PDF《王凤利基于局域波和混沌的微弱故障信号检测方法》

第8卷第1期2008 年2月交通运输工程学报Journal of T raffic and Transportation Engineering Vol.

8 No.

1 Feb .

2008 收稿日期 : 2007-05 -17 基金项目 : 国家自然科学基金项目( 50475155) 作者简介 : 王凤利(

1970 -) , 男 ,吉林公主岭人 , 大连海事大学副教授 , 工学博士 , 从事非平稳信号分析与机械故障诊断研究 . 文章编号 : 1671-1637( 2008)

01 -0073 -05 基于局域波和混沌的微弱故障信号检测方法 王凤利

1 ,于洪亮

1 ,段树林

1 , 马孝江

2 (

1 .大连海事大学 轮机工程学院, 辽宁 大连

116026 ;

2 .大连理工大学 机械工程学院, 辽宁 大连 116024) 摘要: 为了利用微弱信号准确诊断转子系统早期故障 ,提出了一种基于局域波法和混沌振子相结 合的信号检测方法.利用局域波法将微弱的故障信号分解为有限的并且具有不同基本模式的分 量,每个分量是单一成分信号 ,实现了信噪分离.将局域波分量输入混沌振子, 通过混沌振子系统 行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分 ,实现了利用混沌振子对低信 噪比的微弱信号识别 .故障诊断结果表明: 所提出的检测方法是可行的,能准确诊断转子系统早期 不对中故障 . 关键词: 轮机工程;

弱信号检测 ;

局域波法 ;

混沌;

故障诊断 中图分类号 : U672 , TP306 .

3 文献标识码 : A Detection method of weak fault signal based on local wave and chaos Wang Feng-li1 , Yu Hong-liang1 , Duan Shu-lin1 , M a Xiao-jiang

2 (

1 . School of Marine Engineering , Dalian Maritime University , Dalian

116026 , Liaoning , China;

2 .School of Mechanical Engineering, Dalian University of Technology, Dalian

116024 , Liaoning , China) Abstract: In order to accurately diagnose early fault of rotor system w ith w eak signal , a new signal detection method based on local w ave method associated w ith chaos oscillator w as presented . Weak fault signal w as divided into finite local w ave components w ith different simple- intrinsic modes , so that signal w as separated from noise .The components w ere inputted into chaos oscillator , and w ere transformed from chaotic states to large-scale periodic states , so that weak signal can be identified under low signal-noise ratio through distinguishing the characteristic frequency of signal . Fault diagnosis result show s that the method is feasible , can accurately diagnose early eccentricity fault of rotor system .

4 figs ,

10 refs . Key words : marine engineering ;

weak signal detection ;

local w ave method ;

chaos ;

fault diagnosis Author resume:Wang Feng-li ( 1970- ) , male , PhD , associate professor , +

86 -411-83073140 , w angfl @new mail . dlmu . edu . cn .

0 引言不对中故障是转子系统最为常见的故障之一 , 转子系统出现不对中后, 在其工作过程中将产生一 系列的不利于设备运行的动态效应 ,如引起设备的 振动 ,联轴器的偏转, 轴承的磨损和油膜失稳, 轴的 弯曲变形等 ,危害极大 ,如果在转子系统的故障还未 达到危险程度之前将其检测出来, 将会减少由此带 来的事故损失.转子系统在运行状态下实测信号的 频率成分比较复杂 ,在转子系统的故障早期,由于故 障特征信号微弱, 通常被其他能量相对较大的频率 成分和噪声淹没, 如何实现强噪声背景下的微弱信 号检测是转子系统早期故障诊断的难题 . 近年来, 混沌理论应用于工程系统中的信息处 理受到广大学者的关注 [ 1-7] .由于混沌运动系统对 参数的变化比较敏感, 混沌系统的非平衡相变对小 信号的敏感性以及对噪声具有免疫力, 使其在微弱 信号的检测中具有非常重要的作用 .屈梁生等利用 差分方程原理成功地设计出了混沌振子[ 3] ;

王冠宇 利用 Duffing 方程的解特性设计出混沌振子进行微 弱信号检测 [ 4] ;

李月等利用 Duffing 方程提出一个 新的检测模型, 通过仿真试验证明了应用该模型进 行微弱周期信号检测的可行性 , 并且分析了噪声对 检测方法的影响 [ 5] ;

陈敏等利用 Duffing 方程设计 出的混沌振子进行微弱信号检测 ,并应用于转子系 统早期碰摩故障检测[ 6] .当待检测信号为多分量信 号时 ,由于其他成分的干扰 ,直接输入 Duffing 振子 达不到正确检测识别目的, 从而限制了其在工程实 际中的应用. 局域波法能够将振动响应信号做自适应的、不 需预先确定基函数的分解, 从而简化了系统特征信 息间的干涉或耦合 ,通过局域波分解得到的分量是 单一成分信号, 实现了故障特征的分离和信噪分离 , 提高了信噪比.本文用局域波法将转子不对中信号 进行局域波分解 ,并将分解得到的局域波分量输入 混沌振子 ,利用混沌振子对低信噪比的微弱信号进 行检测,达到准确识别信号中故障特征成分的目的 .

1 Duffing 振子的混沌特性及微弱信 号的检测 Homels 型Duffing 方程是典型的具有非线性 恢复力的强迫振动系统, 其表达式为 x ・ ・ +cx ・ -x +x3 = f cos( ω t) ( 1) 式中 : c 为阻尼系数;

f cos( ω t) 为周期策动力;

f 为周 期策动力的振幅 ;

ω 为频率;

t 为时间;

x 为位移 . 式( 1) 中除周期策动力振幅 f 是可变控制参数 外,其余参数值固定 ,也就是 f 为系统的分岔参数 . 当f从0逐渐增加时, 系统的解在相空间中按外加 周期力的周期或其倍周期振荡;

当f进一步增加到 某一临界值时, 就会出现同宿轨迹 ,产生斯梅尔马蹄 变换意义下的混沌运动;

当f进一步增加到另一临 界值 f

0 时 ,系统发生非平衡相变 ,由混沌运动进入 大尺度的周期振荡运动[ 7] .设定 c 为0.5,ω为

1 , 识别出混沌运动转变到大周期运动的分岔临界参数 f

0 为0.824

5 [ 8] . Duffing 振子非平衡相变对小信号具有敏感性 以及对噪声具有免疫力 , 即Duffing 方程的解状态 对频率为 ω的信号敏感, 因此 , 可用于对频率为 ω 的微弱信号进行检测. 对于不同频率 ω f 信号的检测,必须改变混沌振 子的相应参考频率 ,使得 ω 等于 ω f ,这样在检测不 同频率信号时,需要对相应参考频率的系统进行分 析 ,而参考频率的变化使得系统具有不同的动力学 行为 ,这就给信号的检测增加了大量的工作 .为了 检测其他频率的周期信号, 可根据式( 1) 找到一种通 用形式 ,从而避免因为频率不同而带来的大量重复 性工作 . 根据式( 1) ,令t=ω τ , 可得混沌振子 Duffing 方 程的形式为 x ・ ・ +0 . 5ω x ・ -ω

2 x +ω

2 x3 =ω

2 f cos( ω t) ( 2) 其状态方程为 x ・ =ω v v ・ =ω [ -

0 . 5v +x -x

3 +fcos( ω t) ] ( 3) 式中: τ 、 v 为中间变量. 由于式( 2) 是从式( 1) 经过在时间尺度上的缩放 变换得来,系统的性质及其非平衡相变的分岔参数 值不变 ,因此 ,使得 Duffing 振子对于任何频率的信 号检测具有普适性 .这样只需要改变式( 2) 中的 ω 值来适应检测信号的不同频率, 系统的性质及其非 平衡相变的分岔参数值都是适用的. 利用混沌振子检测微弱特征信号的方法是 : 使Duffing 方程解的状态处于混沌与大周期解的交界 状态 ,将被检测的信号 N( t) 作为周期策动力的摄动 参数并入 Duffing 振子,即x・・+0.5ω x ・ -ω

2 x +ω

2 x3 =ω

2 [ f cos( ω t) +N( t) ] ( 4) 噪声对系统状态的变化无影响 ,当被检测的信 号中有微弱的特征信号时, 系统发生相变 ,由混沌状 态进入大周期解状态.通过系统的定性状态是否发 生改变 ,从而达到检测微弱特征信号的目的.

2 局域波分解 由于转子系统的非线性和外界环境变化 ,尤其 是故障状态 ,其振动信号通常是非平稳的 ,任一时刻 都可能包含多个振荡模式.当待检测信号为多分量 信号时 ,由于其他成分的干扰, 直接输入 Duffing 振 子达不到正确检测识别目的 ,因此,必须对信号进行 有效地分解, 得到一系列单一成分信号的分量.本 文引入一个新的非线性非平稳信号分析方法 ,把复 杂的信号分解为有限个单一成分信号的局域波分 量 ,该分解方法称为局域波分解[ 8] .

74 交通运输工程学报2008 年 局域波分解中 ,任何信号由不同的基本模式分 量组成,每个基本模式分量不论是线性的还是非线 性的 ,都具有相同数量的极值点和过零点,在相邻的

2 个过零点之间只有

1 个极值点, 任何

2 个基本模 式分量之间是相互独立的, 这样对于一个复杂的信 号通过局域波分解都可以得到有限个基本模式分量 ( 称为局域波分量) 之和.每个局域波分量满足以下

2 个条件 [ 9] : 在整个数据段内 , 极值点的数量与过零 点的数量必须相等, 或最多相差

1 个;

在任一时间点 上,局部最大值和局部最小值定义的包络均值为

0 . 局域波分解方法可以使用被局部最大值与最小 值分别定义的包络来求均值, 当找到信号中的所有 局部极值点后, 其中所有的局部最大值被一个

3 次 样条连接成为上包络 , 同理, 局部最小值生成下包 络,上下包络应将所有的数据都包含在它们之间 . 上下包络线的均值定义为 m1 , 而原始信号 X ( t) 与m1 的差值定义为分量 h1 ,即h1 =X ( t)-m1 ( 5) 理想情况下 h1 应该是一个基本模式分量 ,然而 实际上对于非线性数据, 包络均值可能不同于真实 的局部均值 ,结果是一些非对称波仍可能存在 .筛 选过滤过程的主要作用是去除叠加波, 使波形更加 对称 .为了达到这个效果, 这个过程可以被重复多 次,直到 h1 k 是一个基本模式分量 ,即h1k =h1( k-1) -m1k ( 6) 从原始数据中处理得到的第

1 个局域波分量为 C1 =h1k ( 7) 从原始数据中分理出 C1 后 ,得到 r1 =X ( t)-C1 ( 8) 由........