VWC振动信号特征提取原理介绍

故障模式识别系统中的特征提取（也称征兆提取）是指从采集的原始信号中通过信号分析处理方法将其中能够代表设备运行状态的有用信息提取出来。在实际数据测量过程中，系统采集的原始信号中不仅仅只有振动信号，其中还包含了其他成分的信号，如背景噪声和干扰信号等。要进行特征提取就必须利用现代信号处理方法，这些常用的方法在第4章已经进行了相应的说明。FFT是传统特征提取时使用最为广泛的技术之一，现代信号处理方法有很多都是在Fourier变换基础上发展起来的。同时，故障与征兆的关系非常复杂，并不是单一对应关系。一种故障可能表现出几种征兆特征，同一征兆也可能是多种故障产生的叠加结果。这些问题导致故障特征提取比较困难，因此必须借助先进的信号处理算法才有可能解决。本书在深入研究旋转机械工作原理的基础上，提出了VWC振动故障特征提取方法用于旋转机械的故障分析中。该方法将振动烈度、小波能量谱和小波能量谱最大分解层系数功率谱三者相结合，它主要从时域和时频域两个方面对故障振动信号进行特征提取。时域方面以振动烈度作为振动特征参数，时频域方面在小波变换基础上进行小波能量谱分析，对其最大能量分布集中层进行频域分析，频域分析使用了功率谱算法。在本书中VWC提取的特征参数将作为故障模式识别分类的重要依据。

第4章中对时域分析方法进行了介绍，如均值、峰峰值和峭度等。因为旋转机械转子系统的波形是混合波形，仅从波形外观上难以推断出其特征规律，并且各种故障与波形幅值的对应规律很难总结。时域分析大部分算法都只能对波形做出定性分析，在这种分析基础上很难制定出统一的标准。因此在旋转机械故障模式识别中使用的时域算法较少，本书仅采用一种时域方法，即振动烈度。振动烈度已经在机械行业被广泛使用，国际标准化组织（International Organization for Standardization，简称ISO）早在1974年就颁布了机器设备的振动烈度标准—ISO 2372，用它作为机器设备质量的评价标准，ISO还颁布了ISO 3945以及ISO 3845等。国内制定的标准有GB/T11347、SHS 01003—2004和JB/T 8097—1999等，振动烈度已经成为评价机械设备振动的重要指标之一被推广到各个领域。

旋转机械作为高速旋转设备，其核心部分是转子系统。转子旋转是一种周期运动，它会激发振动，其产生的振动频率就等于转子的转速频率，即在第2章提到的基频（工频）。转子基频f0、转子旋转频率fr以及转子转速n之间的关系如下：(www.xing528.com)

在第2章中本书对常见的故障机理进行了介绍，当转子系统出现故障时它所产生的振动故障频率与转子基频有密切的联系。转子系统振动时产生的信号频率成分十分复杂，包含了多种频率成分，转子运行时所产生的波形是一种混合了各种频率成的合成波形，每种故障都有其独有的特征频率。信号处理就是要从混合频率信号中将振动故障信号的特征频率分离出来。在振动信号中，既包含有转子基频f0，还包含有1/2f0、2 f0、3f0等频率成分。不同的故障类型会对这些频率成分产生不同的影响，当机械设备出现故障时会改变信号能量在各个频带内的分布情况，根据能量的分布状况能够判断出故障类型。利用信号处理算法分析这些频率成分对故障特征提取十分有利，频率分析也是旋转机械信号分析的重点。因为旋转机械的振动信号是一个非平稳信号，而传统的Fourier变换只适用于分析平稳信号，所以仅仅采用Fourier变换是不行的。小波变换适用于处理非平稳信号，尤其是它具有的多分辨分析的思想对剖析振动混合频率成分的信号具有很大的优势。小波变换能将信号分解到函数空间和频率空间中进行分析，这种小波变换的信号处理方式比Fourier变换有了较大的进步。但是在实际应用中新问题又出现了，当设备早期出现故障征兆时，振动特征并不是特别明显而是比较微弱。旋转机械中的转子系统在做周期性回转运动，微弱的故障信号很可能就淹没在周期性和噪声信号之中。如果只用小波变换很难发现它们，早期的故障征兆就会被忽略。在机械设备中，早期故障处理和维修的成本是最低的，一旦故障程度加重，后果将无法弥补。本书中在小波变换基础上采用小波能量谱方法对振动信号进行处理。通过对信号能量分布情况的刻画找到小波能量分布最大的分解层，对该分解层进行功率谱分析。然后找到各特征频率的能量值进行特征提取，这样就能够较为容易地发现微弱异常的振动信号，在这方面小波能量分析比小波变换更有优势。