论文部分内容阅读
摘要：建筑机械设备的诊断过程基本上可以分为三个步骤：第一是诊断信息的采集与获取；第二是信号的分析和特征提取；第三是状态识别和故障诊断。在工程实践中，为了做到防微杜渐，防患于未然，将设备故障消灭于萌芽状态，开展早期故障诊断的理论与技术研究，不仅是工程实际中的迫切需要，也是设备状态监测与故障诊断技术发展的必然趋势。
关键词： 建筑机械；信息采集；特征提取；故障诊断；自适应消噪
1引言
早期故障主要包括两方面的含义，其一是指处于早期阶段的故障、微弱故障或潜在故障；其二是从物理意义上讲，某一故障是另一故障的早期阶段，如不平衡与动静碰摩、旋转失速与喘振、油膜涡动与油膜振荡、气门和活塞环密封性能与内燃机燃烧压力等。因此，早期故障的监测诊断要比常规的设备监测诊断，在传感器的合理配置、信号处理、特征提取、故障属性、模式分类及判别决策等方面，具有更高的要求。
2微弱信号检测常用的时域方法
2.1取样积分与数字式平均
取样积分与数字式平均是检测频率已知的微弱周期信号的很有效的方法，而且适合于频率成分复杂的信号。早在20世纪50年代，国外的科学家就提出了取样积分的概念和原理。1962年，加利福尼亚大学劳伦茨实验室的Klein用电子技术实现了取样积分，并命名为BOXCAR积分器。为了恢复淹没于噪声中的快速变化的微弱信号，必须把每个信号周期分成若干个时间间隔，间隔的大小取决于恢复信号所要求的精度。然后对这些时间间隔的信号进行取样，并将各个周期中处于相同位置（对于信号周期起点具有相同的延时）的取样进行积分或平均。积分过程常用模拟电路实现，称之为取样积分；平均过程常通过计算机以数字处理的方式实现，称之为数字式平均。对信号进行n次取样并累积平均，根据同步累积法的原理，输出信噪比的改善与 成正比，平均次数n越大，信噪比的改善也越大。因此，如果想得到较高的信噪比，则需要较长的检测时间。
2.2相关检测
相关函数和协方差函数用于描述不同随机过程之间或同一随机过程内不同时刻取值的相互关系。确定性信号的不同时刻取值一般都具有较强的相关性，而对于干扰噪声，因为其随机性较强，不同时刻取值的相关性一般较差，相关检测技术就是基于这种信号和噪声统计特性间的差异来进行检测的。因此，从本质上说，相关函数是两个时域信号（有时是空间域信号）相似性的一种度量。不足的是，自相关方法虽然可以恢复被测微弱周期信号的幅值和频率，但却丢掉了相位信息。互相关方法可以抑制所有与参考信号不相关的各种形式的噪声，可以完全重构被测微弱周期信号，优于自相关方法，但互相关需要一个参考信号，这在应用中受到一些限制。
2.3自适应消噪
自适应消噪属于自适应信号处理的领域，它是以干扰噪声为处理对象，利用噪声与被测信号不相关的特点，自适应地调整滤波器的传输特性，尽可能地抑制和衰减干扰噪声，以提高信号检测或信号传递的信噪比。自适应消噪不需要预先知道干扰噪声的统计特性，它能在逐次迭代的过程中将自身的工作状态自适应地调整到最佳状态，对抑制宽带噪声或窄带噪声都有效。因此，自适应消噪在通信、雷达、声纳、生物医学等工程领域得到了广泛的应用。例如，水下侦查系统中的发射器和接收器靠的很近，为了探测水下远程目标，发射信号的功率必须很强，这必然会串扰到接收器中，所以接受到的远程目标的反射波就被淹没在串扰信号中，必须采取有效的串扰抵消措施，才可能利用反射波的到达时间测出发射点到目标的距离。但是，自适应消噪的方法要求在所检测的设备上相近的位置至少安置两个特性相同的传感器，一个用来检测有用信号，而另一个则用来检测干扰噪声。显然这个要求并不是所有的检测系统都能满足的。
3微弱信号检测常用的频域方法
3．1快速傅立叶变换
1965年Cooely-Tukey在《计算数学》杂志上首次发表了快速傅立叶变换算法，实现了信号处理从时域到频域分析的转变。此后，FFT和频谱分析很快发展成为机械设备故障诊断、无线电通信、图像信息处理和自动控制等众多学科重要的理论基础。然而长期的应用和理论分析表明：FFT得到的离散频谱的频率、幅值和相位均可能产生较大的误差，单频率谐波信号加矩形窗时的幅值最大误差从理论上分析可达36.4%；即使加其他窗时，也不能完全消除此误差，加Hanning窗并只进行幅值恢复时的最大幅值误差仍高达15.3%，相位误差高达€?0度，频率最大误差为0.5个频率分辨率。因此，FFT分析的结果在许多领域只能定性而不能精确的定量分析和解决问题，大大限制了该技术的工程应用，在机械振动和故障诊断中常被用作粗略判断机组运行状态和故障类型的基本工具。
3．2功率谱密度
对长数据直接进行FFT计算需要大量的时间，这在计算机上实现起来相对比较简单，但在DSP（Digital Signal Processor）芯片中实现起来相对就比较复杂了。按一定长度将长数据分割成块，在DSP中对这些短的数据块进行FFT就容易很多，所以这类分段FFT的方法在基于DSP芯片的仪器、仪表中得到了大量应用。PSD分析技术将长数据分割成长度为1024或其整数倍的适合于DSP处理的长度，对每个数据块进行FFT，与时域中的取样积分和数字式平均方法相类似，将各个数据块中处于相同位置的经过FFT后的数据的能量进行积分和平均，得到信号的功率谱密度。与FFT相比，PSD计算速度要快一些，而且易于在基于DSP的仪器中实现。
3．3滤波
滤波就是根据被测信号的特点，使用滤波器对信号进行滤波处理，以减少其它频率范围的信号和噪声对被测信号的影响，提高信噪比。滤波消噪只适用于信号与噪声的频谱不重叠的情况。利用滤波器的频率选择特性，可以把滤波器的通带设置的能够覆盖有用信号的频宽，所以滤波不会使有用信号衰减。而噪声的频带一般较宽，当通过滤波器时，通带之外的噪声功率受到大幅度衰减，从而使得信噪比得以提高。
4结语
早期故障具有两方面含义，一是指处于早期阶段的故障、微弱故障或潜在故障；二是从物理意义上讲，某一故障是另一故障的早期阶段。故障发现得越早，越有助于设备的安全可靠运行。但是，设备早期故障的特征信号很微弱，往往被强噪声所淹没，信噪比很低，极大地影响了设备运行状态信息的准确获取。论文以建筑机械设备为对象，研究了早期故障预示中的微弱信号检测与实用诊断技术。
参考文献：
[1] 胥永刚. 机电设备监测诊断时域新方法的应用研究：[D].西安：西安交通大学，2004
[2] 曾庆勇. 微弱信号检测[M]. 杭州：浙江大学出版社，1994
[3] 孟昭信，微弱物理量的检测[J]. 首都师范大学学报，1997，18(9)：119~124
[4] 余欲为，冯庚斌，段全胜，等. 柴油机振动诊断的微机实现[J]. 小型内燃机，1995，24(2)：42~45
作者简介：权学芬（1978～），女，汉族，宁夏银川人，现主要从事建筑机械安全检测方面的工作。
关键词： 建筑机械；信息采集；特征提取；故障诊断；自适应消噪
1引言
早期故障主要包括两方面的含义，其一是指处于早期阶段的故障、微弱故障或潜在故障；其二是从物理意义上讲，某一故障是另一故障的早期阶段，如不平衡与动静碰摩、旋转失速与喘振、油膜涡动与油膜振荡、气门和活塞环密封性能与内燃机燃烧压力等。因此，早期故障的监测诊断要比常规的设备监测诊断，在传感器的合理配置、信号处理、特征提取、故障属性、模式分类及判别决策等方面，具有更高的要求。
2微弱信号检测常用的时域方法
2.1取样积分与数字式平均
取样积分与数字式平均是检测频率已知的微弱周期信号的很有效的方法，而且适合于频率成分复杂的信号。早在20世纪50年代，国外的科学家就提出了取样积分的概念和原理。1962年，加利福尼亚大学劳伦茨实验室的Klein用电子技术实现了取样积分，并命名为BOXCAR积分器。为了恢复淹没于噪声中的快速变化的微弱信号，必须把每个信号周期分成若干个时间间隔，间隔的大小取决于恢复信号所要求的精度。然后对这些时间间隔的信号进行取样，并将各个周期中处于相同位置（对于信号周期起点具有相同的延时）的取样进行积分或平均。积分过程常用模拟电路实现，称之为取样积分；平均过程常通过计算机以数字处理的方式实现，称之为数字式平均。对信号进行n次取样并累积平均，根据同步累积法的原理，输出信噪比的改善与 成正比，平均次数n越大，信噪比的改善也越大。因此，如果想得到较高的信噪比，则需要较长的检测时间。
2.2相关检测
相关函数和协方差函数用于描述不同随机过程之间或同一随机过程内不同时刻取值的相互关系。确定性信号的不同时刻取值一般都具有较强的相关性，而对于干扰噪声，因为其随机性较强，不同时刻取值的相关性一般较差，相关检测技术就是基于这种信号和噪声统计特性间的差异来进行检测的。因此，从本质上说，相关函数是两个时域信号（有时是空间域信号）相似性的一种度量。不足的是，自相关方法虽然可以恢复被测微弱周期信号的幅值和频率，但却丢掉了相位信息。互相关方法可以抑制所有与参考信号不相关的各种形式的噪声，可以完全重构被测微弱周期信号，优于自相关方法，但互相关需要一个参考信号，这在应用中受到一些限制。
2.3自适应消噪
自适应消噪属于自适应信号处理的领域，它是以干扰噪声为处理对象，利用噪声与被测信号不相关的特点，自适应地调整滤波器的传输特性，尽可能地抑制和衰减干扰噪声，以提高信号检测或信号传递的信噪比。自适应消噪不需要预先知道干扰噪声的统计特性，它能在逐次迭代的过程中将自身的工作状态自适应地调整到最佳状态，对抑制宽带噪声或窄带噪声都有效。因此，自适应消噪在通信、雷达、声纳、生物医学等工程领域得到了广泛的应用。例如，水下侦查系统中的发射器和接收器靠的很近，为了探测水下远程目标，发射信号的功率必须很强，这必然会串扰到接收器中，所以接受到的远程目标的反射波就被淹没在串扰信号中，必须采取有效的串扰抵消措施，才可能利用反射波的到达时间测出发射点到目标的距离。但是，自适应消噪的方法要求在所检测的设备上相近的位置至少安置两个特性相同的传感器，一个用来检测有用信号，而另一个则用来检测干扰噪声。显然这个要求并不是所有的检测系统都能满足的。
3微弱信号检测常用的频域方法
3．1快速傅立叶变换
1965年Cooely-Tukey在《计算数学》杂志上首次发表了快速傅立叶变换算法，实现了信号处理从时域到频域分析的转变。此后，FFT和频谱分析很快发展成为机械设备故障诊断、无线电通信、图像信息处理和自动控制等众多学科重要的理论基础。然而长期的应用和理论分析表明：FFT得到的离散频谱的频率、幅值和相位均可能产生较大的误差，单频率谐波信号加矩形窗时的幅值最大误差从理论上分析可达36.4%；即使加其他窗时，也不能完全消除此误差，加Hanning窗并只进行幅值恢复时的最大幅值误差仍高达15.3%，相位误差高达€?0度，频率最大误差为0.5个频率分辨率。因此，FFT分析的结果在许多领域只能定性而不能精确的定量分析和解决问题，大大限制了该技术的工程应用，在机械振动和故障诊断中常被用作粗略判断机组运行状态和故障类型的基本工具。
3．2功率谱密度
对长数据直接进行FFT计算需要大量的时间，这在计算机上实现起来相对比较简单，但在DSP（Digital Signal Processor）芯片中实现起来相对就比较复杂了。按一定长度将长数据分割成块，在DSP中对这些短的数据块进行FFT就容易很多，所以这类分段FFT的方法在基于DSP芯片的仪器、仪表中得到了大量应用。PSD分析技术将长数据分割成长度为1024或其整数倍的适合于DSP处理的长度，对每个数据块进行FFT，与时域中的取样积分和数字式平均方法相类似，将各个数据块中处于相同位置的经过FFT后的数据的能量进行积分和平均，得到信号的功率谱密度。与FFT相比，PSD计算速度要快一些，而且易于在基于DSP的仪器中实现。
3．3滤波
滤波就是根据被测信号的特点，使用滤波器对信号进行滤波处理，以减少其它频率范围的信号和噪声对被测信号的影响，提高信噪比。滤波消噪只适用于信号与噪声的频谱不重叠的情况。利用滤波器的频率选择特性，可以把滤波器的通带设置的能够覆盖有用信号的频宽，所以滤波不会使有用信号衰减。而噪声的频带一般较宽，当通过滤波器时，通带之外的噪声功率受到大幅度衰减，从而使得信噪比得以提高。
4结语
早期故障具有两方面含义，一是指处于早期阶段的故障、微弱故障或潜在故障；二是从物理意义上讲，某一故障是另一故障的早期阶段。故障发现得越早，越有助于设备的安全可靠运行。但是，设备早期故障的特征信号很微弱，往往被强噪声所淹没，信噪比很低，极大地影响了设备运行状态信息的准确获取。论文以建筑机械设备为对象，研究了早期故障预示中的微弱信号检测与实用诊断技术。
参考文献：
[1] 胥永刚. 机电设备监测诊断时域新方法的应用研究：[D].西安：西安交通大学，2004
[2] 曾庆勇. 微弱信号检测[M]. 杭州：浙江大学出版社，1994
[3] 孟昭信，微弱物理量的检测[J]. 首都师范大学学报，1997，18(9)：119~124
[4] 余欲为，冯庚斌，段全胜，等. 柴油机振动诊断的微机实现[J]. 小型内燃机，1995，24(2)：42~45
作者简介：权学芬（1978～），女，汉族，宁夏银川人，现主要从事建筑机械安全检测方面的工作。