一种旋转机械振动信号故障特征频率自动识别方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115979646A(43)申请公布日2023.04.18(21)申请号202211529133.9(22)申请日2022.11.30(71)申请人朗坤智慧科技股份有限公司地址210005江苏省南京市鼓楼区汉中路2号亚太商务楼31层(72)发明人汪江毛旭初陈松李冰刘美茹翟李祥(74)专利代理机构南京禹为知识产权代理事务所(特殊普通合伙)32272专利代理师邱月华(51)Int.Cl.G01M13/045(2019.01)权利要求书2页说明书5页附图3页(54)发明名称一种旋转机械振动信号故障特征频率自动识别方法及装置(57)摘要本发明公开了一种旋转机械振动信号故障特征频率自动识别方法及装置，方法包括：高速采集振动信号，并传输到处理器；所述处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断；本发明实现了故障特征扰动频率自动提取，不会引入半频率等混叠频率分量，具有非常好的抗干扰性，提高了故障特征频率识别准确性，无需设备转速信息，计算量小，可以用于在设备边缘层嵌入式采集设备上，实现故障实时自动报警。CN115979646ACN115979646A权利要求书1/2页1.一种旋转机械振动信号故障特征频率自动识别方法，其特征在于，包括：高速采集振动信号，并传输到处理器；所述处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断。2.如权利要求1所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术包括：设振动信号采样频率为sf，采样点数为N，振动信号序列为[X0,X1,X2,…,XN‑1]，对振动信号序列进行快速傅里叶变换，得到相应的频谱序列[Y0,对应的频率序列为F；F＝[0,df,2*df,3*df,…(N/2‑1)*df]其中，df为振动信号频谱的频率分辨率，df＝sf/N。3.如权利要求2所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术还包括：设置抽取系数M，对所述频谱序列依次进行整数倍抽取，抽取倍率为小于M的且全部为互质的整数，设互质整数的个数为S。4.如权利要求3所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术还包括：整数倍抽取后，得到S个抽取后频谱序列，对抽取后频谱序列依次补零，使得序列长度和抽取前一致；抽取后频谱序列对应的频率序列依然使用原始振动信号频谱对应频率序列F。5.如权利要求4所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述改进的周期信号识别技术还包括：对补零后的S个振动信号频谱序列以及原始序列进行对应元素乘积运算，得到新的振动信号频谱序列F'，F'中每一项为S+1个振动信号频谱序列中对应项的乘积，取幅值最大的五个元素对应的频率序列F中的元素，为所述振动信号中所有谐波频率成分的基础频率。6.如权利要求5所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述计算基础频率包括：基于所有的基础频率都是转频的倍数关系或者分数倍数关系，由此对所述基础频率进行逻辑判断，进一步识别出设备转频，以及部件故障对应的特征频率。7.如权利要求6所述的旋转机械振动信号故障特征频率自动识别方法，其特征在于，所述设备结构参数包括：设备使用的滚动轴承型号，根据所述滚动轴承型号获取轴承内圈滚道缺陷、外圈滚动缺陷、滚动体缺陷等时的故障特征系数；将所述设备结构参数与所述部件故障对应的特征频率相匹配，实现对滚动轴承故障的自动诊断。8.一种旋转机械振动信号故障特征频率自动识别系统，其特征在于，包括：采集模块，用于高速采集振动信号，并传输到处理器；计算模块，用于通过处理器采用改进的周期信号识别技术，计算出所述振动信号中所有谐波频率成分的基础频率；自诊断模块，用于根据所述基础频率，结合设备结构参数，设别设备部件振动故障特征频率，实现设备故障自诊断。2CN115979646A权利要求书2/2页9.一种计算设备，包括：存储器和处理器；所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述旋转机械振动信号故障特征频率自动识别方法的步骤。10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述旋转机械振动信号故障特征频率自动识别方法的步骤。3CN115979646A说明书1/5页一种旋转机械振动信号故障特