基于滑动峰态算法的信号弱冲击特征提取及应用.pdfVIP

振动与冲击 SHOCK 第28卷第4期 JOURNAl．OFVIRR^rrIONAND 基于滑动峰态算法的信号弱冲击特征提取及应用 杨富春，周晓军，张志刚 (浙江大学机械与能源T程学院，杭州310027) 摘 要：机械故障振动信号中往往含有故障引起的弱冲击成分，冲击信号具有显著的非高斯特性，而零时滞四阶 累积量即峰态能够描述信号偏离高斯分布的程度；基于峰态这一特性，提取一种基于滑动峰态算法的弱冲击特征提取方 法，首先对原信号进行滑动峰态计算，获得一个新的峰态时间序列，然后对该峰态时间序列进行傅里叶变换，提取出信号 中冲击成分的频率特征。通过强背景信号及噪声环境下弱冲击特征提取的仿真研究，证明了该方法具有很好的冲击特征 提取能力。以实测齿轮断齿信号分析结果证明了该方法的有效性。 关键词：故障诊断；弱冲击信号；峰态；齿轮 文献标识码：A 中图分类号：TN911．7；THll3．1 在机械的故障诊断中，冲击信号的提取对于故障 (2) 的诊断具有重要的意义，尤其是故障引起的弱冲击信 g(rt)是一个与髫(n)具有相同二阶统计量的高斯 号，有关文献对此做了研究¨。J。实际机械设备运行 随机过程。按此定义，高阶累积量不但是时间序列高 过程中，故障产生的弱冲击信号往往淹没在强背景信 阶相关性的一种度量，也是它的非高斯性的一种度量， 号及噪声中，很难直接被识别出来…，且实际获得的机 即高阶累积量描述了随机过程偏离正态的程度。 械信号往往包含了冲击传递过程中的噪声一J。信号的 由上述高阶累积量定义可以导出零均值、零时滞 零时滞四阶累积量即峰态对非高斯信号非常敏感，而 下的四阶累积量为： 冲击信号则是典型的非高斯信号L4J。因此，本文提出 c。，=E[石4(n)]一3{E[戈2(，1)]}2(3) 一种基于滑动峰态算法的信号弱冲击特征提取方法， C4，描述了随机序列概率分布曲线尖或平的程度，称为 对信号时间序列进行滑动峰态计算，得到反映冲击特 峰态。 性的新的峰态时间序列，再对峰态时间序列进行傅里 冲击信号具有明显的非高斯分布特性，故其峰态 叶变换获得冲击特征频率。通过仿真和实例验证了该 分布具有尖峰和平尾特性[_川，而平稳高斯过程峰态值 方法的有效性。 为零，基于上述分析，提出了一种信号时间序列的滑动 峰态算法。对于一个时间序列z(n)，n=1，2，…，Ⅳ， 1滑动峰态算法原理 通过求取其滑动峰态值C(tj)，i=1，2，…，Ⅳ，以突出 在传统的信号处理中，高斯信号模型占据主导地 信号中的冲击特征。滑动峰态算法定义为： 位，统计信号的处理方法都是基本建立在二阶矩或者 c(ti)=c毛[菇(i)，戈(i+L一1)]， 二阶统计量的基础上的。但实际信号往往表现为非高 i=1，2，…，Ⅳ (4) 斯特性，传统的处理方法性能退化，高阶矩和高阶累积 式中，C(t)表示经过滑动峰态计算后的峰态时间序列， 量的出现(特别是三阶和四阶统计量)为非高斯信号的 J。 处理提供了有力的方法【4 值并取绝对值。 高阶累积量能够抑制高斯噪声，反映信号的非高 变换的具体步骤如下： 斯分布特性。设平稳随机过程为x(n)