[发明专利]一种转子系统启停车过程中振动信息自适应的获取方法

说明书

一种转子系统启停车过程中振动信息的自适应获取方法，先获取转子系统启停车过程中的原始振动信号，然后对其基于非线性短时傅里叶变换获取估算瞬时频率，再根据估算瞬时频率，对原始振动信号进行广义解调，获得解调振动信号，然后经验小波变换EWT对解调振动信号的自适应分解提取基频成分；最后对基频成分进行广义解调的逆运算，重构回基频振动信号；本发明能够自适应地对耦合信号进行解耦并分离提取，对局部耦合分量的分解效果良好，在精度上与目前VKF算法几乎相当，并且避免了VKF算法存在的参数设计困难的问题。

技术领域

本发明属于转子系统故障诊断领域，具体涉及一种转子系统启停车过程中振动信息自适应的获取方法。

背景技术

作为国民经济以及国防科技产业的重要组成部分，旋转机械在于航天、化工、能源等多种行业都具有十分重要的地位。对旋转机械来说，转子系统能够平稳运行是保证工作效率与稳定性的关键，设计不当，制造、装配等误差导致的转子系统质量不平衡是造成噪声和振动的主要原因。而诊断转子系统振动故障所需要的信息都来自于稳态振动信号，但实际上，由于转子系统存在的不对中、油膜振荡、裂纹等故障，转子系统中总是存在大量的非线性信息，信号中会存在大量谐波信号，在很多工况中难以获取，同时为了获取振动信息进行多次启停车也会使转子系统受到影响。因此如何在尽可能少的启停车过程中准确地提取出感兴趣的振动分量一直是该领域亟待解决的问题。

目前对于变转速过程中信号分量提取的研究在故障诊断领域已经得到了大量的应用。如阶次分析技术、经验模态分解(EMD)以及变分模态分解(VMD)等，但它们各自都存在局限性，如阶次分析技术依赖于键相信号，对非平稳的瞬态信号的计算精度低；EMD方法存在端点效应与模式混淆，在变转速工况下的故障诊断领域缺乏更深入的研究与应用；VMD方法过度惩罚了域边界与内部跳跃，存在边界效应的问题，需要预先设定参数也对它的使用带来了不便。第二代 Vold-Kalman滤波(VKF)算法是目前最常用的能够实现耦合分量解耦的阶次追踪方法，但VKF算法存在参数设置困难的问题，需要大量经验才能得到适应信号非平稳特性的参数，在应用方面存在的限制太大。

经验小波变换(EWT)结合了EMD和小波变换的优点，具有完整的理论基础和快速的计算速度，可以避免EMD中的端点效应。但是，传统的EWT是基于傅里叶谱分割，对于各个模态中存在频域交叉的情况，传统的EWT显得束手无策；转子启动振动信号是宽频率激励下的动态响应，其分量在傅里叶谱中相互重叠。因此传统的EWT显然无法自适应分解转子启停车过程中的变转速振动信号，对于非稳态的转子系统复杂的振动信号，如何实现振动信号各个分量的解耦分离显得十分重要。

发明内容

为了克服上述现有方法的缺点，本发明的目的在于提供了一种转子系统启停车过程中振动信息的自适应获取方法，能够自适应地对耦合信号进行解耦并分离提取，对局部耦合分量的分解效果良好，在精度上与目前VKF算法几乎相当，并且避免了VKF算法存在的参数设计困难的问题。

为了达到上述目的，本发明所采取的技术方案是：

一种转子系统启停车过程中振动信息的自适应获取方法，包括以下步骤：

1)获取转子系统启停车过程中的原始振动信号x(t)：

2)对原始振动信号x(t)进行非线性短时傅里叶变换NLSTFT，表达式为：

其中t代表时间，w(u-t)代表所选择的窗函数，h代表窗长，S(t，h) 为信号在时频域内的能量分布，c(t)是瞬时频率的一阶导数；

采用递归计算方法，使第一次计算时的c(t)＝0，之后利用频域峰值搜索算法得到对应时刻S(t，w)的峰值，并通过拟合得到第一次估算瞬时频率，然后把第一次估算瞬时频率的一阶导数作为第二次迭代时 c(t)的值，设置迭代的终止条件为两次迭代前后估算瞬时频率的改变量小于5％时停止迭代，获得估算瞬时频率I(t)；