重分配谱图和多窗谱在机械故障诊断中的应用
摘 要:时频重分配能提高时频图的时频聚集性,同时减少交叉项,但具有较大的估计方差。多窗谱分析具有较高的谱估计精度,但时频聚集性较差。将这两种方法结合起来可以进一步提高谱图的可读性。利用重分配谱图和多窗谱
相结合的方法对转轴、齿轮箱和轴承故障进行分析,并与重分配谱图比较,表明该方法时频聚集性好,具有更小的估计方差,能有效去除信号中的噪声,消除谱图中的交叉项,可以更好地识别强噪声背景下的机械故障。
关键词:谱图;重分配;多窗谱;故障诊断
中图分类号: TH133 文献标识码: A
机械设备运行中的绝大多数振动信号是非平稳、非线性的。这些非平稳、非线性信号中包含着丰富的故障信息。目前常用来分析非平稳非线性信号的方法包括时频分析方法、小波变换等[1]。在时频聚集性方面,W igner-Ville谱(W igner-Ville Spectrum, WVS)比傅里叶谱及小波变换尺度谱都要优越,而且可以用谱图(Spectrogram),即短时傅里叶变换(ShortTime FourierTransform, STFT)的模的平方,来进行估计[2]。但当信号的支撑区相互交叠的时候,就会产生交叉项。
时频谱重分配技术是一种信号后处理方法,通过将时频谱按照重心进行重分配,能大大提高时频谱的可读性[3]。对谱图进行重分配,可以在一定程度上消除交叉项,改善WVS的性能,但只限于信噪比较高的情况。当振动信号中存在能量较大的非平稳噪声时,重分配谱图将具有较大的估计方差。多窗谱方法在估计时频谱时,避免了对信号进行时域平均,因此可以避免由此产生的时域及频域的偏差,但多窗谱的时频聚集性较差。通过将重分配技术与多窗谱方法相结合,既能保持重分配谱图的高时频聚集性又具有多窗谱分析的低估计方差等优点,从而得到一种既具有良好的时频聚集性,又能避免受到噪声及交叉项干扰的WVS估计。
本文将该方法运用到转子元件、齿轮箱和轴承的故障诊断中,并与重分配谱图进行比较,结果表明该方法能有效地从含噪信号中提取出故障的特征频率,能更好地发现机械设备的早期故障。
......
