机械故障诊断信号特征提取信号分析技术.pptVIP

机械故障诊断 主讲:刘贵杰 2012年10月19日 　　在故障诊断的信号分析中需要对信号采样。而真实的振动信号的时间历程是无限长的，采样就是对无限长的信号进行截取。也就是对x(t)信号乘以w(t)函数，当w(t)=0时，乘积的结果y(t)=0；当w(t)=1时，乘积的结果y(t)=x(t)。根据富里叶变换的特性，在时域内，2个信号的乘积，对应于这2个信号在频域的卷积。 4.2.4 截断、泄露与窗函数 由于w(t)在频谱中是连续无限的函数，它与x(t)信号在频域的卷积，必然造成x(t)信号的能量分散到w(t)的谱线上，这就是所谓的谱泄漏。换句话说，就是频域卷积的结果，将使得在频谱图中出现不属于x(t)信号的谱线，它们是w(t)的谱线。这些w(t)的谱线中以w(t)的第一旁瓣影响最大。为了减少谱泄漏，工程上采用两种措施。 4.2.4 截断、泄露与窗函数 减少谱泄漏的措施 　第一种措施，加大矩形窗的时间长度，即增大采样的样本点数。也就是使w（f）的主瓣尽量地高而窄，能量最大限度地集中于主瓣，将旁瓣尽量压缩。同时主瓣愈窄愈好。 　第二种措施，采用旁瓣较低的函数作为采样窗函数，如汉宁窗、海明窗等等。这类窗函数与矩形窗的显著区别在于：矩形窗在开始与终止处是突变的，从0一下跳到1。而这类窗函数是渐变的，按函数式从0缓慢地上升，直到中间点才上升到最大（有的是1，有的修正到大于1），然后再缓慢下降到终点0。 　　除矩形窗之外的窗函数所存在的不足有：第一，初相位信息消失。所以采用它们的频谱分析软件没有相频谱图。第二，谱图中的幅值相对实际信号该频率成份的幅值存在着失真。失真度的大小与所取的修正值相关。 常用窗函数的时域图和频谱图 　 图4—6 矩形窗的时域、频域曲线图 图4—7 汉宁窗的时域、频域曲线图 图4—9 采样过程 　　 如果以xc（t）代表采样获得的数据信号，x（t）代表原始的连续时间信号，则xc（t）可以看成是x（t）与脉冲序列δ0（t）的乘积。脉冲序列δ0（t）是一系列的脉冲函数，数学表达式为： 　　图4—9表现了这一过程。（a）图左边是x（t）的时域曲线，右边是x（t）的频谱；（b）图是采样函数δ0（t），左边为时域图像，右边是δ0（t）的频谱。（c）图的左边是x（t）与δ0（t）的乘积，右边是X（f）与Δ（f）卷积的结果。 4．2．5 频混和采样定理 采样定律 　　对信号x(t)采样时，一定要有合适的采样频率。设x(t)所包含的各成份中最高频率为fx，这要靠抗混低通滤波器来实现（截止频率稍高于fx）。快速富里叶变换（FFT）的最高分析频率fc=(1.5～2) fx，采样频率fs=2fc=(3～4)fx。 1. 量化误差 　　模拟信号的幅值是连续的，而数字信号受到位数的限制，其值是跳跃的。模拟信号在数字化过程中采样点的幅值若落在两相邻的量化值之间，就要舍入到邻近的一个量化值上，造成了量化误差。量化误差必然给原信号的频谱造成误差，也使得对数字序列的积分存在较大的失真。减小量化误差只能选用位数高的A/D转换装置，从而增大了故障诊断系统的成本。 4．2．5 量化误差和栅栏效应 快速富里叶变换FFT是一种离散富里叶数字算法，其变换计算出的频谱谱线也是离散的。离散谱线之间的频谱被忽略，其能量分配到相邻的离散谱线上，由此造成频率误差，这就是栅栏效应。 　　两条离散谱线的频率间隔称为频率分辨率Δf。 　　其中： ——采样频率；N ——样本点数 　　提高频率分辨率的方法是加大样本点数N，同时也增加了FFT的计算量。 2. 栅栏效应 4．3 信号特征的图像表示 信号特征在时域中的统计指标有两类：单值函数类和分布 函数类。机械故障诊断系统因为需要对所提取的信号特征 进行明确的解释，以指导设备维护工作。时域信号统计指 标的主要任务是用于判定：机械设备是否有故障（故障隐 患）、程度如何、发展趋势怎样等这类维修指导性工作。 单值函数类统计指标以简单的1个数值来实现判定要求， 因而成为机械故障诊断系统中时域信号特征的主要指标。 它们是：平均值、均方根值（有效值）、峰值指标、脉冲 指标、裕度指标、歪度指标、峭度指标。 　　 4．3．1 统计指标的图像表示 其中最主要的是均方根值，它是判定是否存在故障的重要指标。其它指标用于回答程度如何，这些指标的时间历程曲线用于回答发展趋势怎样。 因为单值函数就是一个结果值，所以通常是用条形图或类似图形来表示。图中需表示以下几个要素： 统计指标的名称——均方根值 统计指标的数值——12.7 数值的物理单位——μm 警告限（又称一级报警限）——11.4 报警限（又称二级报警限）——15.6 4．3．1 统计指标的图像表示 　色条突破警告限意味着机械设备 已经有故