机电事故的排解及分析4.pptVIP

天津大学机电科技中心 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 均值（一阶矩）：描述信号的 稳定分量 方差（二阶中心矩）：描述信号的 波动分量 信号的时域波形 偏斜度（三阶矩）：反映信号中大幅 值成分的影响 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 峭度（四阶矩）：反映信号中大幅值成分的影响 信号的概率表示： 概率密度函数的物理意义 信号的概率密度函数： 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 应用：直接应用于机器状态的诊断。例如，图为车床变速箱的噪声概率密度函数p(x)，a—新车床，b—旧车床，显然新、旧车床变速箱噪声概率密度函数p(x)值有较大差异。 车床变速箱噪声概率密度函数 a)新车床噪声p(x) b)旧车床噪声p(x) 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 1、自相关函数 是偶函数，即 。 2、当 时，自相关函数 等于信号的方差 3、当 时，自相关函数 的值总是小于 ，即小于方差 信号的自相关函数：描述信号自身的相似程度 重要规律：周期信号或者其他非随机信号的自相关函数不随变量 的变化而衰减；随机信号的自相关函数当变量 增大时将趋向于零。因此，自相关函数是在机器噪声中查找周期信号或者瞬时信号的重要手段。 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 应用：正常运行状态—机器噪声是大量的、无序的、大小接近的随机冲击结果，有宽而均匀的频谱。 运行不正常状态—随机噪声将出现有规则、周期性的脉冲，其大小比随机冲击大的多。 例如;机构中轴承磨损间隙增大时，轴与轴盖就会有碰击现象。首先运用自相关函数查找出隐藏的周期分量，进而依靠其幅值和波动的频率可以查找出机器的缺陷所在。 图 C630型车床主轴箱噪声的自相关函数 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 信号的互相关函数：描述两个信号之间的相似程度或相关性 性质： 1、互相关函数 不一定是偶函数。 2、当 时，互相关函数 不一定是最大值。 3、互相关函数具有反对称性。 重要规律：若互相关函数出现峰值，则表示两个信号相似；若互相关函数几乎处处为零，则表示两个信号不相关。 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 应用一：相关测速 机电设备状态监测与故障诊断 二、状态特征的提取（时域分析） 应用二： 故障定位 天津大学机电科技中心