1引言傳統的旋轉機械狀態監測和故障診斷只采用單源振動信號作為判別設備運行狀態的依據,忽略了各個通道信號之間的有機聯系,導致信息不完整、不可靠。由于單源信號從量值和結構方面都很難反映設備運行的實際狀況,因此采用傳統的分析方法很容易造成漏判和誤判[1]212-215。針對這種情況,許多學者在數據融合及全信息分析方法方面做了大量研究工作,取得很大成功。全矢譜分析技術作為一種典型的全信息方法,改善了旋轉機械狀態監測和故障診斷建立在不完整信息基礎之上的狀況,真實地反映機械振動的全部特征,提高了診斷的客觀性和準確性。頻率分辨率是頻譜分析中的一個重要指標,高分辨率分析對于故障診斷工作有重大意義。對于頻譜密集型信號,若頻譜分析的分辨率不足,則會導致相鄰譜峰無法分辨,直接影響故障診斷的結果。通常的頻譜分析方法在計算機上使用快速傅里葉變換FFT(fastFouriertransform)對數據進行處理,但是FFT本身的性質決定了其分辨率和數據計算量是矛盾的[2]。對于基帶FFT方法,要提高其分辨率,必須加大時域采樣長度,要么降低采樣頻率,要么加大采樣點數。由于采樣定理和計算機處理能力的限制,采用這兩種途徑提高分辨率能力有限且靈活性較差。20世紀70年代以來發展起來的細化分析技術較好地解決了上述問題,其實質是一種選帶分析技術,可以使某些感興趣的重點頻段得到較高的分辨率。常用的細化分析技術主要包括Chirp-Z變換[3]、Yip-Zoom變換、Zoom-FFT(zoomfastFouriertransform)等等。從分析精度、計算效率、分辨率、頻譜等效性以及應用廣泛程度等方面看,復調制細化分析方法不失為一種行之有效的提高分辨率的實用技術[4]。本文在對旋轉機械同源信息融合全矢譜技術和復調制細化分析技術進行研究的基礎上,結合二者的特點,實現基于復調制的全信息頻譜細化分析方法。2全信息振矢及能量計算轉子二維分析方法采用雙向垂直探頭獲得信息,對信息進行集成處理與綜合表達。設轉子某截面內沿垂直方向采集到的兩組動態離散信號為x(n)、y(n),采取數據級融合的方法,令z(n)=x(n)+iy(n),其中i2=-1,即得到一個離散的融合矢量信號。對z(n)實施一次性復傅里葉變換得到其頻譜Z(k)。根據轉子動力學知識可知,轉子在單頻下的渦動軌跡為一廣義橢圓[5],由Z(k)即可求得各階頻率下轉子渦動軌跡的主振矢(橢圓長半軸)Rak、副振矢(橢圓短半軸)Rbk為[1]212-215Rak=Z(k)+Z(N-k)(1)Rbk=Z(k)-Z(N-k)(2)其中,k=0,1,2,…,N/2-1定義矢量信號的能量為矢量信號的模的平方對時間的積分,離散情況對應求和。對于離散情形,在主值周期內信號的能量為N-1n=0z(n)2=N-1n=0z(n)z*(n)=N-1n=0z(n)1NN-1k=0Z(k)WN-nk*=N-1n=0z(n)1NN-1k=0Z*(k)WnNk=1NN-1k=0Z*(k)N-1n=0z(n)WnNk=1NN-1k=0Z*(k)Z(k)=1NN-1k=0Z(k)2=1NN2-1k=-N2Z(k)2(3)此即矢量信號的Parseval定理。聯系到式(1)、(2),則式(3)可化為1NZ(0)2+ZN22+N2-1k=1(R2ak+R2bk)(4)亦即單頻下的能量可以由橢圓長、短半軸的平方和描述[6]。3復調制細化全矢譜由式(1)、(2)可知全矢譜各階頻率下的主、副振矢可由融合矢量信號的傅里葉譜中對應的正負頻率處的分量計算得到。故可以采用與傳統復調制細化分析[7]相似的原理,

總結

以上是生活随笔為你收集整理的复调制细化分析matlab,基于复调制的细化全矢谱分析研究的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。