ww基于滑动峰态算法的信号弱冲击特征提取及应用.pdfVIP

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工程学院，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，本文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 时间序列进行傅立叶变换，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。 关键字：故障诊断, 弱冲击信号, 峰态, 齿轮 中图分类号：TN911.7 TH113.1 引言 （1） 在机械的故障诊断中，冲击信号的提取 对于一个零均值平稳随机过程，x(n) 的 对于故障的诊断具有重要的意义，尤其是故 k 阶累积量定义为： 障引起的弱冲击信号，有关文献对此做了研 c (τ ,τ ,...,τ ) 究[1~3] 。实际机械设备运行过程中，故障产 kx 1 1 k −1 E [x (n )x (n =+τ )...x (n +τ )] （2 ） 生的弱冲击信号往往淹没在强背景信号及 1 k −1 −E [g (n)g (n +τ )...g (n +τ )] 噪声中，很难直接被识别出来[1]，且实际获 1 k −1 得的机械信号往往包含了冲击传递过程中 g(n)是一个与 x(n)具有相同二阶统计量 的噪声[3] 。信号的零时滞四阶累积量即峰态 的高斯随机过程。按此定义，高阶累积量不 对非高斯信号非常敏感，而冲击信号则是典 但是时间序列高阶相关性的一种度量，也是 型的非高斯信号[4] 。因此，本文提出一种基 它的非高斯性的一种度量，即高阶累积量描 于滑动峰态算法的信号弱冲击特征提取方 述了随机过程偏离正态的程度， 法，对信号时间序列进行滑动峰态计算，得 由上述高阶累积量定义可以导出零均 到反映冲击特性的新的峰态时间序列，再对 值、零时滞下的四阶累积量为： 峰态时间序列进行傅立叶变换获得冲击特 4 2 2 （3 ） c4x E[x (n)] =−3[E[x (n)]] 征频率。通过仿真和实例验证了该方法的有 效性。 c4x 描述了随机序列概率分布曲线尖或平的 程度，称为峰态。 1 滑动峰态算法原理 冲击信号具有明显的非高斯分布特性， 在传统的信号处理中，高斯信号模型占 故其峰态分布具有尖峰和平尾特性[7] ，而平 据主导地位，统计信号的处理方法都是基本