[发明专利]一种油膜振荡二维及三维瞬时特征提取方法及装置

说明书

本发明涉及一种油膜振荡二维及三维瞬时特征提取方法及装置，包括：提出一种二元特征尺度分解方法——复局部特征尺度分解(Complex Local characteristic‑scale decomposition，CLCD)，采集转子同一截面两个垂直方向的油膜振荡信号，并将其组成一个复数形式的二元旋转信号；通过CLCD将该信号自适应分解成多个复数形式的二元子旋转信号，从中分离出基频和半频信号；对上述信号运用希尔伯特变换，获取油膜振荡信号的二维和三维瞬时特征。由于CLCD通过信号的自身特点自适应地对其分解，并运用双线性变换，故该方法自适应性强，瞬时特征提取全面、速度快、效率高，具有良好的技术效果。

技术领域

本发明涉及一种油膜振荡二维及三维瞬时特征提取方法及装置，属于机械振动技术领域。

背景技术

近年来，旋转机械故障诊断成为研究的热点，如何从故障振动信号中准确提取振动信号特征则是研究旋转机械故障的关键。旋转机械在不同时刻、不同方向呈现的振动强度不同，基于单通道信息的故障诊断方法会割裂转子不同方向振动信号的特征信息，不能全面反映故障特征。考虑到稳态时转子同一截面互相垂直方向上各谐波的振荡轨迹为椭圆，人们提出了基于同源信息技术的故障特征提取方法，如全频谱、全息谱和全矢谱。同源信息技术能把两个正交通道的振动信号很好的融合，更全面、准确地反映故障特征。但同源信息技术以傅立叶变换为基础而提取信息，适用于平稳信号的分析。

为了分析非线性、非平稳的机械故障振动信号，与同源信息技术相结合的各种方法相继被提出。如经验模态分解(EMD)和局部均值分解(LMD)方法，这两种方法均可将任一复杂信号自适应地分解为若干瞬时频率具有物理意义的相互独立的单分量信号，适用于分析非线性、非平稳的信号，但是它们处理双通道的二元振动信号时却采用一元信号处理方法，效率低，并会出现分解结果数目不统一等问题，而且EMD还存在过包络及欠包络问题、LMD也存在着信号突变问题。复局部均值分解(CLMD)和全矢谱相结合的CLMD全矢包络技术虽然解决了分解尺度不统一的问题，但是仍难以提取旋转机械的瞬时特征。二元经验模态分解(BEMD)虽然可以实现二元信号的自适应分解，并有效提取旋转机械的瞬时特征，但作为EMD的扩展，BEMD仍存在模态混叠、端点效应和计算量大、运行时间长等缺点。

2012年，程军圣等人提出了一种新的自适应信号分解方法——局部特征尺度分解(Local characteristic-scale decomposition,LCD)，由于采用线性变换的形式对相邻两个极值点之间的信号进行处理，和EMD和LMD相比，LCD在时频局部化、运算速度和包络拟合精度等方面表现出良好的优越性。

本发明在LCD的基础上，提出了一种二元特征尺度分解方法——CLCD，并将其用于油膜振荡二维瞬时特征和三维瞬时特征的提取中。通过提出的CLCD提取复数形式的油膜振荡瞬时特征信息，完整的获取了油膜振荡在x方向、y方向和同一截面上的瞬时特征信息。由于CLCD通过信号的自身特点自适应地对其分解，而且运用了双线性变换，所以该方法具有较强的自适应性，瞬时特征提取全面、速度快、效率高，具有良好的技术效果。

发明内容

本发明的目的是提供一种油膜振荡二维及三维瞬时特征提取方法及装置，以解决目前油膜振荡故障识别过程中存在的运行时间长、效率低、分解尺度不统一、难以提取瞬时特征等问题。

为解决上述技术问题，本发明提供了一种油膜振荡二维及三维瞬时特征提取方法，包括以下步骤：

步骤1，提出一种二元特征尺度分解方法——复局部特征尺度分解(ComplexLocal characteristic-scale decomposition，CLCD)；

步骤2，采集转子同一截面水平方向及垂直方向上的油膜振荡信号，并将其组成一个复数形式的二元旋转信号；