[发明专利]一种旋转机械微弱故障信号检测方法

说明书

本发明涉及一种旋转机械微弱故障信号检测方法，具体包括下述步骤：步骤1，利用振动传感器采集旋转机械轴承故障振动信号；步骤2，将步骤1采集到的故障震动信号进行变分模态分解，得到多个不同频段的变模态分量；步骤3，用互信息模型构造步骤2所得的的每个变模态分量的敏感系数，并选取较大的敏感系数相对应的的变模态分量作为故障震动信号的敏感分量；步骤4、经步骤3后，对变模态分解并筛选得到的各变模态分量进行频谱分析，找到旋转机械的故障特征频率，完成对旋转机械振动故障的诊断。本发明的旋转机械微弱故障信号检测方法，能够准确的获取旋转机械的微弱的故障信号。

技术领域

本发明属于故障诊断方法技术领域，涉及一种旋转机械微弱故障信号检测方法，具体涉及一种基于变分模态分解和敏感系数的旋转机械微弱故障信号检测方法。

背景技术

旋转机械是许多大型机械设备的关键部件，诸如汽轮机组、水轮机组和泵站机组等。由于机械设备的运行工况复杂，旋转机械通常会发生各种故障，从而影响设备的安全运行，极端情况下甚至会导致机毁人亡的严重事故，造成巨大的经济损失。为了确保设备运行状态更加安全可靠，预防故障的发生，设备的状态监测和故障诊断技术需要具有更高的精度。能否准确地提取出故障早期微弱的特征信号是机械设备状态监测和故障诊断的关键。

但是由于旋转机械故障的复杂性、多样性、耦联性和不确定性，水电机组早期故障振动信号表现为非线性、非平稳特性和极易淹没在强噪声环境中，极大影响了设备故障特征的提取。近年来，国内外许多学者针对旋转机械早期微弱故障信号的检测与诊断，已做了大量的研究工作。

目前，已经出现了很多相关文献：(1)采用基于小波变换和奇异值分解的特征提取方法，取得了不错的效果，但是小波变换存在小波基选择困难，参数敏感和平稳性假设等问题。(2)采用独立成分分量和经验模态分解相结合的特征提取方法，并将其运用到水轮机组的振动信号中。但不可避免的存在端点效应、模态混叠和曲线拟合等问题。(3)采用自适应的随机共振方法提取水轮机组故障早期的微弱信号特征。但随机共振的参数对去噪效果的影响仍需做进一步研究。

发明内容

本发明的目的是提供一种旋转机械微弱故障信号检测方法，能够准确的获取旋转机械的微弱的故障信号。

本发明采用的技术方案是：一种旋转机械微弱故障信号检测方法，具体按照以下步骤实施：

步骤1，利用振动传感器采集旋转机械轴承故障振动信号和正常振动信号；

步骤2，将步骤1采集到的故障震动信号进行变分模态分解，得到多个不同频段的变模态分量；

步骤3，用互信息模型对步骤2所得的每个变模态分量进行处理，得到每个变模态分量的的敏感系数；

步骤4，对步骤3得到的敏感系数进行筛选，选取数值大于1的敏感系数，并将所选取的敏感系数对应的变模态分量作为故障振动信号的敏感分量；

步骤5，对步骤4得到的每个敏感分量进行频谱分析，找到旋转机械的故障特征频率，完成对旋转机械振动故障的诊断。

本发明的特点还在于：

步骤2中将原始信号进行变模态分解具体包括下述步骤：

步骤2.1，设定步骤1采集到的故障振动信号被变模态分解为K个带宽之和最小的变模态分量，每个变模态分量均可以表示为一个调频-调幅的模态函数u_k(t)，要

求K个模态函数u_k(t)的带宽之和最小，且K个模态函数u_k(t)之和为输入信号f(t)：