摘要
针对在强背景噪声下,往复机械振动信号中冲击的次数及位置信息难以准确辨识的问题,提出一种结合总体经验模态分解(ensemble empirical mode decomposition,简称EEMD)和自适应变尺度形态学滤波器(adaptive variable scale morphological filter,简称AVSMF)的冲击特征提取方法。通过对信号进行EEMD,由峭度、相关系数指标筛选出隐含冲击成分的本征模态分量(intrinsic mode function,简称IMF),并根据各阶IMF的波形尺度与极值点幅值分布特性,为IMF中每个采样点选择合适的元素宽度进行级联式形态学滤波,实现冲击特征提取。针对信号中冲击成分难以精确定位的问题,提出一种自适应峰值相位检测算法。50次重复仿真实验结果表明,该算法具有较高的精度与稳定性。通过对一台闪蒸气双作用往复式压缩机的低压缸中体加速度信号进行冲击检测,验证了所提算法进行故障早期诊断有效性与准确性。
冲击信号常存在于往复机械和故障轴承转子系
数学形态学滤波是冲击特征提取领域的强有力工具。其中,结构元素的宽度是决定形态学滤波效果的关键因素。Nikolaou
针对工程中振动信号噪声大、脉冲宽度及频率等故障特征难以预测的问题,笔者提出一种结合EEMD和AVSMF的冲击特征提取方法,能够在不具备故障先验知识的条件下,准确提取信号中的冲击特征。同时,提出一种自适应冲击峰值相位检测算法,具有较高的冲击定位精度与稳定性,为往复式压缩机故障诊断提供了依据。
笔者提出的基于EEMD和AVSMF的冲击特征提取算法流程如

图1 基于EEMD及自适应变尺度形态学滤波的冲击特征提取算法流程图
Fig.1 The flow chart of adaptive variable scale morphological filter and the impacts detection algorithm
EEMD是为了解决EMD中存在的模态混叠而提出的一种非平稳信号自适应分解方
离散信号的峭度为
(1) |
为的均值,定义为
(2) |
平稳振动信号的概率密度接近于正态分布,峭度K=3。当K>3时,说明信号中已经出现了一定的冲击特征,而对于EEMD的模态分量可能会由于边缘效应或少量的模态混叠现象,导致峭度值偏高。根据实际测试结果,笔者认为峭度值选为5~8较为合理。
数学形态学滤波是一种应用广泛的非线性滤波算法,能够保留信号的主要形态特征而滤除噪声信号。对于离散信号与结构元素序列,定义膨胀算子和腐蚀算子分别为
(4) |
(5) |
根据膨胀算子和腐蚀算子的顺序组合,定义形态开算子和形态闭算子分别为
(6) |
(7) |
形态开运算能够抑制信号中的正向脉冲,形态闭运算能够抑制信号中的负向脉冲。根据形态开、形态闭算子的顺序组合,定义形态开⁃闭和形态闭⁃开算子分别为
(8) |
(9) |
为了同时去除信号中的正、负双向脉冲,定义由形态开⁃闭和形态闭⁃开组合而成的级联形态滤波
(10) |
影响形态学滤波效果的主要因素有结构元素的类型、宽度和高度。使用级联式形态学滤波器滤除信号中的脉冲成分时,结构元素的宽度要大于脉冲成分的宽度而小于重要信号成分的宽度。

图2 级联式形态学滤波的冲击抑制效果
Fig.2 Impact suppression result using the cascaded morphology filter
设一个正弦信号的采样周期为200,每个波峰(波谷)的宽度为100个采样点。选取宽度为倍波峰(波谷)宽度,高度为0的扁平式结构元素进行级联式形态学滤波。

图3 不同元素宽度级联式形态学滤波结果
Fig.3 Filtering effect of sinusoid signal using different width of structure element
信号进行EEMD得到的各阶IMF均具有稳定的波形尺寸,即波峰(波谷)的宽度稳定。利用冲击信号幅值较大的特点,为IMF中幅值较大的波峰(波谷)配置较小的元素宽度,使其尽可能保留,为幅值较小的波峰(波谷)配置较大的元素宽度,使其尽可能被抑制,从而实现非冲击成分的抑制。
对于离散信号,定义结构元素序列 ,其中:为对应第个采样点的结构元素宽度。
自适应变尺度形态学滤波的计算步骤如下。
1) 记信号中每个采样点的相位和幅值分别为,其中:为总采样点数。
2) 计算信号所有局部极值点的相位和幅值,分别为, ,其中:为局部极值点个数。
3) 对进行线性归一化 ,得到归一化极点幅值为
(11) |
4) 计算信号波形尺度,即每两个局部极值点之间平均有个采样点。
5) 定义非线性映射,将其与相乘以改变归一化极点幅值分布。信号中各点对应的结构元素宽度由下式确定
(12) |
其中: 符号表示向上取整。
为控制映射曲线弯曲程度的可变参数,用于调整极值点幅值分布。=1,2,3,4,5时的映射如
(13) |

图4 =1,2,3,4,5时的映射
Fig.4 The figures of while =1,2,3,4,5
Teager能量算子的计算结果同时包含了信号幅值和频率的平方项,能够有效对信号中幅值、频率的突变成分进行放大。若利用原始的离散Teager能量算子直接进行计算,会产生较多的毛刺,可通过构建三点对称差分能量算子对其进行平滑处理。对总采样点数为的离散信号,,则定
(14) |
笔者首先利用Hilbert变换求得Teager能量谱的包络,然后使用Savitzky⁃Golay滤波器进行包络平滑。Savitzky⁃Golay滤波器是一种应用广泛的平滑滤波器,与其他滤波器相比,更能保留信号中极值位置和宽度信
将平滑后的包络线在角域图内分为p个小段,计算每一小段信号的平均幅值,并排成一组数列,计算该数列的平均值与均方差。利用“”法则去除含有明显冲击特征的小段,剩余的小段数列表征信号中相对平稳的成分,即
(15) |
设数列的平均值为,最大值和最小值之差为,则定义冲击检测阈值为
(16) |
其中:β为加权系数,用于对阈值进行微调。
本研究在仿真实验和工程实验中均取段数p = 72,即每5°为一小段。针对冲击起始阈值难以确定的问题,笔者选择对冲击峰的峰值相位进行检测。冲击出现后在很短的时间内就会到达峰值,因而冲击的峰值相位非常接近冲击起始相位。
对平滑后的包络进行阈值为0的过零检测,提取所有高于阈值线的“冲击峰”,峰值对应的相位即为冲击的峰值相位。事实上,所有真实冲击信号都是振荡衰减的,往往会持续一定的时
建立往复式压缩机加速度信号的连续时域模型
(17) |
其中:,为第个冲击出现的时间及其幅值;为压缩机中体⁃传感器系统的某一固有频率;为对应系统阻尼比;为信号中的倍频频率成分;为单位阶跃函数;为噪声信号。
假设加速度传感器采样率=51 200 Hz。为验证算法的准确性与泛化能力,假设信号中存在3种类型的冲击信号,分别表征高频高幅值冲击、低频低幅值冲击以及高频低幅值冲击。其幅值分别为160,90,90 m/

图5 仿真信号
Fig.5 The simulation signal
由于冲击从开始出现到达到峰值需要一段时间,因此实际冲击峰值相位要略微滞后于冲击出现的相位。本仿真实验中3个冲击峰值相位如
冲击编号 | 起始相位/(°) | 峰值相位/(°) |
---|---|---|
1 | 60 | 60.44 |
2 | 120 | 120.77 |
3 | 270 | 270.34 |
如

图6 EEMD分解得到前6阶IMF
Fig.6 The first 6 orders of IMF decomposed by EEMD

图7 各阶IMF的峭度及相关系数
Fig.7 Kurtosis and correlation coefficients versus IMFs

图8 自适应变尺度形态学滤波
Fig.8 Adaptive variable scale morphology filtering

图9 AVSMF降噪信号
Fig.9 Filteried signal by using AVSMF

图10 峰值检测结果
Fig.10 The result of impact phase detection
冲击编号 | 真实相位/(°) | 检测相位/(°) | 误差/(°) |
---|---|---|---|
1 | 60.44 | 60.65 | 0.21 |
2 | 120.77 | 121.20 | 0.43 |
3 | 270.34 | 270.87 | 0.53 |
为了验证算法的稳定性,对仿真信号进行50次重复实验,计算检测峰值相位的平均误差及误差标准差。50次重复实验误差统计如
冲击编号 | 平均误差/(°) | 误差标准差/(°) |
---|---|---|
1 | 0.21 | 0.09 |
2 | 0.66 | 0.17 |
3 | 1.09 | 0.07 |

图11 闪蒸气双作用往复式压缩机实物图
Fig.11 Picture of the flash gas double-acting reciprocating compressor
提取低压缸中体处某两周期的加速度信号与缸头端、曲轴端的缸内动态气体压力,变换到相位为0~720°的角域图中。低压缸中体加速度与动态压力如

图12 低压缸中体加速度与动态压力
Fig.12 Acceleration of middle body and in-cylinder pressure curves in a low pressure cylinder

图13 AVSMF滤波信号
Fig.13 Filtered signal by using AVSMF

图14 冲击检测结果
Fig.14 The result of impact detection
冲击编号 | 冲击相位/(°) | |
---|---|---|
周期1 | 周期2 | |
1 | 119.22 | 118.64 |
2 | 137.25 | 137.25 |
3 | 267.53 | 266.95 |
4 | 280.32 | 279.16 |
5 | 294.86 | 294.86 |
可见,冲击1和冲击2相位稳定,分别表征曲轴端排气阀阀片落座和缸头端吸气阀阀片落座时产生的冲击;冲击5相位稳定,表征曲轴端吸气阀阀片落座的冲击;而冲击3和4的相位略有波动。此外,从图
该低压缸缸头端示功图如

图15 低压缸缸头端示功图
Fig.15 Indicator diagram of the low pressure at the head end side
1) 提出一种结合EEMD和AVSMF的冲击特征提取方法。该方法不需要故障先验知识,具有较强的泛化能力。同时,提出一种自适应冲击峰值相位检测方法,能够准确检测信号中冲击峰值的相位特征,使基于冲击特征的实时智能故障监测成为可能。
2) 仿真实验结果表明:冲击相位检测结果的最大平均误差为1.09°,最大平均误差标准差为0.17°,该算法拥有较高的精度和稳定性。
3) 对一台闪蒸气双作用往复式压缩机的低压缸中体加速度信号进行冲击检测,结合缸头端示功图,判断排气阀阀片存在轻微颤振故障,为往复压缩机故障早期诊断提供了有效方案。
参考文献
MARTICORENA M, PEYRANO O G. Rolling bearing condition monitoring technique based on cage rotation analysis and acoustic emission[J]. Journal of Dynamics, Monitoring and Diagnostics, 2022, 1: 1-9. [百度学术]
毕文阳, 江志农, 刘锦南. 往复压缩机气阀故障模拟实验与诊断研究[J]. 流体机械, 2013, 41(6): 6-10. [百度学术]
BI Wenyang, JIANG Zhinong, LIU Jinnan. Research on reciprocating compressor valve fault simulation experiments and diagnosis[J]. Fluid Machinery, 2013, 41(6):6-10. (in Chinese) [百度学术]
NIKOLAOU N G, ANTONIADIS I A. Application of morphological operators as envelope extractors for impulsive-type periodic signals[J]. Mechanical Systems and Signal Processing, 2003, 17(6): 1147-1162. [百度学术]
DONG Y, LIAO M, ZHANG X, et al. Faults diagnosis of rolling element bearings based on modified morphological method[J]. Mechanical Systems and Signal Processing, 2011, 25(4): 1276-1286. [百度学术]
苗宝权, 陈长征, 罗园庆, 等. 基于自适应增强差分积形态滤波器的滚动轴承故障特征提取方法[J]. 机械工程学报, 2021, 57(9): 78-88. [百度学术]
MIAO Baoquan, CHEN Changzheng, LUO Yuanqing, et al. Rolling bearing fault feature extraction method based on adaptive enhanced difference product morphological filter[J]. Journal of Mechanical Engineering, 2021, 57(9): 78-88. (in Chinese) [百度学术]
唐贵基, 邓飞跃, 何玉灵. 基于自适应多尺度自互补Top-Hat变换的轴承故障增强检测[J]. 机械工程学报, 2015(19): 93-100. [百度学术]
TANG Guiji, DENG Feiyue, HE Yuling. Enhanced detection of bearing faults based on adaptive multi-scale self-complementary Top-Hat transformation[J]. Journal of Mechanical Engineering, 2015(19): 93-100. (in Chinese) [百度学术]
JIANG W, ZHENG Z, ZHU Y, et al. Demodulation for hydraulic pump fault signals based on local mean decomposition and improved adaptive multiscale morphology analysis[J]. Mechanical Systems and Signal Processing, 2015(58/59): 179-205. [百度学术]
WU Z, HUANG N E. Ensemble empirical mode decomposition: a noise-assisted data analysis method[J]. Advances in Adaptive Data Analysis, 2009, 1(1): 1-41. [百度学术]
苏文胜, 王奉涛, 张志新, 等. EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用[J]. 振动与冲击, 2010, 29(3): 18-21, 201. [百度学术]
SU Wensheng, WANG Fengtao, ZHANG Zhixin, et al. Application of EMD denoising and spectral kurtosis in early fault diagnosis of rolling element bearings[J]. Journal of Vibration and Shock, 2010, 29(3):18-21, 201. (in Chinese) [百度学术]
胡振邦, 张东升, 章云, 等. 数学形态学滤波器在转子失衡识别中的应用[J]. 振动、测试与诊断, 2014, 34(6): 1038-1044. [百度学术]
HU Zhenbang, ZHANG Dongsheng, ZHANG Yun, et al. Research of rotor unbalance recognition based on mathematical morphorlogy filter[J]. Journal of Vibration,Measurement & Diagnosis, 2014, 34(6): 1038-1044. (in Chinese) [百度学术]
张文斌, 杨辰龙, 周晓军. 形态滤波方法在振动信号降噪中的应用[J]. 浙江大学学报(工学版), 2009, 43(11): 2096-2099. [百度学术]
ZHANG Wenbin,YANG Chenlong,ZHOU Xiaojun. Application of morphology filtering method in vibration signal de-noising[J]. Journal of Zhejiang University (Engineering Science),2009,43(11):2096-2099. (in Chinese) [百度学术]
徐元博, 蔡宗琰. 三点对称差分能量算子与经验小波变换在轴承故障诊断中的应用[J]. 电子测量与仪器学报, 2017, 31(8): 1247-1256. [百度学术]
XU Yuanbo,CAI Zongyan. Application of demodulation energy operator of symmetrical differencing and empirical wavelet transform in bearing fault diagnosis[J]. Journal of Electronic Measurement and Instrumentation,2017,31(8):1247-1256. (in Chinese) [百度学术]
蔡天净, 唐瀚. Savitzky-Golay平滑滤波器的最小二乘拟合原理综述[J]. 数字通信, 2011, 38(1): 63-68,82. [百度学术]
CAI Tianjing,TANG Han. Overview of least square fitting principle of Savitzky-Golay smoothing filter[J]. Digital Communication,2011,38(1):63-68,82. (in Chinese) [百度学术]
张晓帆. 基于振动冲击特征的柴油机典型故障监测诊断方法及应用研究[D]. 北京: 北京化工大学, 2018. [百度学术]