一种基于振动信号数据驱动的设备转速识别方法与流程

本发明涉及信号识别技术领域，尤其涉及一种基于振动信号数据驱动的设备转速识别方法。

背景技术：

对工程领域中的旋转机械设备来说，随着人类文明的进步和科学技术的不断发展，各种各样的机械设备开始逐渐进入到人类生活、生产的各个领域，这些设备不仅进入食品生产、交通运输、石油化工、电子电力等行业，同样广泛应用于航天、国防、核能、量子等其他领域。随着科学技术的不停进步和工业发展的强大需求，机械生产设备也不断向着高强度、高速运行、连续工作的方向迅猛发展。但是，随着工作要求越来越高，实际工作过程中不能完全排除各种各样的系统误差、操作不当、设备损耗、系统老化等因素，这样设备在运行过程中难免会出现各种各样的问题，由于设备故障使得机器停机、损失日益加剧，严重的甚至造成人员伤亡等严重后果。

为了降低此类事故的发生概率，就必须有效对设备运行状态进行及时的监测，在故障产生时尽早给出可靠的警示和诊断结果，以防止进一步灾难的发生。在现代工业生产中，机械设备的可靠监测与有效诊断，能够给社会带来巨大的经济效益，确保设备和人身的安全，降低事故发生概率。而旋转设备在整个机械设备领域中有着举足轻重的地位，该类部件的状态监测与故障诊断对生产更显得尤为重要。

在众多广泛应用旋转机械的行业中，石油、煤炭、风电、化工、钢铁等行业由于其特殊的应用场合和应用需求，设备大多需要24小时不停机，且基本上都处于无人值守的状态。这样的工况对设备的在线监测系统提出了更高的要求：不仅需要及时针对设备的状态自动提供可靠的报警信息，此外由于工业现场环境复杂、工况各异、施工难度大，使得满足对原场景影响小、安装部署方便、施工简单、易于快速上云和边缘计算实时反馈等需求的无线监测系统更受青睐。

目前，行业上通常会采用振动或声音传感器采集由于损伤冲击而产生的信号(例如振动信号、位移信号、声音信号等)，通过分析信号中这种阻尼衰减冲击响应的周期来判断当前零部件是否出现了某种类型的故障，进而对设备当前状态做出可靠的评估和诊断结论，用于指导企业的后续生产与检修计划。而信号的实际冲击周期与设备故障特征匹配过程中，需要知道设备的转速，才能形成相应的对应关系。这就需要我们能够获取设备当前的转速信息，一方面判断设备当前处于停机或运行状态以提高数据有效性，一方面通过转速信息计算旋转设备故障特征进行诊断分析。

现阶段工业上常用的转速获取方式大体可以分为两类：加装转速传感器直接采集转速数据，或者通过振动等信号采用数据驱动方法识别转速。前者在实现上直观，但是受限于成本限制、施工难度以及无线系统中转速测量困难等问题，越来越多的企业、学者研究采用第二种方法来获取设备的转速信息。比如对时域信号进行带通滤波和包络解调，以包络谱的峰值频率来计算电机转速(范德功用于获取风力发电机组的转速的方法和设备，cn103116032a)或者直接通过振动信号的频谱峰值来提取设备的转速，进而实现有效振动信号数据的存储(王沛然基于从风机振动信号中提取转速的振动信号筛选存储装置，cn204789610u)；也有利用预估转速范围的先验知识，结合快速傅里叶变换(fastfouriertransform：fft)和汉宁窗，计算预估范围内最大频谱来精确提取转速的相位信息(杨军一种使用振动信号精确提取转速信号的方法，cn106092524a)；郭瑜等还提出一种利用滚动轴承的损伤特征所引起的时域信号冲击特性，提取冲击位置信息并计算保持架转速，进一步获取轴转速(郭瑜一种通过滚动轴承滚道剥落故障对应冲击特征提取转速的方法，cn106053871a)。

尽管目前现有的技术或方案在一定场合下可以通过振动等信号计算出设备的转频信息，但是以上述提到的几种方法为代表的大部分现有技术方案，均存在以下一个或多个缺陷与不足：

现阶段大部分工业现场采用系统外接转速传感器的方案，来采集获取设备的转速信息。尽管该方法直接有效，但有线监测系统中转速传感器需要在旋转部件上加装键相或者反光片，传感器本体通过安装支架固定在设备底座，再将线缆接入采集系统，现场施工麻烦，可靠性低；无线监测系统中，同样存在键相或反光片安装、传感器本体固定等问题，而且由于电池供电对低功耗的要求，目前市场上还没有性价比合适的无线转速传感器。

另外一部方法分通过振动等信号处理，计算提取设备转速信息，采用的技术路线基本上为fft频谱分析，该类方法的区别在于获取频谱之前是否经过滤波或者包络解调。无论通过滤波还是包络解调，不可避免地会涉及预处理的先验参数，而这些参数我们通常无从得知；另一方面，仅仅利用频谱或者包络谱的峰值频率成分来判断设备的转频，在很多场合是无效的，因为在设备故障时，包络谱中可能会存在占据主导的设备故障特征频率，而频谱中可能也会由于轴不对中、不平衡等问题导致二倍甚至高倍转频能量高，这些情况将导致错误的转速提取结果。

还有一部分方法，只能用于某些特定的场合。比如前面提到的通过预估转速范围结合fft和加窗计算，实现转速的相位信息的精确提取，该方法转速预估范围需要相当精准，而实际应用场合这一信息一旦已知，转速提取将变得意义不大；利用设备特定部件的损伤特征所引起的时域信号冲击特性，来实现冲击位置信息的提取并计算轴的转速，该类方法通用性较差，仅仅可以适用于设备中已出现明显的故障特征，对于早期故障或者设备的预测性维护则难以起到效果。

可见，目前的旋转设备状态监测与故障诊断过程中，转速获取方法时存在的以下主要问题：物理传感器加装困难、部署复杂、提取算法运算复杂度高、需要准确的先验参数、强噪声环境识别准确度低、高频段能量高时无法提取、方法通用性差等。

技术实现要素：

基于背景技术存在的技术问题，本发明提出了一种基于振动信号数据驱动的设备转速识别方法。

本发明提出的一种基于振动信号数据驱动的设备转速识别方法，包括：

s1、获取原始振动信号，并通过fft计算获得原始振动信号的复频谱；

s2、通过频率筛选获取有效频段内的复频谱作为有效信号复频谱，并根据有效信号复频谱和原始振动信号进行计算，获得有效频段内的等效速度实频谱；

s3、计算速度谱的各谱峰值与对应的本底能量之间的差值，并获取最大差值对应的频率作为目标频率；

s4、当最大差值大于目标频率处的本底能量，则将目标频率作为设备当前的旋转频率并输出。

优选的，步骤s1中，通过fft计算获得原始振动信号的复频谱的fft变换模型为：

其中，px[k]表示原始振动信号中第k段信号x[k]对应的复频谱幅值；k＝0，1，2，...，n-1；i为虚数单位；x[n]为原始振动信号中第n段信号，n为原始振动信号长度。

优选的，步骤s2具体为：预设有效频段，获取有效信号复频谱，并根据有效信号复频谱和原始振动信号进行计算，获得有效频段内的等效速度实频谱。

优选的，步骤s2中，有效频段＝[4hz，100hz]。

优选的，步骤s2中，根据有效信号复频谱和原始振动信号进行计算，获得有效频段内的等效速度实频谱的具体方式包括：

s21、根据原始振动信号长度n和信号采样频率fs，计算得到复频谱对应的频率数组；

s22、根据有效信号复频谱和对应的频率数组计算有效频段内的等效速度实频谱。

优选的，步骤s21中，频率数组计算模型为：

其中，f[k]为原始振动信号中第k段信号对应的频率组数；k＝0，1，2，…，n-1；n为原始振动信号长度，fs为采样频率。

优选的，步骤s22中，速度谱的计算模型为：

px_vel[f]＝|-i×px_value[f]/f|；

其中，px_vel[f]为速度谱，i为虚数单位，px_value[f]为有效信号复频谱，f为频率组数。

优选的，步骤s3具体包括：

s31、提取速度谱中的峰值数组px_vpeak[f]，并通过滤波处理获得速度谱的本底能量px_base[f]；

s32、计算各峰值数组px_vpeak[f]与对应的本底能量px_base[f]之间的差值differ[f]＝px_base[f]-px_vpeak[f]；

s33、获得differ[f]的最大值及其对应的频率f0，以频率f0作为目标频率。

优选的，步骤s31中，通过中值滤波、均值滤波或者平滑滤波对速度谱进行滤波处理，获得速度谱的本底能量。

优选的，步骤s31中，通过滑动窗提取、相敏检波或者微分筛选从速度谱中提取峰值数组px_vpeak[f]。

本发明提出的一种基于振动信号数据驱动的设备转速识别方法，以提取的峰值与本底能量差值方式实现搜索转频，避免了仅仅通过频谱或者包络谱的最大频率成分来判断设备的转频，大大提高了转速提取的准确度，避免了由于本底抬高导致的转速误识别，有效地避免了速度谱计算过程中所带来的低频干扰，实现了较强的抗干扰能力和鲁棒性。

本发明基于振动数据来提取设备转速，避免了现场加装转速传感器的复杂部署过程；且运算简单，易于在嵌入式系统中集成，实现边缘计算和转速的实时提取。

本发明完全基于采集的振动数据进行转速识别，无需根据设备型号或振动信号进行任何的先验参数判断，实现真正意义上数据驱动下的完全自主识别，具有更普遍的适用性。

本发明适用于旋转机械故障诊断系统中基于振动信号的完全数据驱动转速识别，在准确获取设备转速的前提下实现设备故障的可靠监测与诊断。

附图说明

图1为本发明提出的一种基于振动信号数据驱动的设备转速识别方法流程图；

图2为本发明提出的一种基于振动信号数据驱动的设备转速识别方法中信号流转示意图；

图3为实施例1中原始振动信号的时域波形图；

图4为图3所示时域波形图经过fft变换后的复频谱图；

图5为实施例1中等效速度实频谱图；

图6为图5中本底能量和谱峰值示意图；

图7为实施例2中原始振动信号的时域波形图；

图8为图7所示时域波形图经过fft变换后的复频谱图；

图9为实施例2中等效速度实频谱图；

图10为图9中本底能量和谱峰值示意图。

具体实施方式

参照图1、图2，本发明提出的一种基于振动信号数据驱动的设备转速识别方法，包括：

s1、获取原始振动信号，并通过fft计算获得原始振动信号的复频谱。

具体的，本步骤中，通过fft计算获得原始振动信号的复频谱的fft变换模型为：

其中，px[k]表示原始振动信号中第k段信号x[k]对应的复频谱幅值。k＝0，1，2，...，n-1。i为虚数单位。x[n]为原始振动信号中第n段信号，n为原始振动信号长度。

s2、通过频率筛选获取有效频段内的复频谱作为有效信号复频谱，并根据有效信号复频谱和原始振动信号进行计算，获得有效频段内的等效速度实频谱。如此，速度谱的获得经过了频率筛选和频域变换，有利于避免速度谱中的高频段能量和噪声的干扰。

本步骤中，有效频段可采用预设值。如此，本步骤具体为：预设有效频段，获取有效信号复频谱，并根据有效信号复频谱和原始振动信号进行计算，获得有效频段内的等效速度实频谱。具体实施时，有效频段可取值有效频段＝[4hz，100hz]。

本步骤s2中，在速度谱计算时，首先根据原始振动信号长度n和信号采样频率fs，计算得到复频谱对应的频率数组；然后根据有效信号复频谱和对应的频率数组计算有效频段内的等效速度实频谱。

具体的，本实施方式中，频率数组计算模型为：

其中，f[k]为原始振动信号中第k段信号对应的频率组数。k＝0，1，2，…，n-1。n为原始振动信号长度，fs为采样频率。

速度谱的计算模型为：

px_vel[f]＝|-i×px_value[f]/f|。

其中，px_vel[f]为速度谱，i为虚数单位，px_value[f]为有效信号复频谱，f为频率组数。

s31、提取速度谱中的峰值数组px_vpeak[f]，并通过滤波处理获得速度谱的本底能量px_base[f]。

具体实施时，本步骤中，通过滑动窗提取、相敏检波或者微分筛选从速度谱中提取峰值数组px_vpeak[f]，并可通过中值滤波、均值滤波或者平滑滤波对速度谱进行滤波处理，获得速度谱的本底能量。

s32、计算各峰值数组px_vpeak[f]与对应的本底能量px_base[f]之间的差值differ[f]＝px_base[f]-px_vpeak[f]。

s33、获得differ[f]的最大值及其对应的频率f0，以频率f0作为目标频率，具体可记作differ_max[f＝f0]。

如此，结合步骤s31到s33，通过计算速度谱的各谱峰值与对应的本底能量之间的差值，获取最大差值对应的频率作为目标频率。

s4、当最大差值大于目标频率处的本底能量，则将目标频率作为设备当前的旋转频率并输出。即，本实施方式中，如果：

differ[f＝f0]＞px_base[f＝f0]；

则，将目标频率f0作为设备的旋转频率即转频输出，记作frpm＝f0。

本步骤s4中，以提取的峰值与本底能量差值方式实现搜索转频，避免了仅仅通过频谱或者包络谱的最大频率成分来判断设备的转频，大大提高了转速提取的准确度，避免了由于本底抬高导致的转速误识别，有效地避免了速度谱计算过程中所带来的低频干扰，实现了较强的抗干扰能力和鲁棒性。

如此，本实施方式中，基于振动数据来提取设备转速，避免了现场加装转速传感器的复杂部署过程；且运算简单，易于在嵌入式系统中集成，实现边缘计算和转速的实时提取。

本实施方式中，完全基于采集的振动数据进行转速识别，无需根据设备型号或振动信号进行任何的先验参数判断，实现真正意义上数据驱动下的完全自主识别，具有更普遍的适用性。

以下结合两个具体的实施例，对本发明做进一步解释。

实施例1

本实例实际采集的设备带有轴承内圈故障特征。

本实施例中，将加速度传感器安装于待监测部件的表面，以采样频率fs＝51000hz进行采样，得到原始振动信号x[n]，其波形如图3所示，采样信号长度n＝32768。从图3所示时域波形上可以看到明显的周期性冲击。

下面利用本发明所提实施步骤对信号进行处理：

a)通过fft计算原始振动信号的复频谱的谱图如图4所示。其中大部分的频率均为包含了内圈故障调制的频率成分，从图4所示频谱图中可以看出在低频段存在一个约为43.58hz的峰值，实际上即为设备的旋转频率(2600rpm)，但是在没有先验知识的前提下，通过常规的频谱峰值提取是难以获取设备转速信息的。

b)经过频率筛选、频域变换，获得原始振动信号在有效频段内的等效速度实频谱，如图5所示。可见，速度谱对设备的转频分量实现了有效地保留和放大。

c)对速度谱分别进行中值滤波和峰值提取，得到的速度谱本底能量px_base[f]和速度谱峰值分布px_vpeak[f]，如图6所示，并计算二者的差值，最终得到差值最大点对应的f0＝43.58hz，即为设备当前的旋转频率。

实施例2

本实施例中，以采样频率fs＝12000进行采样，得到原始振动信号x[n]，其波形及频谱如图5所示，采样信号长度n＝16384。从图7所示时域波形中可见该信号中设备故障冲击不明显，整体信号噪声水平较高。

同样利用本发明所提实施步骤对信号进行处理如下：

a)通过fft计算得到原始振动信号的复频谱如图8所示。可见，由于高频段的频率成分丰富而且能量较高，设备转频被完全淹没在低频段，而且其倍频能量较高，局部放大也无法准确判断设备转速。

b)计算原始振动信号在有效频段内的等效速度实频谱如图9所示，从图9可看出转频成分(28.56hz)被明显放大，但是低频段的干扰成分也同样被一定程度放大。

c)接着对速度谱分别进行中值滤波和峰值提取，得到的速度谱本底能量px_base[f]和速度谱峰值分布px_vpeak[f]如图10，计算二者的差值得到差值最大点对应的f0＝28.56hz，即为设备当前的旋转频率。

以上所述，仅为本发明涉及的较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。