基于AR双谱的调速阀故障诊断

　　高阶谱不同于传统的信号处理方法,它弥补了功率谱的不足,对故障信息的灵敏度很高,可用于监测设备的运行状态,进行故障诊断与识别[1-3].由于高斯分布的随机变量的高阶累积量恒等于零,所以,在加性高斯色噪声下,高阶累积量和高阶谱可以抑制噪声的影响,消除高斯噪声的干扰.本文以调速阀为例,利用调速阀工作时输出的受干扰的振动信号,采用时间序列分析方法,建立自回归模型(Autoregres-siveModel,简称AR模型),计算AR双谱,提取双谱特征[4],进行双谱分析.

　　1 实验过程

　　1.1 振动信号源

　　如图1所示,调速阀的振动信号包含系统的各种噪声干扰和信息,当调速阀内有元件损坏时,该影响也包含在振动信号中.因此,分析振动信号就可以判断出调速阀是否出现了故障.在实验中,对调速阀设定了5种不同的故障(表1).分别采集各种故障情况下的振动位移信号进行数据处理分析,将其与正常工作条件下的振动位移信号进行对比.

　　1.2 实验测试装置

　　测试系统的硬件有计算机、PS-3030D直流电源(固纬电子有限公司)、ST-1-03型非接触式电涡流位移传感器(北京昆仑海岸公司)、数据采集卡PCI-6014以及接线端子8LP(NI公司).应用软件为LabVIEW7. 0版本,编写检测程序.整个实验测试程序如图2所示.

　　1.3 数据预处理

　　数据预处理是将测试中采集到的数据尽可能真实地还原成实际状况的数据.实验过程中,通过单通数据连续采集信号,由于各种干扰的存在,使得测试系统采集到的数据偏离真实值[5]出现线性项或缓慢变化的、周期大于记录长度的成分.这种趋势项的存在会使时域中的相关分析和频率域中的功率谱分析产生较大的误差,甚至使低频谱完全失去真实性.因此,应首先对采样信号进行滤波(图3),通过消除趋势项,减少或消除采样数据中的干扰成分,使采样数据尽可能接近其真实值.然后再对滤波后的信号进行分析处理.全部测试和分析由计算机自动完成.

　　图3 信号预处理

　　Fig. 3 Signal preprocessing

　　2 参数化AR双谱估计方法

　　2. 1 AR模型

　　假设调速阀输出振动信号中的随机信号是受到均值为零的非高斯白噪声a(t)的干扰, x(t)为零均值有色非高斯噪声,所以输出的随机信号中含有丰富的动态信息,可以建立AR模型:

 (1)

　　式中:A_i(i =1,2,,, p)为自回归系数, p为自回归模型的阶数.用滞后量m和n表示变量x(t)的三阶累积量函数c(m,n)为:

　　(2)