旳故障诊断有很大旳进步空间。
1 旋转机械故障特点旋转机械故障旳故障特点与其他类型旳机械故障存在一定旳区别, 且是机械设备中最为常用旳一类, 因此有必要对其进行单独旳进一步研究。
旋转机械故障是指有转子系统旳机械设备在运营过程中浮现异常旳工作状态, 例如不正常旳噪声、异常大旳振动、温度急剧升高, 或者其他指标不正常。
旋转机械旳构造复杂, 故障发生具有一定旳阶段性, 并且部分故障旳发生有一种渐进旳过程, 在进行故障诊断时, 必须综合考虑多项因素, 使得进行精确故障诊断旳难度较大。
2 旋转机械故障检测措施2.1 模式辨认通过数年旳发展, 模式辨认己是故障检测旳重要理论基础之一。
近十几年来, 模式辨认技术在机械设备故障诊断领域旳应用己经非常普遍, 每年均有有关旳改善措施被发布。
在机器人模仿人类思考能力旳研究领域上, 模式辨认措施始终占据着十分重要地位, 在机械故障诊断措施中模式辨认也始终是一种先进且富有挑战旳摸索方向。
转子非平稳状态的计算阶比-全息谱方法研究倪雨晨;廖与禾;马再超;刘庆成【摘要】针对转子振动信号的频率在非平稳情况下难以采用传统频谱分析方法提取频率特征的问题,提出了将全息谱原理和计算阶比分析理论相结合的计算阶比-全息谱分析方法.计算阶比分析用于调频信号的角域重采样,并提取需求阶次特征;全息方法用于表达幅值变化规律.通过实验模拟正常转子、裂纹转子和不对中转子的启车状态信号,结果表明:该方法能够实现非平稳状态下故障特征信息的提取,为实际生产过程中的状态监测、故障诊断、评估提供参考和依据.【期刊名称】《风机技术》【年(卷),期】2015(057)004【总页数】9页(P19-26,37)【关键词】阶比分析;全息谱;等角度采样;转子;故障特征提取【作者】倪雨晨;廖与禾;马再超;刘庆成【作者单位】中船重工705所海源测控技术有限公司;西安交通大学机械工程学院陕西西安 710075;西安交通大学机械工程学院陕西西安 710075;西安交通大学机械工程学院陕西西安 710075【正文语种】中文【中图分类】TH113;TK05机械故障诊断技术是机械工程中一门很重要的学科，其中一个研究内容就是对旋转机械设备的运行状态进行监测，从而对可能发生的故障类型进行识别和诊断，以便为这类设备的安全运行提供可靠保障，许多生产实践证明故障诊断与状态监测技术研究对工业生产具有重要的现实意义[1-2]。
目前旋转机械故障诊断主要是基于系统的稳态振动特征,如稳态振动时的轴心轨迹、频率，转频、倍频、分频的幅值和相位等，但对升、降速非平稳过程中的振动信息利用还存在不足。
由于启停车过程的振动信号相当于一个宽频激励下的动态响应，与稳定转速过程相比，其振动信号中包含的信息更为丰富，对机组的动态特性的反应也更为直接和深入。
但启停车过程中转速的不断变化意味着信号是非平稳的，直接使用FFT（傅里叶变换）会出现频率模糊的现象，严重影响了后续全息谱分析的精度[3]。
引言工程上在对故障信号进行分析时，最常采用的是传统的频谱分析法。
这种方法对于稳定工况下测得的稳态信号具有较好的效果，能清晰地分辨出被测信号的频率成分，从而确定故障原因。
但是对于旋转机械在某些工况下出现的故障状况，比如启动过程、停车过程、加载过程等，很难通过单纯某一时段信号的频谱分析找到确定的故障频率成分，甚至由于信号频率成分的不断变化，会产生明显的“频率模糊”现象，使得关键频率成分难以识别。
并且旋转机械运转时其旋转部件引起的故障所产生的振动和噪声表现出的特征和轴的转速有密切关系。
阶次跟踪分析法正好可以补足其中的不足，通过等角度采样方法归一化转频，避免了转速变化带来的频率模糊问题[1][2][3]。
1 阶次跟踪原理阶次跟踪分析法是近年发展起来的一种先进技术，其主旨在于通过信号处理算法将等时间间隔采样信号转化为等角度采样信号，即同步采样信号，保证在信号每一周期内都保持同样的采样点数。
通常在信号分析时，如果只对转轴速度的谐波特征感兴趣（或更高的谐次，如齿轮啮合频率），那么采用阶次跟踪分析往往比单纯的频谱分析更具有优势。
这种分析方法可以迫使谐波分量集中在一条分析线上，通过控制模数（A/D）转换器的采样频率与转轴速度之间的同步性来实现，图1 说明了基本原理[4]。
(a)固定采样频率的采样信号(b)原始时域信号(c)等角度采样信号（每一转8 个采样点）图1 采样原理示意图其中图1(b)为一假设的旋转轴转速上升过程产生的理想信号（实际情况中，振幅往往会随转速的变化而有所不同）。
图1(a)为通过恒定的采样频率得到的采样信号（对应于常规的频谱分析）以及对采样信号进行FFT 分析后得到的频谱。
可以明显看到频域上谱峰的分布与时域转速信号中转速的变化相对应，频率成分非常模糊，难以识别。
对于这样的采样信号，利用常规的频谱分析方法已经很难识别各频率成分。
图1(c)所示的采样信号是通过转轴每转采集固定的采样点来得到（例子中每一转有8 个采样点），对此角域波形再进行类似时域的FFT 变换，所得频谱既为清晰的阶次谱。
基于时域FFT的阶次分析▲▲▲阶次（Order）的定义其实非常简单，即旋转部件的频率和转速的比值，具体公式如下。
例如，对于一个600rpm的旋转部件，10Hz的信号对应着部件的第1阶，20Hz的信号对应着部件的第2阶，以此类推并得到了旋转部件的各个阶次结果。
从阶次的定义中我们不难看出其本质还是信号的频率分析，只不过此频率成分不是一个固定的成分，而是一个会随着转速变化而变化的频率成分。
对于旋转部件来说，阶次还可以形象理解为一种现象随着旋转部件的转动发生的次数，每转一圈这种现象发生几次就是几阶。
举例说明，一个旋转的风扇，其叶片数量是5，那么风扇每旋转一圈对于某一固定点处噪声或结构某一固定点处振动将产生5次峰值，分别为5个叶片的激励，这种由叶片引起的振动噪声所对应的阶次即为第5阶。
既然阶次分析即为频率分析，那么是否有人会觉得非常简单——只要拥有信号的频谱结果和此其对应的旋转部件的转速，即可得到旋转部件所对应的阶次分析结果。
事实也的确如此，工程上对信号进行等时间采样并进行FFT（快速傅里叶变换），并结合所测到的转速，来进行阶次分析和阶次提取已经存在多年，该方法无需任何复杂的计算，效率非常高。
但是此方法只适用于稳定转速或者转速缓慢变化工况下的阶次分析，当转速变化速率比较快时，传统的基于等时间采样信号的FFT分析结果就会出现所谓的“频率模糊现象”（Smearing）。
有图有真相，下面我们先举个简单的例子来说明一下什么是“频率模糊”。
现有一个转速10秒内由0上升到9000rpm旋转机械，为了方便对比，假定其只产生1倍频噪声信号，且该1阶成分在整个转速变化区间内保持不变，一直为1Pa（94dB）。
下面对其噪声信号分别进行频域分析和阶次跟踪分析，转速跟踪分析步长均为200rpm，分析参数如下：我们先取其中分析步长1200 rpm的信号进行观察：首先看频域分析结果。
从左图时间信号中，我们肉眼可看到在1s的时间内，其信号变化速度逐渐变快，也就是信号频率逐渐上升。
