[发明专利]一种机械故障检测方法、装置、设备及存储介质

说明书

本申请公开了一种机械故障检测方法、装置、设备及存储介质，包括：对待检测机械运行中产生的振动信号进行采集，得到待检测信号及相应的待检测频谱；确定待检测机械对应的故障频率和待检测频谱对应的频谱分辨率，基于故障频率和频谱分辨率确定分割因子；分割因子表征故障频率在待检测频谱中对应的数据点数；基于分割因子对待检测频谱进行划分，并根据划分结果得到待检测频谱对应的频谱包络线；根据频谱包络线确定待检测频谱对应的分割边界，基于分割边界利用小波变换进行故障检测。本申请通过故障频率和频谱分辨率得到分割因子，并基于分割因子对频谱分段后得到的频谱包络线确定分割边界，无需人为设置频谱的分段数量，以提高故障识别效率。

技术领域

本发明涉及信号处理技术领域，特别涉及一种机械故障检测方法、装置、设备及存储介质。

背景技术

传动链(风电机组的主轴、齿轮箱及发电机轴承)是风力发电机组的关键部件，其健康状态直接影响机组的运行可靠性和安全性。目前普遍采用测量和分析传动链的振动信号的方式对其进行故障诊断，受风力发电机运行特性影响，其轴承的振动信号为非平稳信号，而且存在多源耦合现象。轴承故障产生的摩擦和冲击，通常体现为频谱中的谐波成分。轴承故障振动信号出现周期性冲击，一般通过频谱分析和包络谱分析可识别故障特征频率。然而，如果轴承同时存在多点复合故障，且信号中噪声干扰较大，容易造成对轻微故障成分的漏诊。信号分解方法能够抑制监测信号中的随机噪声成分，增强故障特征信息，从而提升故障识别效果，是轴承故障特征提取的一种有效方法。

目前，利用经验小波变换算法进行信号分解存在两点较为突出的缺点，影响了其在实际中问题中的应用。其一是需要人为设置频谱分割数量。分割数量直接影响了分割边界的确立，要想获得较好的分割效果，需要设置多次分割数量进行调试。其二是该分割方法缺乏实际意义，localmax方法没有实际物理意义支持，不符合振动信号故障分布机理，难以将故障成分合理筛出。

发明内容

有鉴于此，本发明的目的在于提供一种机械故障检测方法、装置、设备及存储介质，无需人为设置频谱的分段数量，以提高故障识别效率。其具体方案如下：

本申请的第一方面提供了一种机械故障检测方法，包括：

对待检测机械运行中产生的振动信号进行采集，以得到与所述待检测机械对应的待检测信号，并获取所述待检测信号对应的待检测频谱；

确定所述待检测机械对应的故障频率和所述待检测频谱的频谱分辨率，并基于所述故障频率和所述频谱分辨率确定分割因子；其中，所述分割因子用于表征所述故障频率在所述待检测频谱中对应的数据点数；

基于所述分割因子对所述待检测频谱进行划分，并根据划分结果得到所述待检测频谱对应的频谱包络线；

根据所述频谱包络线确定所述待检测频谱对应的分割边界，并基于所述分割边界利用小波变换对所述待检测机械进行故障检测。

可选的，所述获取所述待检测信号对应的待检测频谱，包括：

对所述待检测信号进行傅立叶变换，以得到所述待检测信号对应的待检测频谱。

可选的，所述基于所述故障频率和所述频谱分辨率确定分割因子，包括：

根据所述故障频率确定频率值大于或等于两倍的所述故障频率的分割频率，并根据所述分割频率和所述频谱分辨率确定分割因子。

可选的，所述基于所述分割因子对所述待检测频谱进行划分，包括：

按照依次将与所述分割因子对应数值个的连续数据点划分一次的方式对所述待检测频谱进行划分，以得到与所述待检测频谱对应的多个第一频率段。

可选的，所述根据划分结果得到所述待检测频谱对应的频谱包络线，包括：

通过峰值连线的方式将多个所述第一频率段中的极大值进行连接，以得到所述待检测频谱对应的频谱包络线；