国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于小波包分解的能量特征提取在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究

2016-11-22 05:41徐雪嬌
化工自動(dòng)化及儀表 2016年10期
關(guān)鍵詞:波包頻帶特征提取

于 波 徐雪嬌 鄭 聽

(東北石油大學(xué)電子科學(xué)學(xué)院,黑龍江 大慶 163318)

基于小波包分解的能量特征提取在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究

于 波 徐雪嬌 鄭 聽

(東北石油大學(xué)電子科學(xué)學(xué)院,黑龍江 大慶 163318)

針對(duì)旋轉(zhuǎn)機(jī)械的故障診斷問(wèn)題,結(jié)合LabVIEW和Matlab兩種軟件的優(yōu)點(diǎn),設(shè)計(jì)了旋轉(zhuǎn)機(jī)械振動(dòng)測(cè)試系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了振動(dòng)信號(hào)的讀取、分析與存儲(chǔ),利用小波包函數(shù)對(duì)振動(dòng)信號(hào)進(jìn)行分解,求出各頻段的能量值,并把能量值作為故障信息的特征向量進(jìn)行特征提取,進(jìn)而有效地進(jìn)行故障信息的模式識(shí)別。

故障診斷 旋轉(zhuǎn)機(jī)械 小波包分析 特征提取

大型旋轉(zhuǎn)機(jī)械是石油化工等重要工業(yè)領(lǐng)域中關(guān)鍵的動(dòng)力設(shè)備,如今在更多的領(lǐng)域都有著廣泛的應(yīng)用。轉(zhuǎn)子系統(tǒng)和軸承是大型旋轉(zhuǎn)機(jī)械中極為關(guān)鍵的兩個(gè)部件,由于轉(zhuǎn)子系統(tǒng)和軸承長(zhǎng)時(shí)間處于高速運(yùn)轉(zhuǎn)和高負(fù)荷運(yùn)行的狀態(tài),所以極易出現(xiàn)機(jī)械故障[1,2]。振動(dòng)信號(hào)含有豐富的旋轉(zhuǎn)機(jī)械運(yùn)行狀態(tài)信息,但在實(shí)測(cè)振動(dòng)數(shù)據(jù)分析過(guò)程中仍然會(huì)遇到許多問(wèn)題[3]。筆者主要介紹自行研發(fā)的旋轉(zhuǎn)機(jī)械振動(dòng)監(jiān)測(cè)系統(tǒng),該系統(tǒng)不僅可以對(duì)振動(dòng)信號(hào)進(jìn)行頻譜分析,而且利用小波包分解對(duì)振動(dòng)信號(hào)進(jìn)行特征提取,彌補(bǔ)了頻譜分析對(duì)非線性振動(dòng)信號(hào)故障特征提取的不足,并且通過(guò)小波包分解后各頻帶的不同能量值,利用模式識(shí)別方法對(duì)不同的故障類型進(jìn)行模式識(shí)別,進(jìn)而可以確定旋轉(zhuǎn)機(jī)械的各種故障類型。

1 基于小波包的故障特征提取①

1.1 小波包變換

小波包變換是在多分辨率分析基礎(chǔ)上構(gòu)成的一種更為精細(xì)的正交分解方法,它在全頻帶內(nèi)對(duì)信號(hào)進(jìn)行多層次的頻帶劃分[4]。小波包分析是小波分析的一種延伸,它可以將頻帶進(jìn)行多層次劃分,對(duì)高頻部分進(jìn)行進(jìn)一步分解,將原信號(hào)的頻率范圍平均分為2i個(gè)大小相等的頻段,如果分解層數(shù)足夠多,就可以使頻率差距較小且頻率較低的頻率分別落在不同的頻段內(nèi),進(jìn)而可以更精確地分析信號(hào),解決了小波分析在高頻部分分辨率低的缺陷。小波包變換建立在小波變換的基礎(chǔ)上,其定義為[5,6]:

其中,φn表示原信號(hào)序列,h0(k)和h1(k)分別表示長(zhǎng)度為2N的低通濾波器和高通濾波器。每進(jìn)行一次分解得到的低頻和高頻兩個(gè)序列都要再進(jìn)行分解,每分解一次,各頻段的數(shù)據(jù)量減半。

小波包的分解算法為:

小波包重構(gòu)算法為:

1.2小波包分析特征提取

在旋轉(zhuǎn)機(jī)械出現(xiàn)故障的情況下,振動(dòng)信號(hào)在某個(gè)頻段內(nèi)的能量減少,從而使得其他頻段內(nèi)的信號(hào)能量增加,可知各個(gè)頻段內(nèi)的信號(hào)能量包含了大量的故障信息,因此,可以建立振動(dòng)信號(hào)各頻段的能量信息與故障信息之間的映射關(guān)系,進(jìn)而識(shí)別故障類型。

首先,對(duì)振動(dòng)信號(hào)進(jìn)行小波包分解:

wpt=wpdec(data,3,′db1′,′shannon′)

以上程序?yàn)樾〔ò纸馓崛〉牡?層從低頻到高頻8個(gè)頻率成分的信號(hào)特征。data表示原振動(dòng)信號(hào),3代表分解的層數(shù),db1表示分解信號(hào)時(shí)所采用的小波函數(shù),shannon表示所采用的熵標(biāo)準(zhǔn)。

其次,對(duì)三層小波包分解系數(shù)進(jìn)行重構(gòu):

s130=wprcoef(wpt,[3,0])

s131=wprcoef(wpt,[3,1])

s132=wprcoef(wpt,[3,2])

s133=wprcoef(wpt,[3,3])

s134=wprcoef(wpt,[3,4])

s135=wprcoef(wpt,[3,5])

s136=wprcoef(wpt,[3,6])

s137=wprcoef(wpt,[3,7])

wpt表示被重構(gòu)的信號(hào),[3,0]表示所重構(gòu)的節(jié)點(diǎn)。

最后,求信號(hào)各頻帶的能量和,即總能量,并且構(gòu)造特征向量:

e=wenergy(wpt);

E=zeros(1,length(e));

for i=1:2^3

E(i)=sum(abs(wprcoef(wpt,[3,i-1])).^2);

end

E_total=sum(E);

for i=1:2^3

E(i)=E(i)/E_total;

end

其中,E_total表示各頻帶信號(hào)的總能量,E[i]表示歸一化的特征向量。

2 系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)

利用LabVIEW虛擬儀器設(shè)計(jì)一個(gè)旋轉(zhuǎn)機(jī)械振動(dòng)測(cè)試系統(tǒng)來(lái)實(shí)現(xiàn)振動(dòng)信號(hào)的采集、分析與處理,振動(dòng)測(cè)試系統(tǒng)流程如圖1所示。

圖1 振動(dòng)測(cè)試系統(tǒng)流程

系統(tǒng)以計(jì)算機(jī)作為硬件基礎(chǔ),以LabVIEW和Matlab兩種編程軟件作為軟件開發(fā)平臺(tái)[7]。

2.1數(shù)據(jù)的采集、分析與處理

LabVIEW中提供了一系列使用Windows底層函數(shù)編寫的與聲卡有關(guān)的函數(shù),利用這些函數(shù)可以方便地采用LabVIEW構(gòu)建基于聲卡的虛擬儀器。聲卡采集到的振動(dòng)信號(hào)伴有很多噪聲干擾,在進(jìn)行頻譜分析之前必須濾除干擾信號(hào)。振動(dòng)測(cè)試系統(tǒng)利用橢圓濾波器來(lái)濾除干擾信號(hào)。

頻域分析是以輸入信號(hào)的頻率為變量,在頻率域里研究系統(tǒng)的結(jié)構(gòu)參數(shù)與性能的關(guān)系,揭示信號(hào)內(nèi)在的頻率特性和信號(hào)時(shí)間特性與其頻率特性之間的密切關(guān)系,經(jīng)過(guò)快速傅里葉變換后,進(jìn)行頻譜分析??焖俑道锶~變換是離散傅里葉變換的快速算法。

2.2小波包分解

在LabVIEW中調(diào)用Matlab節(jié)點(diǎn)來(lái)實(shí)現(xiàn)上述小波包三層分解程序,節(jié)點(diǎn)調(diào)用程序如圖2所示,s130~s137分別顯示8個(gè)頻段的頻譜圖,能量1~8分別表示求出的8個(gè)頻段的能量值。

圖2 小波包函數(shù)在LabVIEW中的節(jié)點(diǎn)調(diào)用程序

2.3系統(tǒng)總體設(shè)計(jì)的實(shí)現(xiàn)

將各個(gè)功能模塊有效地組合到一起就構(gòu)成了振動(dòng)測(cè)試系統(tǒng)的基本程序框圖。通過(guò)測(cè)試數(shù)據(jù)來(lái)調(diào)試程序,使程序更加完善。完成程序的設(shè)計(jì)之后對(duì)前面板進(jìn)行排版美化,前面板如圖3所示。

圖3 振動(dòng)測(cè)試系統(tǒng)前面板

2.4實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)中分別檢測(cè)了3種故障:轉(zhuǎn)子不平衡、動(dòng)靜碰磨和油膜渦動(dòng)。將3種故障的振動(dòng)信號(hào)通過(guò)LabVIEW平臺(tái)上的振動(dòng)測(cè)試系統(tǒng)讀取出來(lái)并觀察其頻譜特征,再通過(guò)LabVIEW調(diào)用Matlab中的小波包分析函數(shù),分別對(duì)這3種故障的振動(dòng)信號(hào)進(jìn)行三層小波包分解,將信號(hào)平分成由低到高的8個(gè)子頻帶,求出各頻帶信號(hào)的總能量,構(gòu)造特征向量,經(jīng)過(guò)歸一化處理后得到能量直方圖。

轉(zhuǎn)子不平衡主要是由于轉(zhuǎn)子的結(jié)構(gòu)設(shè)計(jì)不合理、機(jī)械工作時(shí)間過(guò)長(zhǎng)而造成的磨損腐蝕,其頻譜圖如圖4所示,主要表現(xiàn)為一倍頻振幅大,出現(xiàn)較小的高次諧波,整個(gè)頻譜圖呈“縱樹狀”。對(duì)此振動(dòng)信號(hào)進(jìn)行特征提取后,轉(zhuǎn)子不平衡的8個(gè)頻段的能量直方圖如圖5所示。

圖4 轉(zhuǎn)子不平衡頻譜圖

圖5 轉(zhuǎn)子不平衡能量直方圖

動(dòng)靜碰磨的頻譜圖如圖6所示,主要表現(xiàn)為振動(dòng)信號(hào)既有一倍頻、二倍頻、三倍頻、四倍頻成分,又有大于五倍頻的高頻成分。對(duì)此振動(dòng)信號(hào)進(jìn)行特征提取后,動(dòng)靜碰磨的8個(gè)頻段的能量直方圖如圖7所示。

圖6 動(dòng)靜碰磨頻譜圖

圖7 動(dòng)靜碰磨能量直方圖

油膜渦動(dòng)的頻譜圖如圖8所示,主要表現(xiàn)為振動(dòng)的最大頻率出現(xiàn)在基頻二分之一左右的頻率上。對(duì)此振動(dòng)信號(hào)進(jìn)行特征提取后,油膜渦動(dòng)的8個(gè)頻段的能量直方圖如圖9所示。

圖8 油膜渦動(dòng)頻譜圖

圖9 油膜渦動(dòng)能量直方圖

由于信號(hào)經(jīng)小波包變換后的能量與原信號(hào)能量是等價(jià)的,并且旋轉(zhuǎn)機(jī)械不同故障狀態(tài)下的振動(dòng)信號(hào)具有較大的差異,對(duì)應(yīng)小波包分解后各頻帶的能量也不相同,所以根據(jù)上述實(shí)驗(yàn)得到的不同故障信號(hào)8個(gè)頻帶的能量值可以作為故障診斷的特征向量,將故障特征作為支持向量機(jī)的輸入向量,進(jìn)而對(duì)大量的故障信息進(jìn)行故障識(shí)別。

3 結(jié)束語(yǔ)

結(jié)合小波包能量特征提取的思想,以LabVIEW作為開發(fā)平臺(tái),設(shè)計(jì)了旋轉(zhuǎn)機(jī)械振動(dòng)測(cè)試系統(tǒng),并且利用LabVIEW對(duì)Matlab節(jié)點(diǎn)調(diào)用的功能,在程序中直接調(diào)用Matlab中的小波包分解函數(shù),通過(guò)小波包分解后的不同子頻帶的能量特征來(lái)診斷旋轉(zhuǎn)機(jī)械的不同故障類型。該系統(tǒng)的創(chuàng)新之處是將虛擬儀器的思想與旋轉(zhuǎn)機(jī)械故障診斷相結(jié)合,在旋轉(zhuǎn)機(jī)械振動(dòng)測(cè)試系統(tǒng)中,實(shí)現(xiàn)振動(dòng)信號(hào)的采集、分析與處理,觀察振動(dòng)信號(hào)的時(shí)域波形和頻譜圖,并且能夠得到故障信號(hào)各頻段的能量特征,將小波包分析與能量特征提取在虛擬儀器的平臺(tái)上很好地結(jié)合起來(lái),為故障模式識(shí)別提供了有效的方法,更有利于對(duì)現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行故障診斷。

[1] 費(fèi)成巍,白光忱,李曉穎.基于過(guò)程功率譜熵SVM的轉(zhuǎn)子振動(dòng)故障診斷方法[J].推進(jìn)技術(shù),2012, 33(2): 293~298.

[2] 陳虹微.旋轉(zhuǎn)機(jī)械振動(dòng)特征及診斷方法[J].噪聲與振動(dòng)控制, 2009, 29(1): 134~136.

[3] 趙海峰,楊國(guó)斌.基于振動(dòng)信號(hào)的深溝球軸承滾動(dòng)體故障診斷研究[J].化工機(jī)械,2014,41(3):291~295.

[4] 陳季云,李娟.基于小波包-支持向量機(jī)的滾動(dòng)軸承故障診斷[J].化工自動(dòng)化及儀表,2010,37(9):50~52.

[5] 藏玉萍,張德江,王維正.小波分層閾值降噪法及其在發(fā)動(dòng)機(jī)振動(dòng)信號(hào)分析中的應(yīng)用[J].振動(dòng)與沖擊, 2009, 28(8): 57~60.

[6] Yuan L F, He Y G, Huang J Y, et al. A New Neural-network-based Fault Diagnosis Approach for Analog Circuits by Using Kurtosis and Entropy as a Preprocessor[J].IEEE Transactions on Instrumentation and Measurement,2010,59(3):586~595.

[7] 盛兆順,尹琦嶺.設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)及應(yīng)用[M].北京:化學(xué)工業(yè)出版社,2003.

(Continued from Page 1055)

AbstractThe new thermal conductivity detector(TCD) was adopted in the experiment where the clean air, high-purity air and high-purity nitrogen were dissolved in the transformer oil to test on-line monitoring device.The results show that, the high-purity nitrogen is ideal carrier gas and in areas where high-purity nitrogen can be obtained easily, it has lower cost and higher practicability.

Keywordstransformer, gases dissolved in transformer oil, on-line monitoring, applicable carrier gas, TCD

ApplicationResearchonWaveletPacket-basedEnergyFeatureExtractionforFaultDiagnosisofRotatingMachinery

YU Bo, XU Xue-jiao, ZHENG Ting

(CollegeofElectronicScience,NortheastPetroleumUniversity,Daqing163318,China)

Aiming at the fault diagnosis of rotating machinery, having advantages of LabVIEW and Matlab considered to design a testing system for the rotating machinery was implemented.This system can realize the reading, analysis and storage of vibration signals; and it can make use of wavelet packet function to decompose the vibration signals and obtain the energy value of every frequency band and then have these energy values taken as features vector of fault information to extract their energy feature.This system can implement mode recognition of fault information.

fault diagnosis, rotating machinery, wavelet packets analysis, feature extraction

TH165+.3

A

1000-3932(2016)10-1056-04

2016-08-12(修改稿)

猜你喜歡
波包頻帶特征提取
基于支持向量機(jī)和小波包變換的EOG信號(hào)睡眠分期
Wi-Fi網(wǎng)絡(luò)中5G和2.4G是什么?有何區(qū)別?
基于Bark域的電子耳蝸頻帶劃分分析和擬合研究
原子雙阱勢(shì)中電子波包的非絕熱操控
基于Gazebo仿真環(huán)境的ORB特征提取與比對(duì)的研究
單音及部分頻帶干擾下DSSS系統(tǒng)性能分析
基于Daubechies(dbN)的飛行器音頻特征提取
Bagging RCSP腦電特征提取算法
基于小波包變換的樂(lè)音時(shí)—頻綜合分析程序的開發(fā)
LTE-U