本发明属于信 处理领域，尤其涉及一种基于快速谱峭度分析泵的实时状态并且检测其潜在空化故障的方法。
背景技术：
高性能离心泵在当今 会上广泛应用和需求巨大。由于工作在高压高速等复杂条件下，离心泵的空化故障频频发生，导致振动频率加剧、噪声增大、叶片腐蚀，严重制约着泵性能和寿命。传统的检测方法在泵空化初生阶段，对于泵的流量和扬程、振动和噪声等信 变化的检测并不敏感；但当空化信 显著变化时，空化故障已经迅速发展到了相当严重的程度。
空化气泡的声信 带宽跨度大、瞬时性强、处理难度较高；空化引起的振动信 往往被叶片旋转所强烈调制。
目前信 处理领域常用的故障信 检测方法主要有短时傅里叶变换和小波变换两种。短时傅里叶变换是最常用的一种时频分析方法，它通过时间窗内的一段信 来表示某一时刻的信 特征。在短时傅里叶变换过程中，窗的长度决定频谱图的时间分辨率和频率分辨率，窗长越长，截取的信 越长，信 越长，傅里叶变换后频率分辨率越高，时间分辨率越差；相反，窗长越短，截取的信 就越短，频率分辨率越差，时间分辨率越好，也就是说短时傅里叶变换中，时间分辨率和频率分辨率之间不能兼得，应该根据具体需求进行取舍。短时傅里叶变换严重的受到了时域和频域分辨率的影响，导致它的作用受到了限制。而且，对于空化所产生的振动加速度信 ，短时傅里叶变换无法分析出明确的信息。
小波变换的实用性明显强于短时傅里叶变换，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信 时频分析和处理的理想工具。工业生产实际中使用离散小波变换较多。但仍存在小波基选取不唯一、小波参数组合不稳健的不足。同时也有结合支持向量机和人工神经 络方法来改进小波分解变换，利用压力脉动信 和空化场分布图像，对瞬态变化的空化特征提取十分有效，不过算法复杂度高、参数设定仍然需要经验判读。此外，与小波变换等多尺度分析互为补充的，基于多维度分析(叶轮-导叶-负载-声振信 频谱)的空化诊断方法，成功开发了高灵敏度、高可靠性的水轮机空化监测与诊断系统，但是该多维度分析方法未能获得高分辨率的动态频谱纹理，不利于表征从片状向云状空化等关键转捩过程。
技术实现要素：
本发明提供了一种基于快速谱峭度分析的泵潜在空化故障检测方法，能够检测到更多的瞬时信 ，使时域和频域方面的信息看得更加清晰明显，能明显分辨出泵的正常状态与空化状态，不仅拥有比较大的频率检测范围，而且操作简单。
一种基于快速谱峭度分析的泵潜在空化故障检测方法，包括以下步骤：
步骤1，对采集的振动加速度信 进行降噪，作为实验待处理信 ；
步骤2，根据试验待处理信 的数据量大小，确定拟合程度最高的快速谱峭度算法分解阶数作为信 处理的分解阶数；
步骤3，根据快速谱峭度算法计算结果，选择能够使信 峭度最大的载波频率以及相应带宽；
步骤4，对选择的载波频率以及相应带宽后的信 进行傅里叶变换，得到频谱包络图；
步骤5，根据原信 时域图、经快速谱峭度处理的信 时域图以及选定区域傅里叶变换后的频谱包络图，分析故障信 的时间和频率特征。
步骤1中，所述的降噪方法为，在处理程序中，使用预白化处理噪声，对信 进行降噪处理，预白化处理在MATLAB软件中为：
x＝x-mean(x)；
Na＝100；
a＝lpc(x,Na)；
x＝fftfilt(a,x)；
x＝x(Na+1:end)；
其中x为处理的信 。
步骤2的具体过程为：
步骤2-1，在MATLAB软件中，根据实际数据量，设置一个初步分解阶数；
步骤2-2，在该阶数下，观察由快速谱峭度算法得到的载波频率及带宽，观察该频率范围内傅里叶变换后的频谱包络图；
步骤2-3，根据频谱包络图峰特征，确定分解阶数。
分解阶数确立的原则是根据处理结果的频谱包络图峰的密度来调整的，如果峰密度太低，则降低分解阶数；反之则升高。
步骤3中，所述的快速谱峭度算法在MATLAB软件中为一个以原信 、分解阶数(nlevel)以及采样频率为自变量的函数。
步骤5中，分析故障信 的时间和频率特征的过程具体为：
步骤5-1，根据快速谱峭度处理的信 时域图上是否存在明显的冲击信 ，确定是否存在空化故障，根据冲击信 在时域图上的位置，确定空化故障信 的时间；
步骤5-2，根据经过傅里叶变换后的频率包络图上的轴频和叶频信息，确定空化故障信 的频率特征。
本发明提供了一种快速谱峭度频谱纹理分析的方法，通过快速谱峭度函数，对泵的振动信 进行处理。本发明选择能够使其包含瞬时信息最多的最优载波频率及带宽进行信 滤波，通过对该段时域信息进行傅里叶变换得到频域信息，进而对泵状态进行检测，对特定的空化故障频率进行分析。
本发明方法极大提升了信 增强能力，能够从旋转的叶频中增强空化信 ，同时能够清晰的分辨出泵的相关数据，对于正常状态与空化状态也有一个明显的分辨。
附图说明
图1是本发明基于快速谱峭度频谱纹理分析的泵实时状态监测与潜在空化故障检测的方法的流程示意图；
图2是采用快速谱峭度对额定状态下的分析处理结果示意图；
图3a是额定状态下原信 时域图；
图3b是额定状态下快速谱峭度滤波处理后的信 时域图；
图3c是额定状态下选定区域傅里叶变换后的频谱包络图；
图4是采用快速谱峭度对泵空化状态下的分析处理结果示意图；
图5a是泵空化状态下原信 时域图；
图5b是泵空化状态下快速谱峭度滤波处理后的信 时域图；
图5c是泵空化状态下选定区域傅里叶变换后的频谱包络图。
具体实施方式
快速谱峭度是一种四阶谱分析工具。定义为其中H(n，f)是信 x(n)在频率f的复包络。是求均值的运算符。快速谱峭度可以很好的分析非稳定过程，如瞬时信 ，而高度非稳态的瞬时信 的峭度数值取决于估计器的频率分辨率(Δf)，每一种瞬变现象对应着一种最优的频率带{f，Δf}。因此，在实际的分析过程中，应该找到最优的频率与频率分辨率的信息，从而在这个区间内，峭度达到最大值，即可以找到相关的瞬态信息。
泵在许多状态下，如空化、以及叶片变形等等，都会使得泵的振动发生突变，从而产生大量的瞬态信息。这样，快速谱峭度算法良好的检测瞬态信息以及良好的抗噪声能力给泵的空化故障检测和诊断提供了一种很好的工具。
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
如图1所示，基于快速谱峭度分析的泵潜在故障检测方法包括如下步骤：
S01，通过振动加速度传感器分别收集正常荷载泵和发生空化现象的泵的振动信 ，并将数据导入处理程序中。
在处理程序中，使用预白化处理噪声的方法，对信 进行降噪处理。在MATLAB软件中，预白化的语句为：
x＝x-mean(x)；
Na＝100；
a＝lpc(x,Na)；
x＝fftfilt(a,x)；
x＝x(Na+1:end)；
其中x为处理的信 。
S02，将降噪处理得到的信 使用快速谱峭度函数进行计算，快速谱峭度函数为一个以原信 、分解阶数(nlevel)以及采样频率为自变量的函数。
根据数据量的大小，选取一个合适的计算分解阶数。在这里，分解阶数确立的原则是根据处理结果的频谱包络图峰的密度来确定的，如果峰密度太低，则降低分解阶数；反之则升高。在本次试验数据中，试验采集频率为40960Hz，试验数据基本在64万至65万之间，因此采用六阶的分析。
S03，在快速谱峭度的分析结果图中，找到拥有最大谱峭度的频率及相应的频率带宽。正常载荷状态下的快速快速谱峭度分析结果如图2所示，其最优的载波频率为2400Hz，频率带宽为采样频率与2的阶数加一次幂的商，因此其频率带宽为320Hz。空化状态下的快速谱峭度分析结果如图4所示，其最优载波频率是19626.6667Hz，频率带宽是1706.6667。
S04，将拥有最大谱峭度的那段信 进行时域与频域的转化分析，使用傅里叶变换得到频率的包络图，进而通过分析频率来检测和诊断泵的状态。其中，图3a、图3b和图3c分别为正常载荷状态下原信 时域图，快速谱峭度滤波处理后的信 时域图以及傅里叶变换后的频谱包络图；图5a、图5b和图5c分别为空化状态下原信 时域图，快速谱峭度滤波处理后的信 时域图以及傅里叶变换后的频谱包络图。
S05，利用处理结果图分析对比泵在正常载荷状态下与空化状态下的信息。从原始信 无法分析出泵的相关信息，如图3a和图5a所示。可以发现，在正常状态下的泵的振动信 中，通过了快速谱峭度滤波处理后的数据在时域上仍然较为平整，在时域上无法看出明显的冲击，如图3b所示。在傅里叶变换后的频谱包络图，如图3c中，可以明显地发现轴频(24.61Hz)和相关的叶频谐波信息(75Hz，100Hz等等)。在本次试验中，泵的转速为1375圈每分钟，则其轴频为25Hz。而在空化状态下，经过了快速谱峭度滤波处理后，在时间域上可以明显清晰的发现冲击信 ，如图5b。在其经过傅里叶变换后的频率包络图上，出现了大量的高频信息，其范围甚至到了1600Hz以上，且叶频信 (172Hz)尤为突出，说明泵空化现象产生的气泡对叶频有叠加，空化所产生的气泡高频率地冲击叶片，如图5c。因此证实谱峭度分析可以对泵的空化状态进行检测和分析。
本实例采用的是泵的振动加速度数据，在额定正常状态下，具有明显的频率信息，而在空化状态下，在具体的时间点有明显的冲击信 ，在频率图谱上，也能够找到空化现象的表现，出现了大量的高频信息，表明快速谱峭度算法对于泵的振动状态监测以及故障分析有很好的效果。
以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。
相关资源：Yalefree雅乐简谱打谱软件_打谱软件-WindowsServer工具类资源…
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！