第四章 机械故障诊断分析处理方法.docVIP

第四章 其它分析处理方法 前面已经讨论了信号的幅域、时域、频域分析处理方法以及开、停机过程中瞬态信号的分析处理方法。经过多年来设备状态监测与故障诊断人员的研究，还有许多分析处理方法不断地提出并应用到工程实际中，本节主要讨论几种常用的特殊分析处理方法。 细化谱分析 在工程信号分析中，往往会遇到这种情况：被分析的信号是一种 密集型频谱，如振动、噪声等，其频谱图上的频率间隔很密，但频带分布又较宽，在这种情况下，为了识别谱图的细微结构，就必须要求信号分析系统既要有较高的频率分辨率，又要有较宽的频率范围，但这两者之间是矛盾的。 一般的FFT分析是一种基带的分析方法，在整个分析带宽内，频率是等分辨率的，即 Δ?==== 式中 N—采样点数； ?m—分析带宽的最高频率； ?S—采样频率，?S =2.56 ?m； Δt—采样间隔； T—采样长度，即T = NΔt 由上式可知，被分析信号的时域、频域关系如图4-27所示，在频谱图上的有效频率分布范围是从0Hz到折叠频率为止。而谱线间隔（Δ?= ?S N）））））lg GX(?)e-12?d ?]|2 （4-110） 工程上常采用上式的正平方根定义形式，即 Ga（） = |Flg[ GX(?)]| （4-111） 式（4-111）相对于式（4-110）而言，称为幅值倒频谱。 为了突出功率倒频谱的物理意义，可采用类似自相关函数的形式来定义倒频谱。 G（））称为倒频率（quefranay）)中的自变量一样具有时间的量纲，一般以毫秒（ms）））） 将两信号相加，则可得到合成振动为： （4-115） 当时，即信号相位相差90O时， （4-116） 轨迹是一个椭圆。如A1= A2，则轨迹便变成了一个正圆。 这里需要特别强调的是，为了获取全息谱图需对快速傅里叶变换(FFT)进行改进，以提高幅值谱和相位谱的精度，这是该技术能够成功的关键一步。未经改进的FFT算法相应误差过大，难于由频谱信息恢复成准确的时域信号。另外x、y信号应该是同时采样才能构成全息谱。 2.全息谱的应用 全息谱在传统谱分析的基础上加入了被忽略的相应的信息，谱的显示形式也由谱线变成了椭圆状，除了大小外，椭圆还有偏心率、倾角、转向等特征，所以大大提高了故障识别能力。 例如：某厂二氧化碳压缩机组发生剧烈振动，从FFT幅值谱上观察到有很大的半频分量。起初认为转子可能发生了油膜涡动。而从全息谱图上看，其椭圆长轴几乎垂直于水平轴，且偏心率相当大[图4-34(a)]。油膜涡动不可能只在垂直方向上产生，上述判断肯定有误。实际工作中遇到的一例油膜涡动全息谱如图4-34（b）） （4-117） 式中 SNR ——信噪比（Signal Noise Ratio） （4-118） 相乘关系 （4-119） 巻积关系 （4-120） 第一种情形可用线性滤波解决，第二、三种情形为非线性滤波， 要用同态滤波方法解决。实际工程中基本上为第一种情况，第二、三种情形较少涉及，故不再详述。 滤波分模拟滤波和数字滤波两类，前者是针对模拟信号的，前面 已经述及。后者因其精度高，可靠性好、灵活，易于改变滤波特性而得到广泛的应用。数字滤波实质上是对已采集到的离散数据的一种运算过程，从而在原始信号中增强或提升所需的信号、压低或滤掉不需要的成分或干扰。前面谈到的趋势项提取及去除就是一种特殊的数字滤波方法。 滤波器的基本类型有低通、高通、带通和带阻四种。它们的频率传递特性如图4-40所示。 以低通滤波器为例，它可以抑制高频率噪声或不希望的高频成分。理想的低通滤波器的特性呈矩形，在f0频率处突然截止，故f0称为截止频率。实际滤波器是逐渐衰减的，以滤波器的增益衰减50%（-3dB））））） （4-121） 则信号的信噪比将比信号的信噪比提高（证明从略），从而突出了周期分量. 图4-43表示对混有很强随机噪声的一正弦信号进行同期时间平均的效果。在M=1时，即没有进行平均时，很难辨认出正弦信号。在进行了128次同期时间平均后，已很接近于正弦波。 对于旋转机械，要进行同期时间平均，需要有确定每转初始相位的参考信号，才能保证作同期时间平均的正确关系。关于相位信号的产生与使用，将在本书第六章第三节介绍。 比较以上两式可看到同期平均以后（滤波后）信噪比提高倍，从而突出了周期分量。