基于小波包的旋转机械故障分析.docVIP

基于小波包的旋转机械故障分析 　　0 引 言 　　旋转机械主要是指需要依靠旋转动作来实现一定功能的机械，常见的旋转机械有压缩机、汽轮机、风机、发电机等，在国防科技、居民生活、工业生产中占据重要位置。其工作状态的好坏，对工作人员的人身安全以及企业的经济效益有着直接的影响。因此确保旋转机械正常运行就变得相当重要。 　　旋转机械发生故障主要是指它的动态性能下降，相关技术指标不能达到，产生故障的原因形式各异，我们所观察到的故障特征信息也不相同。旋转机械故障诊断技术就是对故障设备进行采样，然后对采样信息分析处理，最终判断出故障部位的一门技术。 　　振动是旋转机械故障的固有的特征表象，振动信号中含有大量的机械原始信息，通过获取故障时的振动信号，进行故障诊断是旋转机械故障诊断技术中的一个重要手段。 　　传统的故障诊断技术中常使用傅里叶变换(FFT)来对故障信号进行分析，不过傅里叶变换不能把故障信号中的微弱信息显现出来，不能对故障信号进行了特定时间点位抑或固定频率段的放大分析。而小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率(宽分析窗口)，在高频段，可用低频率分辨率和高时间分辨率(窄分析窗口)，适合于监测正常信号中夹杂的瞬时异常信号并对其进行分析。 　　1 小波算法分析及小波滤波重构 　　1.1 小波算法分析 　　用小波基的方法对离散的随即信号分析，分解到不同的频段上面，其主要方法时把前一级i的第m个信号段分割为次一级i+1的第2m-1和2m两个子信号段。 　　1.2 小波滤波重构 　　首先用小波分析对采样信号进行高通滤波，取得高频频段，令其为小波系数B1，对采样信号采用低通滤波，得到低频频段，令其系数为A1，如此重复对低频段进行分解。 　　文章采用db5对采集故障信号使用3层小波分解，并使用软阈值方法对信号进行降噪处理，首先选择小波和小波分解的层次，计算信号S到第N层的小波分解;其次高频系数的阈值选择。对于从第1层到第N层的每一层，选择一个阈值，并且对高频系数用软阈值进行处理;最后根据第N层的低频系数和从第1层到第N层的经过修改的高频系数，计算出信号的小波重建。 　　2 旋转机械故障诊断原理及依据 　　在旋转机械众多故障中，转子不平衡，转子碰磨以及转子不对中是最常见的三种故障。根据长期研究发现旋转机械的振动信号往往具有周期性质，当旋转机械发生故障时，它的表征频率与转子的旋转频率相关联，常为旋转频率的整数倍或者分数倍。因此，旋转机械故障诊断其中一个重要方法就是研究转子旋转频率与故障时的表征频率。 　　3 小波包故障诊断具体案例实究 　　据统计转子不平衡，转子不对中，转子碰擦三种故障在所有故障中占70%以上，因此对这三种状况进行实例研究具有很重要的意义，本次试验就是对这三种状况进行模拟还原。对实验中的数据进行实时采集，分析并得出相应结论。试验电机转速n=1500r/min，采样频率为1000Hz，采集N=1024个连续点进行分析。 　　4 结 论 　　此次实验是以小波算法为理论基础，对实验结果进行频谱分析，可以看出小波算法能够对信号频带进行划分，放大信号频段的分辨p率，最终分析出发生故障的具体部位。把小波变换应用于旋转机械故障处理分析中，对所采集信号进行频谱分析，为实践提供了理论依据，在实际应用中有一定的使用价值。