智能制造装备设计与故障诊断课件第6章-故障诊断技术基础

智能制造装备设计与故障诊断第6章故障诊断技术基础CONTENTS章节目录6.2现代信号分析方法简介信号分析及处理基础6.1导读基本内容：故障诊断的实质是对故障发出的信号去进行监测和诊断，因此信号分析是故障诊断当中必不可少的重要一环。对于信号分析与处理，本章从三个方面进行了介绍。首先介绍了信号分析与处理的概念，讨论了信号的类型、信号特征参数的概念及作用。其次，介绍了设备信号提取的步骤。最后详细的对信号的处理进行了介绍，主要包括信号的幅值域分析、信号的时域分析及信号的频域分析。从以上三个方面的介绍和学习，对后续智能故障诊断技术的学习打下基础。其次本章在结合信号处理的基础上，对现代常用的信号处理方法进行了介绍，主要介绍了短时傅里叶变换、Wigner-Ville分布分布、小波变换和分形几何在故障诊断中的概念、特点及应用。学习要点：了解信号的分类及故障特征参数的概念及作用、设备信号提取的步骤及现代信号分析方法；重点掌握故障信号的处理方法。6.1One信号分析及处理基础6.1.1信号分析及处理的概念1.信号的分类可从不同角度对信号进行分类，如图6-1所示。根据信号的特性，信号可分为连续信号和离散信号两大类。6.1.1信号分析及处理的概念（1）非随机信号连续信号又可分随机信号和非随机信号。所谓非随机信号，是指可以用数学关系式确定其规律的信号，而随机信号则正相反，即无法用数学关系式确定其规律的信号。非随机信号又可称为确定性信号，该信号又可分为周期信号和非周期信号。非周期信号是一种信号取值时间有限的信号，其波形总可以以足够精确度用确切的数学表达式表达出来。工程中有很多现象都可以看作非周期信号。如机械脉冲或电脉冲信号，阶跃信号和指数衰减信号等。6.1.1信号分析及处理的概念（2）随机信号在工程中，存在大量非随机性信号，即随机信号。其特点是，它在各瞬时取值（幅值、相位或频率）无复现性，又无法预支其确切的瞬时值。如图6-5所示。随机信号虽不能用严格数学公式表达，却可用统计方法描述。判断随机信号统计特征参数是否是时间的函数，又可分为平稳随机信号（特征参数不随时间变化）和非平稳随机信号（特征参数随时间变化）。在平稳随机过程中，若任一个单个样本函数的时间平均统计特征等于该过程的集合平均统计特征，这样的平稳随机过程称为各态历经随机过程。这也就说明一个样本表现出各种状态都经历的特征，有充分的代表性。6.1.1信号分析及处理的概念（3）离散信号按照时间函数取值的离散性可将信号划分为离散时间信号，简称离散信号。离散信号在时间上是离散的，只在某些不连续的规定瞬时给出函数值，在其他时间没有定义6.1.1信号分析及处理的概念2.故障特征参量对于某一具体的故障类型，我们所关心的问题是：1）这种故障通过哪些物理参量表现出来。2）这种故障与各物理参量间的关系强弱情况如何。故障特征参量的定义：对故障敏感、稳定可靠的物理量（原始/运算后）称为故障特征参量。6.1.1信号分析及处理的概念（1）故障特征参量的选取原则1）高度敏感性。机械系统状态的微弱变化应引起故障特征参量较大的变化。2）高度可靠性。故障特征参量是依赖于机械系统的状态变化而变化的，如果把系统状态取作自变量，故障特征参量取作因变量，则故障特征参量应是系统状态这个自变量的单值函数。3）实用性(或可实现性)。故障特征参量应便于检测，如果某个物理参量虽对某种故障足够灵敏，但这个参量不易获得(经济、技术方面的考虑)，那么这个物理参量也不便用作故障特征参量。如齿面温度。6.1.1信号分析及处理的概念（2）故障特征参量的选定方法一般通过理论分析和实验的方法进行故障特征量的选择。原因是：1）故障的复杂性及多因多果性。2）故障类型不同，其故障特征不同，其故障特征参量也不同。3）即使是同一种故障类型，当其环境条件(包括故障主体)发生变化时，其故障特征参量也不同。6.1.2信号的采集1.信号调理通过传感器采集到的信号后，该信号还不能直接使用。首先需要将该信号进行调理，调理的作用是为了进行A/D转换，而A/D转换的信号有一定要求，转换前需先进行调理。信号调理的主要过程如图6-8所示：6.1.2信号的采集（1）交、直流分离振动信号有直流和交流分量，两种信号的作用和应用的工况不同，因此需对信号当中的直流信号和交流信号分离出来，以适用不同的检测需求。例如，对于旋转机械而言，交流信号反映振动的瞬变情况，主要应用于振动的谱分析、统计分析以及转子轴心轨迹分析；而直流信号反映转子的轴心位置，主要用于转子轴心位置的在线监测。6.1.2信号的采集（2）信号滤波一般来说，采集到的信号往往含有很多的干扰信号，比如噪音等。这部分干扰信号是后续的诊断不需要提取的，因此需要在前期对这些干扰信号进行消除，而最常用的消除这类干扰信号的方法就是滤波。滤波的目的是对信号进行不同的频域加窗处理，通过合理的选择滤波器的类型及参数，以保留和提取对故障诊断有用的信号。滤波器有多种类型，一般可分为低通、高通、带通和带阻四类，需根据需求合理选用。6.1.2信号的采集（3）信号放大信号放大的目的是为了满足A/D转换的要求。一般A/D转换要求输入±5V范围内的电压信号，过小的模拟电压不能保证转换的精度，而过大的模拟电压会被截波，因此在经过A/D转换前，需将信号放大到该范围内。6.1.2信号的采集2.A/D转换传感器的输出是连续的模拟信号，而计算机无法分析和处理模拟信号，这就必然要求将调理后的模拟信号转换成数字信号，即A/D转换。如图6-9所示对A/D转换的过程进行了描述。6.1.2信号的采集3.转速测量及采样控制对于实际运行的机组，往往需要同时采集多路振动信号，并对交、直流分量分别进行采集，此外采样频率和采样起始时刻等也必须根据机组的实际运行工况进行选择。采样控制模块的主要任务就是协调和控制采样电路的正常工作。6.1.2信号的采集（1）转速测量转速测量子模块的主要功能如下：其一，它可提供一个相位基准信息。对于选择机械振动，相位及频谱一样反映振动的主要特征，它为工况分析和故障诊断提供重要的特征信息。其二，转速信号可用于采样频率的确定，以保障振动信号的整周期采样。在设备正常工作的情况下，由于转速是相对稳定的，通常采用固定的采样频率，但在设备起停等转速不稳定的情况下，根据转速确定采样频率对整周期采样则是必须的。其三，由转速传感器发出的脉冲信号可用于控制同步采样。转速测量可采用光电传感器或位移传感器，转子每旋转一周，传感器发出一个脉冲信号，单位时间内的脉冲数列即为实际转速。6.1.2信号的采集（2）采样控制采样控制电路对振动信号采集子模块不断发出控制信号或指令，以协调整个模块的正常工作。其主要功能如下：1）通道选择控制。在振动信号测点较多的情况下，由于A/D转换通道数的限制，往往需要对各测点的振动信号进行分组、分时采集，通道选择电路接受由采样控制子模块发出的控制信号，对各时刻被转换的诊断信号进行选择。6.1.2信号的采集2）交直流选择控制。诊断信号的交流分量从不同的角度反映设备运行的特征信息。因此，对分离后的诊断交流信号和直流信号需分别进行采集，这一工作也是由采样控制子模块来协调的。3）采样工作子模块不断向采样电路发出来自转速传感器的脉冲信号，控制采样的起始时刻，以保证同步采样。6.1.2信号的采集4.异常值处理在从传感器检测、信号调理到A/D转换的过程中，其中的任何一个环节都可能因瞬时失常或外界的随机干扰导致最后生成的数字信号中包含异常值。而异常值的出现，对信号的分析可能会产生很大的影响，因此对异常值的识别和处理就成为了需要解决的问题。6.1.3信号的处理1.信号的幅值域分析幅值分析的目的，是通过对信号某幅值参数的提取，去诊断机器的运转情况。常见的幅值参数有幅值的最大值和最小值、平均幅值和幅值的波动程度、信号的平均能量及波形幅值的概率分布。6.1.3信号的处理（2）随机信号的幅值概率密度函数如图6-11为一随机信号，横坐标是监测时间，纵坐标是信号的幅值。虽然该信号为随机信号，但并不代表其幅值无规律可寻。研究发现，对同一过程进行多次监测，随机信号中任一幅值出现的概率趋向于一个确定的数值，下面介绍该概率的概念及计算。6.1.3信号的处理（3）无量纲幅值诊断参数前面说到，幅值的最大值和最小值、平均幅值和幅值的波动程度、信号的平均能量，以上幅值域参数，对故障诊断有一定作用，但均对故障不太敏感。因此，需探究一些对故障更敏感，性能更好的幅值域参数。6.1.3信号的处理同时，在实际应用中，希望幅值域诊断参数对故障足够敏感，而对信号的幅值和频率的变化不敏感，即和机器的工作条件关系不大。通俗的讲，在不同振动频率和不同振幅的工况下工作的同一机器，识别出的幅值域诊断参数相差不大。通常把这类参数称为无量纲幅值域参数，它们只取决于概率密度函数的形状，常用的无量纲幅值参数有，波形指标、峰值指标、裕度指标和峭度指标，下面分别做以简单说明。6.1.3信号的处理6.1.3信号的处理2.信号的时域分析一般采集到的原始信号是时域信号，时域信号的波形直观，易于理解。时域分析最重要的特点是信号的时序，也就是信号在时间上出现的先后顺序。在前面的幅值域分析中，尽管均值、方差及各种幅值参数可用样本时间波形来计算，但是在计算中，顺序是不起任何作用的，将数据次序任意排列，所得的结果是一样的。6.1.3信号的处理（1）相关及相关系数1）相关。所谓相关，是指两个变量之间的相互关系。以信号的时域分析为例，假设有两个确定性信号，分别是和，都是关于时间的确定函数，即时域信号。可简单的认为相关是研究这两个信号的相似程度。如果两个信号的时域波形形状完全相似，即随时间变化对应相同，仅两者的幅值大小不同6.1.3信号的处理6.1.3信号的处理（2）自相关函数6.1.3信号的处理3.信号的频域分析频域分析是机械设备故障诊断中应用得最为广泛的信号处理方法之一。因为故障的发生、发展往往会引起信号频率结构的变化。例如，滚动轴承滚道上的疲劳剥落可引起周期性的冲击，在信号中会有相应的频率成分出现；回转机械在发生不平衡故障时，振动信号就会有回转频率成分等。6.1.3信号的处理频域分析的基础是频谱分析方法，即利用某种变换将复杂信号分解为简单信号的叠加。使用最普遍的变换是傅里叶变换，它将复杂信号分解为有限或无限个频率的简谐分量。将动态信号的各频率成分的幅值、相位、功率、能量与频率的关系表达出来就是频谱。频谱图形有离散谱(谱线图)与连续谱之分，前者与周期性及准周期信号相对应，后者与非周期信号及随机信号相对应。对于连续谱，所用的是“谱密度”概念。频域分析还研究系统的传递特性、系统输入与输出的关系等。这可以帮助我们了解系统的固有特性，以及故障源的信息变化是如何传递的。6.1.3信号的处理（2）非周期信号的频谱对于非周期信号，可将其看成周期无限大的周期信号。若周期趋于无穷大，即周期信号变为非周期信号，则离散谱就变成了连续谱。需要注意的是连续谱就不能用幅值谱的概念。就跟概率密度的概念一样，对于一个连续型变量，一个点的概率是没有意义的，因为有无数个点，因此分母是无穷大，也就是说任意一个点的概率都是无穷小，但相对大小仍有区别，因此一个点的概率是没有意义的。但是我们可以研究连续型随机变量落在某个区间的概率，一般采用概率密度的方法6.1.3信号的处理6.1.3信号的处理（3）平稳随机信号的频谱如果随机过程的分布函数或概率密度函数（若存在）不随时间的变化而变化，则称该过程为平稳随机过程。以上我们介绍了确定信号的频谱分析可以采用傅里叶变换这个工具进行分析。由傅里叶变换的充要条件可知，一般随机信号的总能量是无限的，因此不能进行傅里叶变换，也就是无法得到这类信号的频谱。那么随机信号如何才能进行傅里叶变化呢？下面来解决这个问题。6.1.3信号的处理（4）傅里叶变换的基本性质傅里叶变换在信号分析中占据着至关重要的作用，因此为了便于后续的学习，现对傅里叶变换的基本性质进行展示。目前实际上计算傅里叶变换是用计算机对时域信号的离散数据进行的，因此这里重点讨论离散傅里叶变换（DiscreteFourierTransform，DFT）的性质以及介绍快速傅里叶变换（FastFourierTransform，FFT）的概念。6.1.3信号的处理6.2One6.2现代信号分析方法简介1.傅里叶变换的缺陷傅里叶变换在平稳信号的分析和处理中有着突出贡献的原因在于，人们利用它可以把复杂的时间信号和空间信号变换到频域中，然后用相对简单的频谱特性去分析和发现原信号的动态特性。6.2.1短时傅立叶变换2.短时傅立叶变换平稳信号通常是人为制造的，而在实际的工程应用中，诊断信号几乎都是非平稳的。对于非平稳信号，只知道包含哪些频率成分是不够的，我们还想知道各个成分出现的时间，知道信号频率随时间变化的情况，各个时刻的瞬时频率及其幅值——这就是时频分析。短时傅立叶变换基本思想是把非平稳过程看成是一系列短时平稳信号的叠加，短时性可通过将信号加滑动时间窗，并对窗内信号做傅立叶变换，得到信号的时变频谱。因而它的时间分辨率和频率分辨率受Heisenberg测不准原理约束，一旦窗函数选定，时频分辨率便确定下来。这就使它对突变信号和非平稳信号的分析存在局限性，因而不是一种动态的分析方法，不能敏感地反映信号的突变，只适用于对缓变信号的分析。6.2.1短时傅立叶变换6.2.1短时傅立叶变换Wigner-Ville分布(简称WVD)定义为信号中心协方差函数的傅立叶变换。WVD是典型的二次型变换，它定义为信号瞬时相关函数的傅立叶变换，反映了信号瞬时时频关系。对于单分量线性调频信号而言，WVD在时频平面上的投影为一条直线，即频率随时间的线性变化关系。设x(t)为一连续信号，其分布为：6.2.2Wingner-Ville分布而用短时傅里叶变换，如果你选择一扇宽窗子，低频成分可以看得清楚，在高频部分确定时间时就很糟糕；若你选一扇窄窗子，在高频可以很好确定时间，但在低频的频率就可能装不进去。所以短时傅里叶变换还是无法满足非稳态信号变化的频率的需求6.2.3小波变