[发明专利]用于在机器振动数据中分离周期振幅波峰和非周期振幅波峰的系统

说明书

采用统计方法分离自相关频谱中的周期振动波峰和非周期振动波峰。通常自相关频谱不是正态分布的，因为相对于一般高斯噪声，周期波峰的振幅明显是较大且随机的。对于正态分布信号，统计的参数的波峰度值为3。该方法根据频谱中的波峰顺序地移除每个最大振幅峰，直到波峰度为3或更小。所有被移除的波峰都视为是周期性的并且被放在一个集合中。该集合中的波峰的总能量被认为是该频谱的总周期能量。当建立波峰集合的进程在进行时，如果它的总能量在其波峰度达到3或更小之前变得大于或等于预定的能量阈值，则该进程停止，并且周期波峰集合被限定。

技术领域

本发明涉及信号分析。更具体地说，本发明涉及一种用于在机器振动数据中分离周期振幅波峰和非周期振幅波峰的系统。

背景技术

周期性是一个用来量化信号中多少能量是周期的术语。自相关系数函数是一个数学过程，可以用来确定信号波形中有多少能量是周期的。周期波峰图样或者非周期波峰图样-可以非常有助于识别故障类型。“周期波峰”一词是描述一个或多个谐波峰族的一般特征。与机器运行速度相关的周期波峰称为同步周期波峰。一类与运行速度(如轴承和皮带频率)不相关的周期波峰被称为非同步周期波峰。

传统上，识别这些图样以及如何应用这些图样需要有经验的振动分析人员。需要做的是首先计算一个指标，它代表一般的周期图样。这个值在本文被称为“周期信号参数”(PSP)，是根据来源于起始波形的自相关波形导出的统计度量来计算的。根据原始频谱中的波峰与从自相关波形中提取的波峰和PSP值相结合，可以生成周期信息图(PIP)。该图中只包含了原始频谱中的周期波峰(同步和非同步周期波峰)。

从自相关波形中发现的最大振幅可以确定估算原始波形中存在多少周期。自相关波形中最大振幅的平方根用于估计周期能量百分比(定义为原始频谱中与周期信号相关的能量百分比)。一般来说，如果PSP的值大于0.1，或者周期能量百分比大于50％，则存在一个周期信号。

通过了解与周期波峰相关的原始频谱中的所估算的能量，可以生成“基本”周期信息图(PIP)。这个“基本”PIP是通过每次绘制一个周期波峰来创建的-从最大的波峰开始，并以降序继续进行-直到得到的图中的能量等于该周期能量百分比。但是，由于周期能量百分比值是一个估计值，因此产生的“基本”PIP通常包含过多的噪声。

发明内容

本文描述的是一种统计方法，用于更精确地确定自相关频谱中的哪些波峰是周期性的。一旦获得精确的周期波峰，就可以构造一个“更干净”(噪音较小)的PIP。下面将更详细地描述PIP算法。

基于对每一组波峰的分布的理解，产生了用于在自相关频谱中分离周期与非周期数据的统计方法。作为一个整体，自相关频谱不是正态分布的，因为周期波峰相对于噪声基底的振幅是显著的、随机的。然而，噪声基底通常是正态分布的(假设是高斯噪声)。在此基础上，提出了一种将周期波峰与噪声(非周期波峰)分离的方法。

最能描述噪声基底的统计参数是波峰度。对于正态分布信号，波峰度的值应为3。因此，在将波峰按最大振幅到最小振幅进行分类之后，计算出该波峰集合的波峰度，并将最大波峰依次从该集合中移除，直到波峰度等于波峰度阈值为止。优选的实施例中，波峰度阈值为3。在其他实施例中，波峰度阈值可为2.9或3.1，或接近3的一些其他值。当每个大的波峰从波峰集合中移除时，计算集合中剩余波峰的累积能量。所有被剔除的波峰(形成一个周期波峰集合)都被认为是周期性的。该周期波峰集合的能量被认为是原始频谱的周期能量。当进行剔除波峰的过程时，在波峰集合波峰度达到3或以下的波峰度阈值之前如果该“递增的”周期波峰集合的总能量大于或等于周期能量百分比，则该过程停止，并由此限定了该周期波峰集合。

本文描述的波峰度算法可以应用于任何FFT，而不仅仅是自相关FFT。例如，通过将该算法应用于速度FFT，可以剔除主要的定位波峰并用于确定FFT中最有影响的波峰。(这些波峰不一定是全部周期波峰，例如是对于本公开中可以找到的波峰)。这些有影响的波峰可以作为提高速度检测以及主要谐波族的基础。谐波族可与形成齿轮啮合的机械部件、齿轮齿、偏心(静态和动态)和轴承异常等有关。