信号特征提取―信号分析

第四章信号特征提取——信号分析技术通过信号测取技术将机械设备的运行状态转变为一系列的波形曲线——A（t）、B（t）等，通过A/D变换转化成离散的数字曲线序列——A（i）、B（i）等。由于运转的机械设备中存在多个振动源，这些振动信号在传输路上又受到传输通道特性的影响，当它们混杂在一起被传感器转换成波形曲线时，呈显出混乱无规律的形态。因此需要从中进行识别——信号特征的提取。平稳定转速运转的机械设备，无论有多少个振动源，其产生的振动信号都是与转速相关的强迫振动信号，也是周期性信号。站在这个基础上，可以认定：凡是与转速相关的信号属于设备运转状态信号，与转速无关的信号属于工艺参数信号、结构参数信号、电气参数信号。结构参数信号、电气参数信号仍属于故障诊断范围，但不在机械故障诊断范围内。信号分析技术包含了许多种信号分析方法，各种分析方法都有其适应的范围。评定某个分析方法是否适用于机械故障诊断，只有一个标准——简洁实用。简洁指该分析方法所依据的数学基础清晰易懂，实用指用该分析方法所获取的信号特征能作出明确、合理、有效的解释。4．1信号特征的时域提取方法•4．1．1平均值平均值描述信号的稳定分量，又称直流分量。在平均值用于使用涡流传感器的故障诊断系统中。当把一个涡流传感器安装于轴瓦的底部（或顶部），其初始安装间隙构成了初始信号平均值——初始直流电压分量，在机械运转过程中，由于轴心位置的变动，产生轴心位置的振动信号。这个振动信号的平均值即轴心位置的平均值。经过一段时间后，轴心位置平均值与初始信号平均值的差值，说明了轴瓦的磨损量。NiitxNX1)(1•4．1．2均方值、有效值均方值与有效值用于描述振动信号的能量。均方值有效值Xrms又称均方根值，是机械故障诊断系统中用于判别运转状态是否正常的重要指标。因为有效值Xrms描述振动信号的能量，稳定性、重复性好，因而当这项指标超出正常值（故障判定限）较多时，可以肯定机械存在故障隐患或故障。若有效值Xrms的物理参数是速度（mm/s），就成为用于判定机械状态等级的振动烈度指标。NiirmstxNX122)(1•4．1．3峰值、峰值指标通常峰值Xp是指振动波形的单峰最大值。由于它是一个时不稳参数，不同的时刻变动很大。因此，在机械故障诊断系统中采取如下方式以提高峰值指标的稳定性：在一个信号样本的总长中，找出绝对值最大的10个数，用这10个数的算术平均值作为峰值Xp。峰值指标Ip峰值指标Ip和脉冲指标Cf都是用来检测信号中是否存在冲击的统计指标。rmsppXXI•4．1．4脉冲指标脉冲指标Cf脉冲指标Cf和峰值指标Ip都是用来检测信号中是否存在冲击的统计指标。由于峰值Xp的稳定性不好，对冲击的敏感度也较差，因此在故障诊断系统中逐步应用减少，被峭度指标所取代。XXCpf•4．1．5裕度指标裕度指标Ce用于检测机械设备的磨损情况。裕度指标Ce在不存在摩擦碰撞的情况下，即歪度指标变化不大的条件下。以加速度、速度为测量传感器的系统，其平均值反映了测量系统的温飘、时飘等参数变化。使用涡流传感器的故障诊断系统的平均值则与磨损量有关。若歪度指标变化不大，有效值Xrms与平均值的比值增大，说明由于磨损导致间隙增大，因而振动的能量指标——有效值Xrm比平均值增加快，其裕度指标Ce也增大了。XXCrmse•4．1．6歪度指标歪度指标Cw反映振动信号的非对称性。歪度指标Cw除有急回特性的机械设备外，由于存在着某一方向的摩擦或碰撞，造成振动波性的不对称，使歪度指标Cw增大。331)(1rmsNiiwXxxNC•4．1．7峭度指标峭度指标Cq反映振动信号中的冲击特征。峭度指标Cq峭度指标Cq对信号中的冲击特征很敏感，正常情况下应该其值在3左右，如果这个值接近4或超过4，则说明机械的运动状况中存在冲击性振动。一般情况下是间隙过大、滑动副表面存在破碎等原因。441)(1rmsNiiqXxxNC统计指标的运用注意以上的各种统计指标，在故障诊断中不能孤立的看，需要相互映证。同时还要注意和历史数据进行比较，根据趋势曲线作出判别。在流程生产工业中，往往有这样的情况，当发现设备的情况不好，某项或多项特征指标上升，但设备不能停产检修，只能让设备带病运行。当这些指标从峰值跌落时，往往预示某个零件已经损坏，若这些指标（含其它指标）再次上升，则预示大的设备故障将要发生。4．2信号特征的频域提取方法上一节的时域统计特征指标只能反映机械设备的总体运转状态是否正常，因而在设备故障诊断系统中用于故障监测，趋势预报。要知道故障的部位、故障的类型就需要进一步的做精密分析。在这方面频谱分析是一个重要的、最常用的分析方法。图4—1信号的时频关系•4．2．1频域分析与时域信号的关系图4—1描述了信号的时域与频域关系。信号是由多个正弦波组成，频率比为：1∶3∶5∶7…，幅值比为：1∶∶∶…，信号之间无相位差。我们在时间域观察这些信号——横坐标轴是时间t，就如这些信号叠加起来，其合成结果投影到时域平面上，于是我们看到了方波信号。需要注意的是如果在频率比、幅值比、相位差这三个方面有任一个不满足以上条件，其叠加的波形便不是方波。即使所有信号都是周期信号，只有当各信号的频率比是整数，其叠加合成信号才表现出周期性特征。否则看不到周期性特征。这就是我们明知设备的状态信号都是强迫周期信号，却很少在波形上看到周期性特征的原因。关于频谱图的说明富里叶变换提供了从另一个角度观察信号的数学工具——把信号投影到横坐标轴是频率f的频域。在这个观察面上，我们可以看到信号由哪些正余弦波组成：图像以两部分组成：幅—频图；相—频图。幅—频图中，棒线在频率轴上的位置表示该信号分量的频率，棒线的长度表示该信号分量的振幅。在相—频图中，棒线的长度表示该信号分量的初相位。这两个频域的图像在专业的领域称为——频谱图。图4—1清楚地反映通过富里叶变换使人们观察信号的角度从时间域转换到频率域，从而更清楚地观察到信号中所包含的多种频率成分，及各项波形特征参数。在频谱图中，我们可以看到哪些是机械运行状态的振动成份（与基准频率——1轴转频有固定的数学关系的频率成份），它们之中，谁对振动占主导作用，谁与过去相比，有较大幅值变化，等等，这些状态信息是机械故障诊断的基础。•4．2．2周期信号与非周期信号的频谱最简单的周期信号是正弦信号如果正弦信号的周期为T，则它们之间的关系为：富里叶级数说明满足狄利克雷条件的周期信号，可以用正弦函数表达成富里叶级数的形式：（n=1，2，3，……）此公式具有明确的物理意义。它表明任何满足狄利克雷条件的周期信号，均可以表述为一个常数分量a0和一系列正弦分量之和的形式。其中n=1的那个正弦分量称为基波，对应的频率ω0称为该周期信号的基频。其它正弦分量按n的数值，分别称为n次谐波。在机械故障诊断领域，常数分量a0是直流分量，代表某个变动缓慢的物理因素，如某个间隙。通常从电动机到工作机械的传动是一系列的减速增力过程，因此通常将电动机输入的转动频率称为基频。基频和它的n次谐波在机械故障诊断领域都有明确的故障缺陷意义。)2sin()sin()(ftAtAtx21Tf100)sin()(nnntnAatx周期性方波信号的频谱1周期性方波信号x(t)从原本意义上是既无开始又无结束的信号，但可以在一个周期内表述为：对该方波信号x(t)作富里叶变换可得该方波的富里叶级数描述：X(t)=－AA02tT20Tt)7sin(74)5sin(54)3sin(34)sin(4)(0000tAtAtAtAtx图4—2周期性方波信号周期性方波信号的频谱2图4—3是该方波的幅频谱图，横坐标是频率ω，纵坐标是幅值，图中对应于某个频率的直线称为谱线。从图中可知周期信号的频谱具有下列特征：1）离散性即周期信号的频谱图中的谱线是离散的。2）谐波性即周期信号的谱线只发生在基频ω0的整数倍频率上。3）收敛性周期信号的高次谐波的幅值具有随谐波次数n增加而衰减的趋势。ω03ω05ω07ω0图4—3方波的幅频谱图非周期信号的频谱1非周期信号分为准周期信号和瞬变信号。准周期信号是由一系列正弦信号叠加组成的，但各正弦信号的频率比不是有理数，因而叠加结果的周期性不明显。脉冲函数、阶跃函数、指数函数、矩形窗函数这些工程中常用的工具都是典型的瞬变信号。矩形窗函数的时域表达式为：1w(t)=02Tt2Ttt图4—4矩形窗函数2T2T幅—频谱相—频谱图4—5矩形窗的频谱图非周期信号的频谱2对矩形窗函数作富里叶变换，得到的频谱图如图4—5所示。从图4—5的矩形窗频谱图中可以看到，第一，谱线是连续的，这是瞬变信号与周期信号在谱图上的显著区别。第二，矩形窗的时间长度T愈长，幅频图中主瓣愈高而窄。意味着能量愈集中于主瓣，这在信号分析中是有重要意义的。•4．2．3截断、泄露与窗函数在故障诊断的信号分析中需要对信号采样。而真实的振动信号的时间历程是无限长的，采样就是对无限长的信号进行截取。也就是对x(t)信号乘以w(t)函数，当w(t)=0时，乘积的结果y(t)=0；当w(t)=1时，乘积的结果y(t)=x(t)。根据富里叶变换的特性，在时域内，2个信号的乘积，对应于这2个信号在频域的卷积。由于w(t)在频谱中是连续无限的函数，它与x(t)信号在频域的卷积，必然造成x(t)信号的能量分散到w(t)的谱线上，这就是所谓的谱泄漏。换句话说，就是频域卷积的结果，将使得在频谱图中出现不属于x(t)信号的谱线，它们是w(t)的谱线。这些w(t)的谱线中以w(t)的第一旁瓣影响最大。为了减少谱泄漏，工程上采用两种措施。)()()()(fwfxtwtx减少谱泄漏的措施为了减少谱泄漏，工程上采用两种措施。第一种措施，加大矩形窗的时间长度，即增大采样的样本点数。也就是使w（f）的主瓣尽量地高而窄，能量最大限度地集中于主瓣，将旁瓣尽量压缩。同时主瓣愈窄愈好。第二种措施，采用旁瓣较低的函数作为采样窗函数，如汉宁窗、海明窗等等。这类窗函数与矩形窗的显著区别在于：矩形窗在开始与终止处是突变的，从0一下跳到1。而这类窗函数是渐变的，按函数式从0缓慢地上升，直到中间点才上升到最大（有的是1，有的修正到大于1），然后再缓慢下降到终点0。除矩形窗之外的窗函数所存在的不足有：第一，初相位信息消失。所以采用它们的频谱分析软件没有相频谱图。第二，谱图中的幅值相对实际信号该频率成份的幅值存在着失真。失真度的大小与所取的修正值相关。常用窗函数的时域图和频谱图图4—6矩形窗的时域、频域曲线图图4—7汉宁窗的时域、频域曲线图图4—9采样过程•4．2．4频混和采样定理如果以xc（t）代表采样获得的数据信号，x（t）代表原始的连续时间信号，则xc（t）可以看成是x（t）与脉冲序列δ0（t）的乘积。脉冲序列δ0（t）是一系列的脉冲函数，数学表达式为：nnTtt)()(0图4—9表现了这一过程。（a）图左边是x（t）的时域曲线，右边是x（t）的频谱；（b）图是采样函数δ0（t），左边为时域图像，右边是δ0（t）的频谱。（c）图的左边是x（t）与δ0（t）的乘积，右边是X（f）与Δ（f）卷积的结果。频混现象1采样后得到间隔为T的等距脉冲序列，这个序列的包络线应与原始信号x(t)一致。即采样后的信号应能恢复原信号，不发生失真。这主要取决采样间隔T。图4—10中上面两个的原信号x(t)的频率较高，采样间隔T过小，因此采样序列不能复原原信号。这个图例说明，当采样频率过低时，高频信号被采成了低频信号。图4—10采样序列及还原曲线图4—11采样信号的频混现象频混现象2这一现象表现在频谱图上，就是发生了频混。如图4—11，左边为时域波形，右边为频谱图。a图的左边是实际信号的波形，右边是所包含的频率成份。当采样间隔合适(如b图)，其频谱图中原信号的谱图与左右镜像不产生交错，因此在频谱图显示时，很容易将镜像谱线排除。而采样间隔过大（采样频率过低）的c图，其频谱图中原信号的谱图与左右镜像