基于自适应Fourier分...提取变换的机械故障诊断方法_陈子慧.pdf
《基于自适应Fourier分...提取变换的机械故障诊断方法_陈子慧.pdf》由会员分享,可在线阅读,更多相关《基于自适应Fourier分...提取变换的机械故障诊断方法_陈子慧.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 44 卷第 4 期兵 器 装 备 工 程 学 报2023 年 4月收稿日期:2022 08 03;修回日期:2022 09 10基金项目:国家自然科学基金项目(52075236);江西省自然科学基金重点项目(20212ACB202005);航空科学基金重点项目(20194603001);南昌航空大学研究生专项基金项目(YC2022-095)作者简介:陈子慧(1999),女,硕士研究生,E-mail:catherina_hui163 com。通信作者:李志农(1966),男,博士生导师,E-mail:lizhinong tsinghua org cn。doi:1011809/bqzbgcxb
2、202304020基于自适应 Fourier 分解-同步提取变换的机械故障诊断方法陈子慧1,李志农1,谷士鹏2,程娟2(1 南昌航空大学 无损检测教育部重点实验室,南昌330063;2 中国飞行试验研究院,西安710089)摘要:传统的同步提取变换方法(synchronous extraction transform,SET)用于机械故障诊断时,要求多分量信号满足各相邻模态的瞬时频率差大于所选取的 SET 窗函数频率支撑范围的 2 倍,否则容易产生频率混叠,实际信号往往无法满足该条件。此外,信号受到噪声的影响,难以获得故障的瞬时频率。针对传统的同步提取变换在机械故障诊断中存在的不足,结合自适应
3、 Fourier 分解(AFD)和同步提取变换的各自优点,提出了一种基于 AFD-SET 的机械故障诊断方法。该方法能够有效处理频率接近的非平稳信号,准确地表达信号的瞬时频率,并且具有很快的收敛速度。仿真结果表明,提出的方法能够有效解决传统 SET 方法中的频率混叠,并具有更高的时频聚集性。将提出的方法应用到滚动轴承故障诊断中,诊断结果表明,该算法正确有效,能够有效提取出故障信号的频率特征。关键词:同步提取变换(SET);自适应 Fourier 分解(AFD);故障诊断;频率混叠;时频分析本文引用格式:陈子慧,李志农,谷士鹏,等 基于自适应 Fourier 分解-同步提取变换的机械故障诊断方法
4、 J 兵器装备工程学报,2023,44(4):139 145Citation format:CHEN Zihui,LI Zhinong,GU Shipeng,et al esearch on the mechanical fault diagnosis method based onadaptive Fourier decomposition and synchronous extraction transform J Journal of Ordnance Equipment Engineering,2023,44(4):139 145中图分类号:TH165 3;TN911文献标识码:A文章
5、编号:2096 2304(2023)04 0139 07esearch on the mechanical fault diagnosis methodbased on adaptive Fourier decompositionand synchronous extraction transformCHEN Zihui1,LI Zhinong1,GU Shipeng2,CHENG Juan2(1 Key Laboratory of Nondestructive Testing of the Ministry of Education,Nanchang Hangkong University,
6、Nanchang 330063,China;2 Chinese Flight Test Establishment,Xi an 710089,China)Abstract:When the traditional synchronous extraction transform(SET)method is used for mechanicalfault diagnosis,it is required that instantaneous frequency difference of each adjacent mode of multi-component signals is grea
7、ter than twice of the frequency support range of the selected SET windowfunctionOtherwise,frequency aliasing occurs easily,and the actual signals often cannot meet thecondition In addition,the signals are affected by noise,and instantaneous frequency of the fault is hardlyobtained In view of the sho
8、rtcomings of the traditional synchronous extraction transform in mechanical faultdiagnosis,this paper proposes a mechanical fault diagnosis method based on AFD-SET by combining theadvantages of adaptive Fourier decomposition(AFD)and SET The proposed method effectively processesnon-stationary signals
9、 with similar frequencies,accurately expresses instantaneous frequency of the signals,and has a fast convergence speed The simulation results show that the method solves frequency aliasing inthe traditional SET method,and has a higher time-frequency concentration Finally,the proposed methodis applie
10、d to fault diagnosis of rolling bearing The diagnosis results further verify the correctness of theproposed method,which can effectively extract the frequency characteristics of fault signalsKey words:synchronous extraction transformation(SET);adaptive Fourier decomposition(AFD);faultdiagnosis;frequ
11、ency aliasing;time-frequency analysis0引言同步提取变换(synchroextracting transform,SET)是于刚等1 在同步挤压变换2 中提出一种新的非平稳信号处理方法,通过提取时频脊线能量,有效提高时频分辨率,具有能量集中性好,抗噪能力强的特点,同时在摆脱海森堡不确定性原理影响的情况下,能有效构建信号的理想时频谱。目前,SET 已在地震储层识别3、石油勘探4、引力波探测5、变速旋转机械6、结构瞬时频率识别7 8、机械故障诊断9、滚动轴承10 等多个领域中获得了成功应用。此外,张春博11 等将 SET 在时频分析中的高分辨率特征引入地震波吸收
12、衰减分析技术中,实现油气藏的精准定位。孙秀秀12 等将 SET用于高铁轨道波磨检测与定位,解决有效检测轨道波磨问题。胡志峰13 将 SET 方法应用于微弱故障的特征提取和增强。然而,现有的同步提取变换存在一些不足,如在处理强噪声干扰情况下,传统 SET 方法不能有效提取故障信号的时频信息,SET 算法本身存在误差,当随机噪声较低且谐波幅值较大时,SET 重构信号引起误差超过随机噪声。此外,SET方法要求各相邻分量瞬时频率需满足相邻模态的瞬时频率差大于所选取的 SET 窗函数频率支撑范围的 2 倍。而在实际的工程应用中,分析的信号不一定能满足上述条件。为了发挥 SET 处理非平稳非线性时聚效果好
13、的优势,克服其不足之处,有必要对传统的 SET 方法进行改良。针对多分量信号,进行信号分解有助于去除信号冗余,提取有用信息。而传统的分解方法如 EMD 适用于非平稳信号,但存在包络误差、端点效应及模态混叠的问题14,经验小波分解针对接近模态的信号,存在无法分解部分频率的问题15,变分模态分解方法具有自适应性,但是需要预设模态个数和惩罚参数,无法分解重叠频谱16。自适应傅里叶分解(adaptive Fourierdecomposition,AFD)算法是基于钱涛先生17 所创立的一种基于单分量函数理论的新的傅里叶转换,其收敛性和表征的瞬间频率都要高。AFD 算法对给定信号应用 AFD 可以得到基
14、本信号的级数展开,称为单分量,采用最大功率选取原则对原始信号进行优化,使得重建后的信号保持了原有的振荡特性18,同时,AFD 算法重构信号的信噪比 SN 大大提高,从而使得对该信号进行了更好地解析19。AFD 方法能有效地处理一维和多维的数据。在实际信号分解过程中,AFD方法根据不同的功能,所产生的单个成分也各有差异,且其频率从高到低依次递增,此外,由于其不负的解析相微分,以及等效的分析和有效的瞬态频率,使其保持了较好的数理特性20。同时,在相同误差下,AFD 运行时间短。目前,AFD在多通道的信号分析21、柔性薄壁轴承22、非平稳无限信道的时频快速变化为代表的信道函数重构23 等领域达到较好
15、的效果。基于 AFD 的高效分解的独特优势,本文将自适应 Fourier 分解引入到机械故障诊断中,并与同步提取变换相结合,提出一种新的 AFD-SET 方法,与传统的 SET 算法比较,并进行仿真和实验验证。本文提出的方法为有效解决频率接近的多分量信号混叠问题提供了一种有效方法。1AFD-SET 方法原理提出的 AFD-SET 方法的基本思路是:首先用 AFD 方法对采集的振动信号进行自适应分解,基于能量最大选择原则选取接近原信号能量值的单一分量进行自适应重构,再对该信号进行 SET 方法处理,得到瞬时频率特征信息。该方法特色在于可以解决 SET 在处理相邻信号分量的瞬时频率需满足相邻模态的
16、瞬时频率差大于所选取 SET 窗函数的频率支撑范围的 2 倍的问题。接下来对该方法进行详细阐述:AFD 涉及在 H2(D)空间中给定信号 G(t)的自适应分解,D 表 示 复 平 面 中 以 原 点 为 心 的 开 单 位 圆D zC z 1,并且 C 是复平面,成为一系列单一分量fk(t),k 为分解次数。fk(t)=bkBk(z),k=1,2,nz=eit=cos(t)+isin(t)(1)其中,bk=Gk(t)eak(z)(2)Gk(t)=(Gk1(t)bk1eak1(z)1 ak1zz ak1(3)eak(z)=1 ak21?akz(4)041兵 器 装 备 工 程 学 报http:/
17、bzxb cqut edu cn/Bk(z)=B a1,ak(z)=121 ak21?akzk1l=1z al1?alz(5)式中:e 为指数;Bk(z)为有理基函数;z 为单位圆的边界值,其模等于 1。Gk(t),k=1,2,n 是给定的振动信号 G(t)自适应分解而产生的变量,G1(t)=G(t);bk为 Gk(t)与 eak(z)内积运算结果。首先设定初始值 a1=0,ak根据最大投影原理计算,ak=arg max Gk(t),e ak2 ak D(6)根 据 式(6),可 用 来 找 到 的 每 步 中 产 生 Gk(t),e ak2最大值。AFD 算法是根据函数自身的特性和原则对其进
18、行关于Blaschke 乘积的直线组合,该方法是基于有理正交系统,也称为 TM 系统,Bkk=1为基函数,Bk(z)=e akk1l=1z al1?alz(7)式中,al为 D 内的复数,al1,e ak是用来评估 ak,可视为基本函数组成的一个系列。k1l=1z al1?alz称为 Blaschke 乘积,其阶次为(k 1)阶。函数 Bk被称为加权 Blaschke 乘积,阶次为 k 阶24。重复上述过程,则可以得到振动信号 G(t)的所有单一分量 f1(t),f2(t),f3(t),fk(t)。接着自适应对上述单一变量重构,得到重构信号 G(t)G(t)=Aei0t(8)最后,对重构信号进
19、行短时傅里叶变换处理,得到短时傅里叶变换的时频系数 G(t,)G(t,)=+g(u t)Gejudu(9)式中,g(u t)为高斯窗函数。在短时傅里叶变换的时频系数中增加一个频移算子e it,得到 Ge(t,),Ge(t,)=Ag(0)ej0t(10)此时 Ge(t,)不为零。再与同步提取算子(狄拉克 delta函数)相乘,从而得到了同步提取变换时频的时频系数 Te(t,):Te(t,)=Ge(t,)(0(t,)(11)对关于时间求偏导,计算瞬态频率,0(t,)=itGe(t,)Ge(t,)(12)其中,当 Ge(t,)不为 0 时,在任意时间范围内,满足 0,0+内瞬时频率数值为恒定值 0,
20、其中 为同步提取变换窗函数的频率支撑范围。0(t,)为瞬时频率,据此可表征二维瞬时时频。基于 AFD-SET 的轴承故障诊断算法主要分为2 个部分。一是对信号的分解,然后是对故障特征频率的提取。基于AFD 算法的信号分解可得到一系列频率由低到高的单一分量,对其基于最大能量选取原则对部分单一分量重构再进行同步提取变换处理。对应的轴承故障诊断算法流程如图 1所示。图 1基于 AFD-SET 轴承故障诊断流程图Fig 1 Flow chart based on AFD-SET bearing fault diagnosis2仿真研究为了验证方法的有效性,设置各相邻分量瞬时频率不满足相邻模态瞬时频率差
21、大于所选 SET 窗函数频率支撑范围的两倍的仿真信号,该信号由频率 20 Hz 和 28 Hz 的 2 个信号叠加而成,瞬时频率相差很小,满足 k+1(t)k(t)2 表达式如式(13)所示。设置采样频率为 200 Hz,采样时间 3 s,时域波形见图 2 所示。G1(t)=sin(2(20t+4t2+6cost)G2(t)=sin(2(28t+8t2+6cost)G(t)=G1(t)+G2(t)(13)首先对该仿真信号采用传统的 SET 方法处理,结果如图3 所示。由图 3 可知,时间由开始到 1 13 s 时,两分量存在较近的瞬时频率,在使用传统的 SET 方法时,两瞬时频率中间出现了频率
22、混叠的现象,曲线中间出现虚假频率。这是因为传统 SET 方法处理多分量非平稳复杂信号时,各相邻分量瞬时频率不满足相应条件。141陈子慧,等:基于自适应 Fourier 分解-同步提取变换的机械故障诊断方法图 2信号 G(t)的时域图Fig 2 Time domain waveform of signal G(t)图 3传统 SET 方法Fig 3 Traditional SET method接着对仿真信号进行 AFD-SET 处理,AFD 算法选取单分量的原则是逐项最佳,使得部分和在能量上最大限度接近原函数,综合考虑选取分解层数为 200 层,将能量差最小的单分量进行自适应重构信号的时域图如图
23、 4 所示。图 4重构信号的时域图Fig 4 Time domain waveform of reconstructed signals相比于原始信号,重构信号滤除噪声影响,且较好地反映了原信号的时域特征。然后将重构信号进行 AFD-SET 处理,结果如图 5 所示。观察图 5,对重构信号进行 AFD-SET 处理,时频图未出现频率混叠,能准确识别两分量的瞬时频率。当信号各相邻分量瞬时频率不满足相邻模态瞬时频率差大于所选 SET 窗函数频率支撑范围的两倍时,AFD-SET 能有效抑制时频混叠现象,相比传统 SET 方法,时频更清晰,具有明显的优势。图 5AFD-SET 方法Fig 5 AFD-
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 自适应 Fourier 提取 变换 机械 故障诊断 方法 陈子慧
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。