本发明涉及一种基于时频熵谱的变工况振动信号故障诊断方法、系统,属于旋转机械故障诊断。
背景技术:
1、滚动轴承是旋转机械中使用最广泛的组件,其作为智能装备的关键零部件,被广泛应用与在航天、冶金、交通运输等领域。然而,由于其工作环境的恶劣性,滚动轴承极易发生故障。滚动轴承一旦出现故障,可能导致机械设备的损坏,甚至引发严重的安全事故。因此,对滚动轴承的故障诊断具有重要的工程意义。
2、传统的信号处理方法,如:经验模态分解,快速谱峭度图,奇异值分解,变分模态以及稀疏分解,傅里叶变换等被广泛应用于平稳轴承振动信号的故障特征提取与故障类型的识别中。然而实际生产过程中,设备的工况是多变的,相应的采集到的轴承振动信号也往往具有非平稳、非线性的特性。上述方法往往基于单一特征指标,如振动信号的幅值、频率谱等。无法准确识别各成分出现的时刻,进而导致故障诊断失效。
3、时频分析方法因其能够提供时域和频域的联合分布信息而被广泛应用于非平稳信号的分析处理。短时傅里叶变化、小波变化等是较为常用时频分析方法通过加窗操作将非平稳信号视为是多段平稳信号的组成,从而得到不同频率成分在时域上的变化趋势。但受窗函数和窗长选择的影响,时间分辨率和频率分辨率不能同时达到最优,且该类方法多反应的是能量的变化,当受到强噪声能量干扰时,时频图中瞬时频率曲线会被噪声能量淹没造成瞬时频率曲线(ifcf)提取精确不高甚至出现偏差,导致故障诊断出现差错。因此,开发一种结合多个特征,并可以对整个系统的复杂程度进行表征的时频方法仍然是变工况轴承故障诊断领域的重中之重。
技术实现思路
1、本发明提供了一种基于时频熵谱的变工况振动信号故障诊断方法、系统,通过采用新的时频图生成方法生时频熵谱,并进一步将时频熵谱与故障特征系数结合实现旋转机械故障诊断。
2、本发明的技术方案是:
3、根据本发明的第一方面,提供了一种基于时频熵谱的变工况振动信号故障诊断方法,包括:
4、步骤s1、将采集到的变工况旋转机械振动信号进行预处理,得到包络信号;对采集到的变工况旋转机械转速脉冲方波信号进行预处理,得到转频曲线;
5、步骤s2:基于短时傅里叶变化的时频分布、信息熵构建时频熵谱;
6、步骤s3:提取时频熵谱中的瞬时频率变化曲线;
7、步骤s4:基于故障特征系数模板实现变工况下旋转机械故障类型识别。
8、所述步骤s1,包括:
9、s1.1、将振动信号进行希尔伯特变化,得到包络信号;
10、s1.2、将同步采集的转速脉冲方波信号,标记所生成方波信号中的跳跃点,通过计算每个窗口中的跳跃点数量得到旋转频率;依据旋转频率,结合自编码函数,得到转频曲线。
11、所述步骤s2,包括:将包络信号进行短时傅里叶变化,得到包络信号的时频分布矩阵;对时频分布矩阵每一个时间窗口内的频谱进行归一化操作,得到归一化时频分布矩阵;依次计算归一化时频分布矩阵每一个时间窗口内的频谱熵,得到归一化包络时频熵谱。
12、所述依次计算归一化时频分布矩阵每一个时间窗口内的频谱熵,得到归一化包络时频熵谱,具体为:基于信息熵计算公式,计算频谱熵,将结果存储在预设全零矩阵的每一列中,待循环结束,得到归一化包络时频熵矩阵;依据归一化包络时频熵矩阵,绘制归一化包络时频熵谱。
13、所述步骤s3,具体为:利用多源时频脊线提取算法提取时频熵谱中的瞬时频率变化曲线。
14、所述步骤s4,具体为:计算瞬时频率变化曲线与转频曲线的比值,得到变工况旋转机械的瞬时故障特征系数变化线;将瞬时故障特征系数变化线与故障特征系数模板对比并进行误差分析,确定旋转机械的故障类型。
15、所述故障特征系数模板由标准故障特征系数变化线构建。
16、根据本发明的第二方面,提供了一种基于时频熵谱的变工况振动信号故障诊断系统,包括:
17、预处理模块,用于将采集到的变工况旋转机械振动信号进行预处理,得到包络信号;对采集到的变工况旋转机械转速脉冲方波信号进行预处理,得到转频曲线;
18、构建模块,用于基于短时傅里叶变化的时频分布、信息熵构建时频熵谱;
19、提取模块,用于提取时频熵谱中的瞬时频率变化曲线;
20、诊断模块,用于基于故障特征系数模板实现变工况下旋转机械故障类型识别。
21、本发明的有益效果是:
22、本发明利用生成的时频熵图谱能够解决传统短时傅里叶变化生成的时频图时瞬时频率分量被强噪声能量干扰导致无法清晰显示的问题;也为后续时频脊线提取的精确提取及故障诊断提供了更加有利的条件;通过结合归一化包络时频熵谱分析和故障特征系数模板技术,能够更好地适应变工况下的故障,能够提取多维特征信息,进而有助于更全面地描述滚动轴承的故障特征,从而实现滚动轴承故障类型的准确识别,提高故障诊断的准确性和可靠性。
23、综上所述,该发明通过引入多维特征信息,具备综合评估能力和适应变工况等优点,能够提高滚动轴承故障诊断的准确性、可靠性和预防维护能力,为工业设备的可靠运行和安全性提供了重要的技术支持。
1.一种基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,包括:
2.根据权利要求1所述的基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,所述步骤s1,包括:
3.根据权利要求1所述的基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,所述步骤s2,包括:将包络信号进行短时傅里叶变化,得到包络信号的时频分布矩阵;对时频分布矩阵每一个时间窗口内的频谱进行归一化操作,得到归一化时频分布矩阵;依次计算归一化时频分布矩阵每一个时间窗口内的频谱熵,得到归一化包络时频熵谱。
4.根据权利要求3所述的基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,所述依次计算归一化时频分布矩阵每一个时间窗口内的频谱熵,得到归一化包络时频熵谱,具体为:基于信息熵计算公式,计算频谱熵,将结果存储在预设全零矩阵的每一列中,待循环结束,得到归一化包络时频熵矩阵;依据归一化包络时频熵矩阵,绘制归一化包络时频熵谱。
5.根据权利要求1所述的基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,所述步骤s3,具体为:利用多源时频脊线提取算法提取时频熵谱中的瞬时频率变化曲线。
6.根据权利要求1所述的基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,所述步骤s4,具体为:
7.根据权利要求6所述的基于时频熵谱的变工况振动信号故障诊断方法,其特征在于,所述故障特征系数模板由标准故障特征系数变化线构建。
8.一种基于时频熵谱的变工况振动信号故障诊断系统,其特征在于,包括: