基于角域信号的信号时频分析与谱分析.docxVIP

基于角域信号的信号时频分析与谱分析 齿轮箱转速波动响应分析 齿轮箱是旋转机械传递动力的重要部件。通常在高速和负载的条件下工作，误差发生率高。因此，监测齿轮箱和故障诊断具有重要的实际意义。齿轮箱在升降速、电源电压波动、载荷变化等情况下,所产生的振动信号表现出与转速波动相关的非平稳特性。这种情况下的振动信号包含了丰富的设备状态信息,一些在平稳运行时不易反映的故障征兆可能会充分地表现出来,因此齿轮箱变速过程中的振动信息对于其故障诊断具有独特的价值。阶次分析是目前齿轮箱变速过程振动信号分析与处理的有效方法之一。阶次分析以轴的转频为基准,采用等角度重采样技术,将时域非平稳信号转换为角域平稳信号,能更好地反映与转速相关的设备状态信息。本文将阶次分析、角域平均和AR谱技术相结合,提出了基于角域AR谱技术的齿轮故障诊断方法,并成功地应用到变工况下的齿轮箱故障诊断中。 1 基于阿ok分布的瞬时频率估算 1.1 被分析信号st的最优化分析 基于瞬时频率(Instantaneous Frequency,IF) 的阶比跟踪法首要条件就是利用时频分布峰值进行IF估计,因此这种方法是建立在具有较好时频集聚性且解决交叉项的时频分布基础上的。自适应最优化核时频分布(Adaptive Optimum Kernel Time-frequency Reprenstation,AOK分布)采用短时模糊函数和随时间变化的自适应核函数,能够在时频分布种区分出多分量信号的细节部分。它对信号的自分量具有较好的聚集作用,能较好地描述信号能量沿IF的变化关系,同时采用随信号自适应变化的核函数在很大程度上抑制了交叉干扰项,提高了时频分辨率,削弱了对噪声的敏感性。 设被分析信号为s(t),其AOK分布定义为 ΡAΟΚ(t,f)=12π∫+∞-∞∫+∞-∞A(t;θ,τ)Φopt(t;θ,τ)?e-jθt-jτ2πfdθdτ(1)PAOK(t,f)=12π∫+∞?∞∫+∞?∞A(t;θ,τ)Φopt(t;θ,τ)?e?jθt?jτ2πfdθdτ(1) 式中A(t;θ,τ)为被分析信号s(t)的短时模糊函数,定义为 A(t;θ,τ)=∫+∞-∞s(u-τ2)w(u-t-τ2)?s(u+τ2)w(u-t+τ2)ejθudu(2)A(t;θ,τ)=∫+∞?∞s(u?τ2)w(u?t?τ2)?s(u+τ2)w(u?t+τ2)ejθudu(2) 式中w(u)为对称窗函数,t为w(u)的中心位置。从式(2)中可看出A(t;θ,τ)是随时间而变化的,所以最优化核也随时间变化。Φopt(t;θ,τ)通过下式的最优化求解得到, maxΦ∫2π0∫∞0|A(t;r,ψ)Φ(t;r,ψ)|2rdrdψ(3)maxΦ∫2π0∫∞0|A(t;r,ψ)Φ(t;r,ψ)|2rdrdψ(3) 其约束条件为 12π∫2π0∫∞0|Φ(t;r,ψ)|2rdrdψ=12π∫2π0σ2(ψ)dψ≤α,α≥0(4)12π∫2π0∫∞0|Φ(t;r,ψ)|2rdrdψ=12π∫2π0σ2(ψ)dψ≤α,α≥0(4) 式中ψ=arctanτθ,r=√θ2+τ2,Φ(tψ=arctanτθ,r=θ2+τ2??????√,Φ(t;r,ψ)=exp(-r22σ2(ψ)),α为最优核参数。r,ψ)=exp(?r22σ2(ψ)),α为最优核参数。 1.2 时频峰值搜索拟合方程 时频谱峰检测是一种常见的IF估计方法,其原理是,在时频局部聚焦性较好的时频面内,信号的能量峰脊所在的位置信息正好对应着信号IF的变化情况,可选择时频分布的峰值对应的频率作为IF的估计。这种IF估计方法精确度较高、具有很好抗噪性能且特别适用于多分量信号IF的检测方法。在上述AOK时频分布的基础上,按照下两式对PAOK(t,f)的峰值进行搜索,即可得到各个时间点上的IF估计值。 ΙFi(ti)=argf{maxj∈Κi-1±Ρ[spec(fj,ti)]}(5)Κi=argj{maxj∈Κi-1±Ρ[spec(fj,ti)]}j(6)IFi(ti)=argf{maxj∈Ki?1±P[spec(fj,ti)]}(5)Ki=argj{maxj∈Ki?1±P[spec(fj,ti)]}j(6) 式中i与j分别表示时频面内某一点的时间坐标t,频率坐标f的序号,IFi(ti)表示ti时刻IF的峰值搜索结果;spec(fj,ti)为坐标fi和ti处的谱值;arg(x){max(x∈span)[f(x,y)]}表示使函数f(x,y)在span范围内取最大值的参数x的数值;Ki用于保存本次IFi所在点的频率坐标序号,用于下一时刻的搜索;K0为手动输入的初始搜索频率坐标的序号;P为搜索范围。 为了得到信号的IF曲线,通常采用二次多项式的最小二乘法对时频峰值点进行分段拟合。拟合方程为 ΙF