農業機械故障診斷的研究范文
本站小編為你精心準備了農業機械故障診斷的研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。
1傳統的小波包能量分析
小波包頻帶能量分析技術是利用能量積分等式來構建數學模型。根據能量積分公式，得到連續信號x(t)在時域上的能量。上面描述的能量分析方法能夠表示初始信號不同頻率信號的能量分布，因而可以判斷其頻率的排布方式，但是由于某些零部件總是固定地破壞器械的缺陷區域，它會定時擊打缺陷部位，導致不同的軸承零件之間產生相互作用力，使得振幅疊加，從而產生更加強烈的沖擊力。這些振幅較大的沖擊力跟時間有關，因此這種計算理論是存在缺陷的，也就是說它沒有顧及到各個頻帶上的能量參數隨時間的變化分布規律，影響了下一步機械故障診斷的精確性。下面我們用實例說明這點，假定傳遞的信號參數滿足公式(2.8)和(2.9)的關系，使用本文所述的能量分析計算方法進行這兩個信號的詳細分析，分析結果可見圖1和圖2。這兩個信號的頻帶可以分成4個，這4個頻帶包括頻帶1(60Hz)，頻帶2(180Hz)，頻帶3(300Hz)，頻帶4(450Hz)。這里面，樣例的頻率為1000Hz，樣例的取點個數為2000，頻率最大不超過500Hz，所以從取樣點1至取樣點6每個頻帶的分布可以表示為:(0～90)Hz;(90～175)Hz;(175～250)Hz;(250～315)Hz;(315～395)Hz;(395～500)Hz。那么原信號的頻率f1=60Hz，f2=180Hz，f3=300Hz，f4=450Hz對應的頻帶分別為(0～90)Hz;(175～250)Hz;(250～315)Hz;(395～500)Hz，即分別對應第0，2，4，6號小波包節點。由以上兩個圖可以得到，初始信號的能量頻帶主要分布在0，2，4，6節點上，在圖中可以明顯地看出每個頻帶上的能量大小，使得初始信號的識別變得簡單。
2修正的小波包計算方法
上一節中的能量分析算法還存在一定缺陷，這個算法能夠有效分類信號的不同能量的頻帶，然而，當能量參數隨著時間變化使得兩組模擬信號存在著很大區別時，小波包能量分析圖中看不出任何差異，這說明當信號隨著時間變化產生不同的分布時，這種算法本身存在的缺陷對檢測結果造成失真的影響。該算法的問題出現在沒有認識到各個分離出來的具有不同能量的頻帶其參數是跟時間有關的，是隨時間變化的。因此，要想使得缺陷識別的精度更加高和信號處理地更加合理，需要對上面所說的小波包能量計算方法進行修正。在修正過的算法中，我們提出了兩個新的觀點，即:包絡分析方法與能量距分析方法。
2.1包絡分析方法這里的包絡解調方法就是利用包絡檢波和低通濾波方法處理振幅疊加產生的高頻共振波，得到一個范圍擴大的共振解調波，這個包絡分析方法能夠根據機械本身的高頻振動檢查軸承的運行狀況，也能夠通過分析包絡信號的振幅定位缺陷位置。包絡分析法能夠自動準確地識別故障信號，這樣就避免了其他信號對診斷帶來的干擾，是診斷結果更加可信、更加快捷。
2.2能量距方法能量距方法能夠有效識別各個頻帶上的能量分布寬度，它還能描述各個頻帶與時間之間的變化關系，而且也能盡量避免小波包變化引起的頻率混淆的情況。小波包細化后重新組成的信號設為xjk(n)，那么就得到能量距Fjk的定義式(3.1)。各個位置點的能量參數考慮到時間的影響之后，要是缺陷信號出現不完整或者異常點時，這個分析方法就能準確地預測它未來的能量變化。下面給出改進的小波能量分析算法:
2.2.1對原信號進行3步小波包分析，然后再分析第3步中按從小到大排列的6個不同振幅的信號，這樣就可以獲得比較詳細的特征波，然后即可進行小波包的分解參數重組，使每個振幅的信號和初始信號的振幅出現差異。
2.2.2利用包絡檢波的方法檢測(3.2.1)中得到的信息，也就是說采取Hilberttransform，這樣就能得到每個頻帶參數符合的包絡線。
2.2.3運用能量距公式Fjk，如式(3.1)求取(3.2.1)中得到的重組信號，其中j=3;k=0，1，2…6。處理能量距因子就能獲得小波包特征向量。
2.2.4以3.2.3得到的數據為依據進行能量分布柱狀圖的編輯。再次進行上述計算方法的操作，用得到的修正過的小波包能量分析方法修正式(2.6)和(2.7)兩組數據進行相關分析。對小波包各個節點的包絡分析數據進行小波能量距分析，結果如圖3、圖4所示。原信號的頻率為f1=60Hz，f2=180Hz，f3=300Hz，f4=450Hz，對應的頻帶分別為(0～90)Hz;(175～250)Hz;(250～315)Hz;(395～500)Hz，也就是與第0，2，4，6能量帶相符合的頻帶。從上圖可以確定，修正過的分析算法相較于以往的分析算法其精度更高，而且它們的變化是與時間有關的，我們很容易得出這兩者之間的差異。
3缺陷判斷方法仿真
下面我們通過實驗仿真檢驗小波包的頻帶能量分析算法效率，首先根據振動信號的特征模擬正常信號，如式(4.1)，輕微轉子振動信號如式(4.2)，重度轉振動信號。信號y1(t)代表的頻率是50Hz，信號y1(t)代表的頻率是50Hz，信號y1(t)代表的是100Hz。假設樣例的頻率是1000Hz，取點的個數為2000。那么利用修正過的小波包能量分析方法，第三層小波包分解后的6個小波包頻帶寬度分別為(0～90)Hz;(90～175)Hz;(175～250)Hz;(250～315)Hz;(315～395)Hz;(395～500)Hz。對1，2，3三個信號進行修正的算法計算，得到的結果可見圖5、圖6。從圖中可以看出，初始信號位于結點0處，一般來說，無故障或故障較小的情況小，結點0處的能量是最高的，圖6的結點1處于5圖對比其能量有了一部分提高。即當轉子的偏中傾向提高時，結點1處的能量升高，圖7可以看出，這就意味著缺陷更加嚴重。為了把審核步驟詳細來看，這里以積分能量均等的標準進行計算，將能量寬度廣的結點1的頻帶細分為8份，表1表示的是具體的分類。從表1中我們可以得到，一般來說轉子偏中缺陷部分的能量距非常小，甚至可以忽略不計，但是要是缺陷的損壞情況逐漸加重，那么能量距的數值就會也來越大，設置到增高到454.234×105，這個分類方法能夠使用于所有的頻段范圍和所有的頻段點。從上面所有的試驗結果可以發現，每個能量頻段的趨勢。因此，當每個頻段的能量改變時，修正過的能量算法可以準確表達各頻率分量的能量變化及狀態。
4結論
這篇文章主要論述了基于以往小波包分析的方法上的修正過的較為準確的缺陷檢測方法。經過缺陷檢測的實例分析，可以獲得軸承故障和無故障時小波包細化后的各個頻帶的能量趨勢，而且修正過的小波包能量分析方法能夠準確識別缺陷部分，提煉缺陷的特點，使缺陷的識別更加準確。實例分析說明修正后的能量分析方法可以有效判定農用器械的檢查精準度，使信號分析的結果更加符合標準。
