机电设备早期故障微弱信号的非线性检测方法及工程应用.pdfVIP

第 24卷第 5期 振 动 工 程 学 报 V01．24NO．5 2011年 1O月 JournalofVibrationEngineering 0ct．2011 机 电设备早期故障微弱信号的非线性检测方法 及工程应用 胥永刚，马海龙，付 胜，张建宇 (北京工业大学机械工程 与应 用电子技术学院北京市先进制造技术 重点实验室 ，北京 100124) 摘要 ：阐述 了并联随机共振 、混沌振子、差分振子的基本原理和数学模型。并联随机共振利用相关分析从多个随机 共振输 出结果中提取 出相同成分，在一定程度上减小了对参数设置 的依赖性 。当混沌振子从混沌状态 向大尺度周 期状态转变时，其相图的Hu氏不变矩值将发生明显的跃变，利用Hu氏不变矩的跃变对混沌振子的状态进行 自动 定量识别 。差分振子相 图的大小与待检测信号幅值之间呈现 出一种线性 比例关系，弥补 了差分振子不能检测信号 幅值的缺陷。将这三种非线性方法应用于机 电设备故障诊断中，成功地提取出了设备早期故障的微弱特征信息，取 得 了理想 的效果 。 关键词：并联随机共振；故障诊断；混沌振子 ；不变矩；差分振子 中图分类号 ：O324；TP206 ．3 文献 标识码 ：A 文章编号 ：1004—4523(2011)05—0529—10 人将差分振子用于同步发电机转子匝间短路故障检 引 言 测 ，验证 了方法的有效性 ，但在信号幅值检测方面缺 少分析和探讨。 机电设备早期故障的微弱信号检测一直是故障 本文另辟蹊径 ，提出了并联随机共振的思想 ，设 诊断领域的研究热点。目前，微弱信号检测方法主要 法从相同数据不同参数随机共振输出结果 中提取相 集中于两个方面 ：一是利用现代信号处理方法对噪 同的信号成分，同时提出了利用Hu氏不变矩对混 声进行抑制或消除[1]，当噪声频率与信号频率相等 沌振子状态进行 自动识别及定量表征，探讨 了差分 或接近时，该类方法在抑制噪声的同时，亦不可避免 振子相 图的大小与待检测信号幅值之 间的关系，取 地损伤到有用信号，极大地影响了微弱信号检测的 得 了一些有益的结果 ，最终将三种方法应用于工业 效果 ；二是利用一些非线性系统 自身的特性对微弱 现场机 电设备早期故障的微弱特征提取 中，取得了 信号进行检测 ，常用的非线性方法有随机共振、混沌 较好 的效果 。 振子和差分振子等 口 ]。 随机共振系统结构参数严重影响着输 出结果 ， 1 并联随机共振 如何 白适应选择系统参数以达到最优输出，始终是 困扰各种随机共振算法的难题 。文献 [5]提出了以待 工程实测 的振动信号 中，低频成分承载着反映 检测频率达到最大值为最终判据的 自适应扫频随机 设备运行状态的信息 。但在实测信号的频谱 中，信号 共振法 ，文献[6]提出了以近似熵为信号复杂性判据 的低频成分常常被强大的背景噪声所淹没难 以识 的自适应随机共振法 。这两种方法均是以不断调整 别。随机共振法将高频部分的能量转移到低频部分 系统参数为前提的，严重影响了算法的求解速度 。混 以达到信噪比增强的 目的 。 沌振子以输出相图的显著变化来检测微弱信号 ，李 1．1 随机共振的数学模型 崇 晟采 用 符号序 列统计 量来 识 别 振子 的状态 变 化L7]，李月以系统输 出周期解 的平均面积为判据实