[发明专利]一种基于均衡平方包络谱的泵汽蚀初生识别方法

说明书

本发明公开了一种基于均衡平方包络谱的泵汽蚀初生识别方法，包括：(1)采集泵的振动信号，确定分解阶数；(2)利用最大重叠离散小波包变换将振动信号进行滤波，转换为各个滤波频带后的信号；(3)计算每个滤波频带内信号的平方包络；(4)计算平方包络的峭度值，在每个分解层中选择峭度值最高的滤波频带，将其峭度值的一半作为阈值；(5)选择每个分解层中大于阈值的频带，计算每个频带内信号的平方包络谱，归一化后进行累加；(6)将每个分解层所得到的所有平方包络谱进行累加，求得均衡平方包络谱，并分析故障信号的频率特征。利用本发明，能够检测到的汽蚀初生的故障信号，分辨出泵的正常状工况与汽蚀初生工况。

技术领域

本发明属于信号处理领域，尤其是涉及一种基于均衡平方包络谱的泵汽蚀初生识别方法。

背景技术

泵在农业、工业和军事上的应用和需求巨大，由于其工作环境通常为高压、高速等复杂环境，泵的故障频频发生。汽蚀产生的原因是，流体机械内中的液体局部压力低于该温度下的汽化压力，从而产生空泡。泵汽蚀会导致液体的流动不稳定，产生剧烈的振动和噪声，从而影响泵的工作性能，此外，汽蚀所产生的空泡还会破坏叶片材料表面，降低泵的使用寿命。

泵在工作过程中存在着多种振动激励源和强噪声，这些多激励源的信号势必会相互影响，有用的故障特征信号可能埋没在噪声中。此外，汽蚀故障的初生阶段信号的特征不明显，所以在汽蚀初生时，能够识别到非常的困难。

目前对于泵汽蚀故障的判断主要是通过以扬程下降3％作为汽蚀发生的依据，但是，这种方法不能够准确识别泵从正常工况到汽蚀故障初生，再到汽蚀故障发生的状态变化，当检测到扬程下降3％时，此时泵往往已经发生了严重的汽蚀。

而在信号处理领域常用的故障信号检测方法主要有短时傅里叶变换、小波变换以及功率谱估计等。短时傅里叶变换是最常用的一种时频分析方法，它通过时间窗内的一段信号来表示某一时刻的信号特征。在短时傅里叶变换过程中，窗的长度决定频谱图的时间分辨率和频率分辨率，窗长越长，截取的信号越长，信号越长，傅里叶变换后频率分辨率越高，时间分辨率越差；相反，窗长越短，截取的信号就越短，频率分辨率越差，时间分辨率越好，也就是说短时傅里叶变换中，时间分辨率和频率分辨率之间不能兼得，应该根据具体需求进行取舍。短时傅里叶变换严重的受到了时域和频域分辨率的影响，导致它的作用受到了限制。而且，对于汽蚀所产生的振动加速度信号，短时傅里叶变换无法从强噪声背景下提取汽蚀故障所对应的特征信息，它的抗噪声性能较差。

小波变换的实用性明显强于短时傅里叶变换，它继承和发展了短时傅立叶变换局部化的思想，同时能够提供一个随频率改变而改变的时频窗口，从而克服了窗口大小固定不随频率变化等缺点，是进行信号时频分析和处理的理想工具。工业生产实际中使用离散小波变换较多。但仍存在小波基选取不唯一、小波参数组合不稳健的不足。此外，小波变换只对信号的低频部分做进一步分解，而对于高频部分及信号的细节部分不再继续分解，所以小波变换能够在低频信号的处理上起到很好的分析作用，但它不能很好的分解和表征包含大量细节信息的高频信号。

功率谱估计是获取随机信号二阶统计特征的基本手段。随机信号的功率谱密度用来描述信号的能量特征随频率的变化关系，功率谱密度简称为功率谱，是自相关函数的傅里叶变换。但其存在着计算复杂、方差性能差、分辨率低、对局部故障不敏感等局限，并且仅对于平稳信号处理效果较好。

发明内容

本发明提供了一种基于均衡平方包络谱的泵汽蚀初生识别方法，能够检测到更多的频率范围，使时域和频域方面的信息看得更加清晰明显，能明显分辨出泵的正常工况、初始汽蚀阶段以及汽蚀发生阶段，不仅拥有比较强的抗噪声能力，而且操作简单。

本发明的技术方案如下：

一种基于均衡平方包络谱的泵汽蚀初生识别方法，包括以下步骤：

(1)采集泵的振动信号，根据振动信号的数据量大小，确定进行最大重叠离散小波包分解的分解阶数；