A. 轴承故障诊断之谱峭度法的一些总结
深入探索:轴承故障诊断中的谱峭度法实践与应用
在2021年4月24日的最新进展中,我们将谱峭度法这一高级信号分析工具提升到了一个新的界面设计,使其操作更为直观和便捷。谱峭度,由Dwyer在1983年首次提出,本质上是计算信号频谱中每一条谱线的高阶统计特性。它对瞬态冲击信号具有敏锐的识别能力,能在背景噪声中精准捕获这些冲击并定位其在频谱中的分布。
直到2006年,Antoni等人对谱峭度给出了明确的定义,并通过短时傅里叶变换(STFT)提出了Kurtogram算法,将理论与实践紧密相连。他们详细阐述了这一方法如何在旋转机械故障检测中发挥关键作用,其后在2007年,为了提高处理效率,Fast Spectral Kurtosis应运而生,以适应非平稳信号监测的工业需求。Kurtogram通过自适应选择最佳带通滤波频带,为包络谱分析提供前置处理,通过搜索频率与分辨率的最佳组合,揭示瞬态冲击的频率特征。
值得一提的是,基于树状滤波器组的谱峭度算法,如二分段低通滤波器,其设计过程包括设定低通滤波器截止频率fc,以及使用Matlab函数fir1设计滤波器。对于Matlab中的归一化频率,其实际意义是将fs/2作为参照点进行频率归一化。例如,三分段滤波器的构造,通过对低通滤波器进行递进的频率划分,更细致地捕捉信号中的不同频段特征。
在STFT滤波器组的谱峭度计算中,Kurtogram的计算过程涉及到层次化的窗口设计,如使用Hanning窗或Flattop窗。通过这种方法,可以捕捉信号在不同时间尺度下的峭度变化,从而提供更全面的故障诊断信息。
最后,我们了解到,谱峭度法的计算和应用并不止于理论,它已经成为了实际工业环境中故障检测的重要工具。如果你在实践中遇到任何问题,例如关于滤波器设计或者STFT应用的疑问,可以随时提问,我们会尽力为你解答。欢迎探索并利用谱峭度法的强大功能,提升轴承故障诊断的精准度。
B. MATLAB环境下基于包络谱和谱峭度的一维振动信号分析
本文探讨了在MATLAB R2021B环境下,如何利用包络谱和谱峭度进行一维振动信号分析,以诊断滚动轴承的局部故障。滚动轴承的故障可能发生在内圈、外圈、保持架或滚动体上。故障引发高频共振,通过分析可识别故障位置。
故障频率计算基于信号的包络谱分析。对内圈故障信号,其时域表示显示了特定频率上的幅度调制。计算包络信号的功率谱显示,大部分能量集中在BPFI及其谐波上,表明内圈故障。对于正常和外圈故障信号,BPFO或BPFI处无显著峰值,表明故障特征未被捕捉。
峭度作为信号冲击性的量化指标,揭示内圈故障信号的冲击性特征。峭度图和谱峭度用于确定信号的冲击性频带。通过分析峭度图,找到具有最高峭度的频带,使用带通滤波器增强信号冲击性,以便包络谱分析揭示故障特征。
基于峭度图和谱峭度,提取BPFO和BPFI处的带通滤波包络谱幅度作为诊断指标。通过计算BPFI和BPFO幅度的对数比,形成新特征,有效区分不同轴承故障类型。该特征在训练数据集和测试数据集中显示一致的分布,表明其在轴承故障分类中的有效性。
为了获得更精确的分类器,可以将数据集分为多个部分,提取多个诊断相关特征,并按重要性排序。利用Statistics & Machine Learning应用程序,训练多种分类器,以适应不同故障类型。最终,BPFI和BPFO处的带通滤波包络谱幅度作为关键诊断指标,为轴承故障的准确识别提供有力支持。