1引言传统的旋转机械状态监测和故障诊断只采用单源振动信号作为判别设备运行状态的依据,忽略了各个通道信号之间的有机联系,导致信息不完整、不可靠。由于单源信号从量值和结构方面都很难反映设备运行的实际状况,因此采用传统的分析方法很容易造成漏判和误判[1]212-215。针对这种情况,许多学者在数据融合及全信息分析方法方面做了大量研究工作,取得很大成功。全矢谱分析技术作为一种典型的全信息方法,改善了旋转机械状态监测和故障诊断建立在不完整信息基础之上的状况,真实地反映机械振动的全部特征,提高了诊断的客观性和准确性。频率分辨率是频谱分析中的一个重要指标,高分辨率分析对于故障诊断工作有重大意义。对于频谱密集型信号,若频谱分析的分辨率不足,则会导致相邻谱峰无法分辨,直接影响故障诊断的结果。通常的频谱分析方法在计算机上使用快速傅里叶变换FFT(fastFouriertransform)对数据进行处理,但是FFT本身的性质决定了其分辨率和数据计算量是矛盾的[2]。对于基带FFT方法,要提高其分辨率,必须加大时域采样长度,要么降低采样频率,要么加大采样点数。由于采样定理和计算机处理能力的限制,采用这两种途径提高分辨率能力有限且灵活性较差。20世纪70年代以来发展起来的细化分析技术较好地解决了上述问题,其实质是一种选带分析技术,可以使某些感兴趣的重点频段得到较高的分辨率。常用的细化分析技术主要包括Chirp-Z变换[3]、Yip-Zoom变换、Zoom-FFT(zoomfastFouriertransform)等等。从分析精度、计算效率、分辨率、频谱等效性以及应用广泛程度等方面看,复调制细化分析方法不失为一种行之有效的提高分辨率的实用技术[4]。本文在对旋转机械同源信息融合全矢谱技术和复调制细化分析技术进行研究的基础上,结合二者的特点,实现基于复调制的全信息频谱细化分析方法。2全信息振矢及能量计算转子二维分析方法采用双向垂直探头获得信息,对信息进行集成处理与综合表达。设转子某截面内沿垂直方向采集到的两组动态离散信号为x(n)、y(n),采取数据级融合的方法,令z(n)=x(n)+iy(n),其中i2=-1,即得到一个离散的融合矢量信号。对z(n)实施一次性复傅里叶变换得到其频谱Z(k)。根据转子动力学知识可知,转子在单频下的涡动轨迹为一广义椭圆[5],由Z(k)即可求得各阶频率下转子涡动轨迹的主振矢(椭圆长半轴)Rak、副振矢(椭圆短半轴)Rbk为[1]212-215Rak=Z(k)+Z(N-k)(1)Rbk=Z(k)-Z(N-k)(2)其中,k=0,1,2,…,N/2-1定义矢量信号的能量为矢量信号的模的平方对时间的积分,离散情况对应求和。对于离散情形,在主值周期内信号的能量为N-1n=0z(n)2=N-1n=0z(n)z*(n)=N-1n=0z(n)1NN-1k=0Z(k)WN-nk*=N-1n=0z(n)1NN-1k=0Z*(k)WnNk=1NN-1k=0Z*(k)N-1n=0z(n)WnNk=1NN-1k=0Z*(k)Z(k)=1NN-1k=0Z(k)2=1NN2-1k=-N2Z(k)2(3)此即矢量信号的Parseval定理。联系到式(1)、(2),则式(3)可化为1NZ(0)2+ZN22+N2-1k=1(R2ak+R2bk)(4)亦即单频下的能量可以由椭圆长、短半轴的平方和描述[6]。3复调制细化全矢谱由式(1)、(2)可知全矢谱各阶频率下的主、副振矢可由融合矢量信号的傅里叶谱中对应的正负频率处的分量计算得到。故可以采用与传统复调制细化分析[7]相似的原理,
复调制细化分析matlab,基于复调制的细化全矢谱分析研究
最新推荐文章于 2022-08-23 12:59:07 发布