及則科技

文章
  • 文章
搜索
首頁 >> 新聞與資料 >>技術資料 >> 振動信號分析方法概況
详细内容

振動信號分析方法概況

由于機械振動是一種物理行為,因此,對分析振動信號需要求分析結果具有明確的物理意義或揭示其內在規律。目前,振動信號分析方法種類繁多,從具體過程和分析結果看,大體上可分為兩類,一類以波形分解為目的,另一類則以概率統計為主要手段,這兩類方法緊密聯系,互相依托。

以波形分解為目的的分析方法通常假設信號是由若干個信號分量構成的,信號的波形分解方式可分為兩種,一種是認為是一系列已知或實現規定好的特征波形,目的是計算出每一個在信號中所占的比重,典型的代表是傅里葉分析和小波變換;第二種則在事先給出某些限定條件,在這些條件的基礎上完成信號分解,如盲源分離、經驗模態分解等。

從發展脈絡上看,傅里葉分析是波形分解這一類方法的起源。該方法以正弦波為特征波形,將信號分解為若干不同頻率、幅值和相位的正弦波。這種以正弦波為特征波形的分析方法極其適合于分析振動信號,首先,在機械振動理論中,求解振動系統的解析方法基本上是以得到系統響應中的諧波解(周期解)為目的,從而使得振動信號的傅里葉分析結果可很方便的與理論分析結果相對照;其次,作為一種主要機械類型,工作中的旋轉機械的振動中的主要成分便是與旋轉頻率同頻的簡諧振動,其它頻率的振動成分也多為旋轉頻率的高次倍頻振動,也即振動信號中的一種重要特征波形就是正弦波,因此,利用傅里葉分析可有效表征旋轉機械振動的內在特性:最后,對于大多數機械設備,在其穩態運行時產生的振動信號多為周期信號,而周期信號的傅里葉分析結果是離散譜線,這適合人工辨識,更適合計算機的智能識別。但是,傅里葉分析無法描述信號隨時間變化的情況,對于非簡諧式的振動分量也無法有效表征,這兩個不足導致在分析得到的頻譜中會出現一些指向不明或難以解釋的譜線,為解決這兩個問題,人們分別提出了以短時傅里葉變換和小波變換為代表的分析方法。但不可否認的是,直至今日,傅里葉分析仍然是一種被廣泛使用、甚至不可或缺的信號分析方法,而且在其之后的各種分析方法也一直未徹底脫離它的核心思想。

相對于傅里葉分析等方法,盲源分離類方法則注意到測試到的信號經常是多個獨立振源信號的疊加,因此,以分解結果間的獨立不相關性為準則進行波形分解,此類方法能夠獲得當前的振源數目和各振源的振動波形,對于故障診斷具有十分重要的實際意義。當然,在對信號進行盲源分離之后,還需對分離得到的各信號分量進行進一步的分析,若利用傅里葉變換分析頻率特性,利用小波變換觀察信號的波形特征。

基于概率統計的分析方法的體系十分龐大,各種方法的計算過程和目的也不盡相同,共同特點則是通過綜合信號數據,“捏合”或提煉出信號的某方面特征或揭示信號的內在變化規律,且多用與機械故障診斷當中。在振動信號分析中常用的方法有數字特征統計、概率密度分析、矩和累積量、時間序列等。

數字特征統計主要是對信號的幅值做某些統計運算,以表征當前振動的某方面特征,常用的數字特征有峰峰值、均值、方差、均方值、歪度、峭度和各種信息熵等。由于振動幅值和設備狀態之間的關系十分密切,當設備出現故障時,往往會使振動幅值升高,所以,在工程實際中通常會首先根據振動信號的數字特征判斷設備狀態的好壞。

概率密度分析能夠刻畫信號幅值的分布情況,主要有兩個作用,其一是根據概率密度曲線的集中或分散判斷機械設備的運行狀,其二則是根據概率密度曲線的形狀判斷信號的類型。

矩和累積量分析是信號統計分析中極其重要的內容,可分為二階矩(相關)和高階累積量方法。其中,高階累積量可提取隨機信號本身偏離高斯性的信息,從而可消除高斯噪聲,還能分析系統的非線性特性,其表達方式也簡單明了。由于實測信號中一般會夾雜著或多或少的干擾噪聲,且存在故障的機械設備會具有明顯的非線性,所以,高階累積量方法對于機械故障診斷具有很好的適用性。

時間序列分析是一種很有特色的方法,在振動信號分析中應用最多的是AR模型,它將信號的大量數據凝聚為幾個模型參數,可表征信號的變化規律,而且它還是一個動態模型,可對已知數據進行外延,具有一定的預測功能。


  • 电话直呼

技术支持: 沈陽金橙子信息咨詢有限公司 | 管理登录
久久精品夜夜夜夜夜久久,亚洲欧洲无码av一区二区三区,西欧一级片,韩国A级毛片免费播放