基于風機振動信號的特征提取技術

在對滾動軸承進行特征提取時，根據提取狀態量的不同來分類，滾動軸承故障診斷方法主要有振動分析法、溫度法、油液分析法、聲發射法等，其中振動分析法是目前發展較為成熟的診斷方法。振動分析法通過軸承座上的振動傳感器來獲取軸承振動信號，然后對其進行預處理、信號分析等，進而來判斷滾動軸承的工作狀態。對滾動軸承的故障診斷通常通過信號采集與分析、特征提取等過程實現其振動分析，進而應用故障診斷方法實現對滾動軸承故障的識別。其中，對振動信號的有效特征提取是故障診斷過程的核心。下面分別對基于振動信號的特征提取技術與故障診斷技術進行簡要介紹。
1.2.1  基于振動信號的特征提取技術研究現狀
1.2.1.1  基于時域分析的特征提取
振動檢測方法中最早應用時域診斷方法，僅從時間序列上觀察分析，很難看出滾動軸承是否出現故障。因此，必須對這些時間序列進行統計分析，得到觀測樣本
的各種數字統計參數及分布函數，應用廣泛的有峰值、均值、均方根值、方差、概率密度函數、概率分布函數以及無量綱參數如峭度、裕度、波形指標、峰值指標、脈沖指標等。
孔亞林利用峭度、裕度參數對棒材廠軋機和熱軋廠風機軸承進行了故障診斷，并取得了良好效果。J. Vass 等提出峭度比的概念，利用閾值檢測法并將其用于滾動軸承故障診斷中。上述時域統計特征法，在工程實踐中得到了很好的應用。
1.2.1.2  基于頻域分析的特征提取
傅里葉變換是信號處理領域內很重要的一種算法。有的機械故障具有固定的特征頻率，通過傅里葉變換，可以觀察到時域內不易發現的信號特征，得到信號內在
的頻譜特征。而快速傅里葉變換在計算機中的應用，加快了運算速度和應用范圍。以傅里葉變換為基礎的信號分析方法有功率譜、奇異譜、能量譜、細化譜、矢雙譜、階次譜、包絡譜等。
由于出現故障的滾動軸承會產生調幅調頻的特征，所以包絡分析成為滾動軸承故障特征分析的有效方法之一。Yu Guo 等針對滾動軸承變速運行工況下非平穩振動
信號特性，提出了包絡階次跟蹤技術方法，利用等角度重采樣技術，將時域非平穩信號轉換為角域的平穩信號，并成功用于滾動軸承故障診斷。Yuh-Tay Sheen 提出了一種基于系統共振模式的包絡估計算法，大大降低了信號背景噪聲，有效提取故障特征，并提出指數式衰減頻率作為滾動軸承故障程度的量化指標。
1.2.1.3  基于時頻分析方法的特征提取
時頻分析方法就是通過時間和頻率的聯合分布函數來表示信號，核心思想是通過時間和頻率兩個相平面描述信號的局部特征，既可以觀察到局部時域內的頻率組
成，又可以觀察到各個頻段內的時間序列排布。短時傅里葉變換(Short-Time Fourier Transform,  STFT)是應用最早、最基本的時頻分析方法。STFT 將不平穩過程看作一系列短時平穩信號的疊加，而短時性是通過時域上的加窗來實現，并通過一系列平移參數來覆蓋整個時域。Wigner-Ville 分布是 1948 年由 Ville 將 Wigner 分布引入信號分析領域，是一種時頻能量表述型函數，它具有很多優越的特性，如對稱性、平移不變性、有限支撐性、重構性、時頻伸縮性、乘積性與卷積性等，很適合分析非平穩信號。
小波變換是由法國人 Morlet 于 1984 年提出的，其時頻窗口具有自適應性，因此它被稱為數學顯微鏡。小波變換自問世以來，得到了廣泛的應用，如信號時頻分析、圖像處理、消噪去噪、邊緣檢測等領域，小波變換在旋轉機械設備特征提取方面也得到了廣泛的應用，如林京、Sun Q、何曉霞利用連續小波變換對滾動軸承故障進行了診斷，并取得較好的診斷效果；張中民、史東鋒等利用小波包絡分析對滾動軸承進行了研究。
 

石家莊風機廠石家莊風機石家莊風機銷售石家莊風機維修