搜索
测试信号分析技术综述摘要：测试信号分析对结构和系统动态特性分析及其故障诊断是一种有效的手段。综述了当前测试信号和分析技术，包括振动信号数据采集技术、系统动力学特性测试方法、振动信号的分析和处理技术及设备故障诊断技术，简述了各种方法的优缺点及适用范围，最后对振动测试与分析技术的未来发展方向进行了展望。关键词：振动测试；信号分析；动态特性；故障诊断一、振动测试技术一般振动测试技术大致可分为两类：一类是测量设备和结构工作或实验时所存在的振动，这种测量可以利用振动信号对设备和结构的运行状态进行监测评估和故障诊断；另一类是系统特征参数的测试，包括系统的频响函数、脉冲响应函数、模态参数和物理参数等。这类测试往往要对设备或结构施加某种激励或利用环境自然激励，使其产生振动，然后测量其振动，此类测振的目的是研究设备或结构的力学动态特性。要研究设备或结构的动力学特性，通常需要通过模态实验获得结构的模态参数即固有频率、阻尼比和振型。模态实验的方法可以分为两大类：一类是经典的纯模态实验方法，该方法是通过多个激振器对结构进行激励，当激振频率等于结构的某阶固有频率，激振力抵消结构内部阻尼力时，结构处于共振状态，这是一种物理分离模态的方法。这种技术要求配备复杂昂贵的仪器设备，测试周期也比较长；另一类是数学上分离模态的方法，最常见的方法是对结构施加激励，测量系统频率响应函数矩阵，然后再进行模态参数的识别。2004年由LMS公司推出的多参考点最dx-乘频域模态参数识别法(PolyMAX)已经被证明对大阻尼和密集模态的识别较传统方法好。是近年来发展起来的比较好的频域模态参数识别法。在有些情况下，无法施加人工激励，比如大型桥梁，这时利用自然激励，比如风载、地震等自然激励来识别模态参数的方法就显得重要了。为获得系统动态特性，常需要测量系统频响函数。目前频响函数测试技术可以分为单点激励单点测量(SISO)、单点激励多点测量(SIMO)、多点激励多点测量(MI—MO)等。单点激励一般适用于较小结构的频响函数测量，多点激励适用于大型复杂机构，如机体、船体或大型车辆机构等。按激励力性质的不同，频响函数测试分为稳态正弦激励、随机激励及瞬态激励三类，其中随机激励又有纯随机、伪随机、周期随机之分。瞬态激励则有快速正弦扫描激励、脉冲激励和阶跃激励等几种方式。稳态正弦激励有诸多优点，例如能在特定频率上输入比较大的振动能量。由于正弦激励时，在某一瞬间仅以单一频率的力激励试件，所以激励能量比较集中。此外，激励力容易控制，根据选择的激励器不同，可得到小于10N以下，大至数万N的激励力，并且便于控制，信噪比比较高。因此，无论是对小型家用电器，还是对大型的飞机、桥梁等结构，稳态正弦激励都是很适用的一种获得较高精度的方法。但是，稳态正弦扫描激励一个很大的缺点是试验需要较长的时间；这对于某种程度不稳定的系统，更会给试验增加困难和使精度降低。随机激励是宽带频率(许多频率)的激励力同时作用在结构上，结构的响应是各频率的分力同时作用的结果。随机信号有纯随机、伪随机及周期随机信号三种。纯随机信号无周期性，每个样本彼此不同。故用纯随机信号激励试件，进行振动测试时，可通过总体平均消除实验中的非线性畸变和噪声随机误差影响，提高测试精度。缺点是由于信号的非周期性，在FFT处理时会产生大的泄露误差。加适当窗函数后可以大幅度减小这种泄露误差。伪随机激励信号是周期性的随机信号，由计算机或伪随机信号发生器产生，通过模数转换器(DAC)，每经过一个周期输出同样的信号。由于伪随机信号的周期性，当截断长度正好等于伪随机信号的周期时，在测量窗中所取得的信号正好是一个完整周期，因而在随后的傅里叶变换中则可避免功率泄露。但是这种信号与正弦扫描法一样，由于信号是周期性的，因此不能用总体平均来消除非线性及畸变的影响。周期随机信号激励，综合了纯随机和伪随机信号激励的优点，而避免了它们的缺点。它也是一种伪随机信号，但第一个伪随机信号在持续几个周期后即被第二个不相关的伪随机信号所代替，再经过几个周期后又被另一个不相关的伪随机信号所代替。振动测试时，在一个伪随机信号内完成一次测量。周期随机信号的优点是消除了功率泄露，可用总体平均来消除非线性等影响，缺点是测试时间稍长于上述两种随机测试法。脉冲激励是一种宽频带激励，其力的频谱较宽，一次激励可以同时激出多阶模态，因此，脉冲激励是一种快速测试技术。它的测试设备简单，灵活性大，特别适用于现场试验。脉冲激励可分为单点敲击多点测量和多点敲击单点测量两种。前者是求出频响函数矩阵中的某一列，后者是求出频响函数矩阵中的某一行。根据频响函数矩阵的对称性，其分析完全相同。对于轻小试件，为了减小传感器对试件附加质量的影响，常采用单点测量多点敲击方法。对于大试件可在各测点上同时安装传感器，在一点激励，这样一次便可记录激励及所有响应点的信号，然后可一一求碍各点的频响函数。脉冲激励的缺点是测试精度不及正弦激励法和随机激励法高，着力点位置、力的大小、方向的控制，需要熟练的操作技巧和经验，否则会产生很大的随机误差。二、振动信号的分析和处理技术振动信号的分析和处理技术一般可分为时域分析、频域分析、时频域分析和时间序列建模分析等。这些分析处理技术从不同的角度对信号进行观察和分析，为提取与设备运行状态有关的特征信息提供了不同的手段。2.1信号的时域分析时域分析包括时域统计分析、时域波形分析和时域相关分析。时域统计分析时域统计分析常用的统计特征值包括均值、最大值、最小值、均方值、方根幅值、平均幅值、斜度、峭度、峰值指标、脉冲指标、裕度指标、峭度指标和概率密度分布(概率密度分布有的也算作幅值域分析)等，它是对振动信号进行幅值上的各种处理。振动信号的时域均值反映平均振动能量；而最大值、最小值、峰值指标在一定程度上反映出振动信号是否含有冲击成份；斜度则反映幅值概率密度p(茗)对于纵坐标的不对称性，不对称越厉害，斜度越大；一般来说，随着设备状态的改变，方根幅值、平均幅值，以及峭度均会逐渐增大，其中，峭度对大幅值非常敏感；峭度、裕度和脉冲指标对于冲击类故障比较敏感，特别是对早期故障有较高的敏感性。所以设备状态监测常选用这几个特征值作为诊断参量。时域波形分析时域波形分析的特点是信号的时间顺序，即数据产生的先后顺序。它可以直观的描述振动随时间的变化情况，初略的估量振动平稳与否及对称程度。时间波形有直观、易于理解等特点，由于是原始信号，所以包含的信息量大。对于某些故障信号，其波形具有明显的特征，这时可以利用时间波形做出初步判断。在旋转机械中，其不平衡故障较严重时，信号中有明显的以旋转频率为特征的周期成分；而转轴不对中时，信号在一个周期内，比旋转频率大一倍的高频成分明显加大，即每周波动两次。时域相关分析时域相关分析包括自相关分析和互相关分析。自相关分析是研究信号在振动过程不同时刻的相关程度。利用自相关函数可以区别信号的类型，检测随机噪声中的确定性信号。互相关分析是描述两个振动过程在不同时刻的相关程度。它可以找出两个信号的之间的关系和相似之处，也可以找出同一信号的现在值与过去值的关系，或者根据过去值、现在值来估计未来值。相关分析可以协助找出设备振动的振源，也可以在噪声背景下提取有用信息，它是旋转机械状态监测与故障诊断重要的手段之一。2.2信号的频域分析对评价设备运行状态和故障诊断而言，时域分析往往是初步的。频域分析是机器状态监测中信号处理的最重要、最常用的分析方法。工程上所测得的信号一般为时域信号，然而由于故障的发生、发展往往引起信号频率结构的变化，为了通过所测信号了解、观测对象的动态行为，往往需要频域信息。它能通过了解测试对象的动态特性，对机械的状态做出评价并准确而有效的诊断机械故障和对故障进行定位，进而为防止故障的发生提供分析依据。通过频域分析把复杂的时间历程经傅里叶变换分解为若干单一的谐波分量，可以获得信号的频率结构以及各谐波幅值和相位信息。根据信号的性质及变换方法的不同，常用的频域分析方法有：频谱、自功率谱、互功率谱、倒频谱、细化谱、解调谱、相干函数、频响函数分析等。这些频域分析的核心算法是快速傅里叶变换(FFT)。幅值谱、相位谱、功率谱分析频域分析是基于频谱分析展开的，即在频率域将一个复杂的信号分解为简单信号的叠加，这些简单信号对应各种频率分量并同时体现幅值、相位、功率及能量与频率的关系。频谱分析中常用的有幅值谱、功率谱以及相位谱。幅值谱表示了振动参数(位移、速度、加速度)的幅值随频率分布的情况；功率谱表示了振动参量的能量随频率的分布；在旋转机械故障诊断中，信号的相位谱和幅值谱一样，是重要的识别特征。频谱分析能够分析信号的能量(或功率)的频率分布，因此频谱分析在设备故障诊断中查找振源、分析寻找故障原因、部位、类型等方面具有极为广泛的用途。频谱分析计算是以傅里叶变换为基础的，它将复杂信号分解为有限或无限个频率的简谐分量。倒频谱分析倒频谱分析亦称为二次频谱分析，是近代信号分析科学中的一项新技术。倒频谱可以将输入信号与传递函数区分开来，便于识别；还能区分出因调制引起的功率谱中的周期量，找出调制源。倒频谱分析是对功率谱取对数再进行傅里叶逆变换的结果。经倒频后，滤出传递函数的分量，再经过傅里叶正变换等运算，得到输入信号的幅值。因而倒频谱分析能将响应信号中的输入效应和传输途径效应分离开来，使分析结果受传输途径的影响减小，倒频谱识别能将原来谱图上成簇的边频带谱线简化为单根谱线，以便观察。利用这一特点，可识别出复杂频谱图上的周期结构，分离和提取出密集泛频信号中的周期成份，这对于具有周期成份及多成份边频等复杂信号的识别尤为有效。细化分析在故障诊断中，故障的特征信息往往只集中在某些频段内，根据故障敏感频段内各频率成份的变化情况，便可以知道故障产生的原因和程度。为了提高诊断的准确性和可靠性，需在该频段内有较高的频率分辨率。细化分析(ZOOM)对信号频谱中某一频段进行局部放大，使得分析频段的频率分辨率和频谱分析精度大为提高，它是非常重要的一种高精度谱分析手段。解调分析解调是把包络信号与其载波信号分离开来。目前比较成熟的解调算法有三种：高通绝对值分析、检波滤波和希尔伯特变换，比较常用的是基于复解析带通滤波器的优化希尔伯特变换算法。相干函数分析相干函数是谱相关分析的重要参数，它类似于时域相关系数，特别是在系统辨识中，相干函数可以判明输入与输出之间的关系。频响函数分析频响函数是动力学系统的动态特性在频域上的最完善的描述。频晌函数测量和分析是振动测试与分析中的重要内容。2.3信号的时频域分析对非平稳或时变信号的分析方法统称为时频分析，它在时间、频率域上对信号进行分析。时频分析将时域和频域组合成一体，兼顾到非平稳信号的要求。它的主要特点在于时间和频率的局部变化，通过时间轴和频率轴两个坐标组成的相平面，可以得到整体信号在局部时域内的频率组成，或者看出整体信号各个频带在局部时间上的分布和排列情况。它的基本任务是建立一个函数，要求这个函数不仅能够同时用时间和频率描述信号的能量分布密度，还够以同样的方式计算信号的其他特征量。时频分析方法应用于设备状态监测与故障诊断，可以很好的为确定设备的运行状态提供判断依据。时频分析中最重要的是短时傅里叶变(STVr)、小波变换(WT)、Wigner-Ville时频分析和Hilbert·Huang变换。①短时傅里叶变换短时傅里叶变换时研究非平稳信号最广泛使用的方法，它的基本思想是：把信号划分成许多小的时间问隔，用傅里叶变换分析每一个时间间隔，以便确定在那个时间间隔存在的频率。这些频谱的总体就表示了频谱在时间上是怎样变化的。短时傅里叶变换通过对信号的分段截取来处理时变信号，是基于对所截取的每一段信号认为是线性、平稳的。因此，严格地说，短时傅里叶变换是一种平稳信号分析法，只适用于对缓变信号的分析。②小波变换小波分析是一种优良的时频分析方法，可把任何信号正交分解到独立的频带内，同时从时域和频域给出信号特征，为在不同频带内监测设备故障提供了有效手段。小波变换的核心是多分辨分析，是近年来出现的一种研究非平稳信号有力的时频域分析工具，它在不同尺度下