本發明屬于信號處理領域，尤其涉及一種基于快速譜峭度分析泵的實時狀態并且檢測其潛在空化故障的方法。

背景技術：

高性能離心泵在當今社會上廣泛應用和需求巨大。由于工作在高壓高速等復雜條件下，離心泵的空化故障頻頻發生，導致振動頻率加劇、噪聲增大、葉片腐蝕，嚴重制約著泵性能和壽命。傳統的檢測方法在泵空化初生階段，對于泵的流量和揚程、振動和噪聲等信號變化的檢測并不敏感；但當空化信號顯著變化時，空化故障已經迅速發展到了相當嚴重的程度。

空化氣泡的聲信號帶寬跨度大、瞬時性強、處理難度較高；空化引起的振動信號往往被葉片旋轉所強烈調制。

目前信號處理領域常用的故障信號檢測方法主要有短時傅里葉變換和小波變換兩種。短時傅里葉變換是最常用的一種時頻分析方法，它通過時間窗內的一段信號來表示某一時刻的信號特征。在短時傅里葉變換過程中，窗的長度決定頻譜圖的時間分辨率和頻率分辨率，窗長越長，截取的信號越長，信號越長，傅里葉變換后頻率分辨率越高，時間分辨率越差；相反，窗長越短，截取的信號就越短，頻率分辨率越差，時間分辨率越好，也就是說短時傅里葉變換中，時間分辨率和頻率分辨率之間不能兼得，應該根據具體需求進行取舍。短時傅里葉變換嚴重的受到了時域和頻域分辨率的影響，導致它的作用受到了限制。而且，對于空化所產生的振動加速度信號，短時傅里葉變換無法分析出明確的信息。

小波變換的實用性明顯強于短時傅里葉變換，它繼承和發展了短時傅立葉變換局部化的思想，同時又克服了窗口大小不隨頻率變化等缺點，能夠提供一個隨頻率改變的“時間-頻率”窗口，是進行信號時頻分析和處理的理想工具。工業生產實際中使用離散小波變換較多。但仍存在小波基選取不唯一、小波參數組合不穩健的不足。同時也有結合支持向量機和人工神經網絡方法來改進小波分解變換，利用壓力脈動信號和空化場分布圖像，對瞬態變化的空化特征提取十分有效，不過算法復雜度高、參數設定仍然需要經驗判讀。此外，與小波變換等多尺度分析互為補充的，基于多維度分析(葉輪-導葉-負載-聲振信號頻譜)的空化診斷方法，成功開發了高靈敏度、高可靠性的水輪機空化監測與診斷系統，但是該多維度分析方法未能獲得高分辨率的動態頻譜紋理，不利于表征從片狀向云狀空化等關鍵轉捩過程。

技術實現要素：

本發明提供了一種基于快速譜峭度分析的泵潛在空化故障檢測方法，能夠檢測到更多的瞬時信號，使時域和頻域方面的信息看得更加清晰明顯，能明顯分辨出泵的正常狀態與空化狀態，不僅擁有比較大的頻率檢測范圍，而且操作簡單。

一種基于快速譜峭度分析的泵潛在空化故障檢測方法，包括以下步驟：

步驟1，對采集的振動加速度信號進行降噪，作為實驗待處理信號；

步驟2，根據試驗待處理信號的數據量大小，確定擬合程度最高的快速譜峭度算法分解階數作為信號處理的分解階數；

步驟3，根據快速譜峭度算法計算結果，選擇能夠使信號峭度最大的載波頻率以及相應帶寬；

步驟4，對選擇的載波頻率以及相應帶寬后的信號進行傅里葉變換，得到頻譜包絡圖；

步驟5，根據原信號時域圖、經快速譜峭度處理的信號時域圖以及選定區域傅里葉變換后的頻譜包絡圖，分析故障信號的時間和頻率特征。

步驟1中，所述的降噪方法為，在處理程序中，使用預白化處理噪聲，對信號進行降噪處理，預白化處理在MATLAB軟件中為：

x＝x-mean(x)；

Na＝100；

a＝lpc(x,Na)；

x＝fftfilt(a,x)；

x＝x(Na+1:end)；

其中x為處理的信號。

步驟2的具體過程為：

步驟2-1，在MATLAB軟件中，根據實際數據量，設置一個初步分解階數；

步驟2-2，在該階數下，觀察由快速譜峭度算法得到的載波頻率及帶寬，觀察該頻率范圍內傅里葉變換后的頻譜包絡圖；

步驟2-3，根據頻譜包絡圖峰特征，確定分解階數。

分解階數確立的原則是根據處理結果的頻譜包絡圖峰的密度來調整的，如果峰密度太低，則降低分解階數；反之則升高。

步驟3中，所述的快速譜峭度算法在MATLAB軟件中為一個以原信號、分解階數(nlevel)以及采樣頻率為自變量的函數。

步驟5中，分析故障信號的時間和頻率特征的過程具體為：

步驟5-1，根據快速譜峭度處理的信號時域圖上是否存在明顯的沖擊信號，確定是否存在空化故障，根據沖擊信號在時域圖上的位置，確定空化故障信號的時間；

步驟5-2，根據經過傅里葉變換后的頻率包絡圖上的軸頻和葉頻信息，確定空化故障信號的頻率特征。

本發明提供了一種快速譜峭度頻譜紋理分析的方法，通過快速譜峭度函數，對泵的振動信號進行處理。本發明選擇能夠使其包含瞬時信息最多的最優載波頻率及帶寬進行信號濾波，通過對該段時域信息進行傅里葉變換得到頻域信息，進而對泵狀態進行檢測，對特定的空化故障頻率進行分析。

本發明方法極大提升了信號增強能力，能夠從旋轉的葉頻中增強空化信號，同時能夠清晰的分辨出泵的相關數據，對于正常狀態與空化狀態也有一個明顯的分辨。

附圖說明

圖1是本發明基于快速譜峭度頻譜紋理分析的泵實時狀態監測與潛在空化故障檢測的方法的流程示意圖；

圖2是采用快速譜峭度對額定狀態下的分析處理結果示意圖；

圖3a是額定狀態下原信號時域圖；

圖3b是額定狀態下快速譜峭度濾波處理后的信號時域圖；

圖3c是額定狀態下選定區域傅里葉變換后的頻譜包絡圖；

圖4是采用快速譜峭度對泵空化狀態下的分析處理結果示意圖；

圖5a是泵空化狀態下原信號時域圖；

圖5b是泵空化狀態下快速譜峭度濾波處理后的信號時域圖；

圖5c是泵空化狀態下選定區域傅里葉變換后的頻譜包絡圖。

具體實施方式

快速譜峭度是一種四階譜分析工具。定義為其中H(n，f)是信號x(n)在頻率f的復包絡。<>是求均值的運算符。快速譜峭度可以很好的分析非穩定過程，如瞬時信號，而高度非穩態的瞬時信號的峭度數值取決于估計器的頻率分辨率(Δf)，每一種瞬變現象對應著一種最優的頻率帶{f，Δf}。因此，在實際的分析過程中，應該找到最優的頻率與頻率分辨率的信息，從而在這個區間內，峭度達到最大值，即可以找到相關的瞬態信息。

泵在許多狀態下，如空化、以及葉片變形等等，都會使得泵的振動發生突變，從而產生大量的瞬態信息。這樣，快速譜峭度算法良好的檢測瞬態信息以及良好的抗噪聲能力給泵的空化故障檢測和診斷提供了一種很好的工具。

為了更為具體地描述本發明，下面結合附圖及具體實施方式對本發明的技術方案進行詳細說明。

如圖1所示，基于快速譜峭度分析的泵潛在故障檢測方法包括如下步驟：

S01，通過振動加速度傳感器分別收集正常荷載泵和發生空化現象的泵的振動信號，并將數據導入處理程序中。

在處理程序中，使用預白化處理噪聲的方法，對信號進行降噪處理。在MATLAB軟件中，預白化的語句為：

x＝x-mean(x)；

Na＝100；

a＝lpc(x,Na)；

x＝fftfilt(a,x)；

x＝x(Na+1:end)；

其中x為處理的信號。

S02，將降噪處理得到的信號使用快速譜峭度函數進行計算，快速譜峭度函數為一個以原信號、分解階數(nlevel)以及采樣頻率為自變量的函數。

根據數據量的大小，選取一個合適的計算分解階數。在這里，分解階數確立的原則是根據處理結果的頻譜包絡圖峰的密度來確定的，如果峰密度太低，則降低分解階數；反之則升高。在本次試驗數據中，試驗采集頻率為40960Hz，試驗數據基本在64萬至65萬之間，因此采用六階的分析。

S03，在快速譜峭度的分析結果圖中，找到擁有最大譜峭度的頻率及相應的頻率帶寬。正常載荷狀態下的快速快速譜峭度分析結果如圖2所示，其最優的載波頻率為2400Hz，頻率帶寬為采樣頻率與2的階數加一次冪的商，因此其頻率帶寬為320Hz。空化狀態下的快速譜峭度分析結果如圖4所示，其最優載波頻率是19626.6667Hz，頻率帶寬是1706.6667。

S04，將擁有最大譜峭度的那段信號進行時域與頻域的轉化分析，使用傅里葉變換得到頻率的包絡圖，進而通過分析頻率來檢測和診斷泵的狀態。其中，圖3a、圖3b和圖3c分別為正常載荷狀態下原信號時域圖，快速譜峭度濾波處理后的信號時域圖以及傅里葉變換后的頻譜包絡圖；圖5a、圖5b和圖5c分別為空化狀態下原信號時域圖，快速譜峭度濾波處理后的信號時域圖以及傅里葉變換后的頻譜包絡圖。

S05，利用處理結果圖分析對比泵在正常載荷狀態下與空化狀態下的信息。從原始信號無法分析出泵的相關信息，如圖3a和圖5a所示。可以發現，在正常狀態下的泵的振動信號中，通過了快速譜峭度濾波處理后的數據在時域上仍然較為平整，在時域上無法看出明顯的沖擊，如圖3b所示。在傅里葉變換后的頻譜包絡圖，如圖3c中，可以明顯地發現軸頻(24.61Hz)和相關的葉頻諧波信息(75Hz，100Hz等等)。在本次試驗中，泵的轉速為1375圈每分鐘，則其軸頻為25Hz。而在空化狀態下，經過了快速譜峭度濾波處理后，在時間域上可以明顯清晰的發現沖擊信號，如圖5b。在其經過傅里葉變換后的頻率包絡圖上，出現了大量的高頻信息，其范圍甚至到了1600Hz以上，且葉頻信號(172Hz)尤為突出，說明泵空化現象產生的氣泡對葉頻有疊加，空化所產生的氣泡高頻率地沖擊葉片，如圖5c。因此證實譜峭度分析可以對泵的空化狀態進行檢測和分析。

本實例采用的是泵的振動加速度數據，在額定正常狀態下，具有明顯的頻率信息，而在空化狀態下，在具體的時間點有明顯的沖擊信號，在頻率圖譜上，也能夠找到空化現象的表現，出現了大量的高頻信息，表明快速譜峭度算法對于泵的振動狀態監測以及故障分析有很好的效果。

以上所述的具體實施方式對本發明的技術方案和有益效果進行了詳細說明，應理解的是以上所述僅為本發明的最優選實施例，并不用于限制本發明，凡在本發明的原則范圍內所做的任何修改、補充和等同替換等，均應包含在本發明的保護范圍之內。

總結

以上是生活随笔為你收集整理的快速谱峭度matlab,一种基于快速谱峭度分析的泵潜在空化故障检测方法与流程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。