旋转机械故障诊断中的信号处理技术总结

第一篇：旋转机械故障诊断中的信号处理技术总结

旋转机械故障诊断中的信号处理技术综述

摘要: 基于旋转机械在各行业的广泛应用，旋转机械的故障诊断技术也倍受重视，从传统的信号处理方法到现代的信号处理方法，旋转机械故障诊断中的信号处理技术在不断发展，不断创新。本文综述了旋转机械故障诊断的传统信号处理方法和现代信号处理方法，分析传统信号处理方法和现代信号处理方法的实际应用，并展望了未来旋转机械故障诊断领域的研究方向。关键词: 旋转机械;故障诊断;信号处理技术

1、旋转机械故障诊断的意义

随着机械设备向着高速、重载、精密方向发展，对机械传动设备的要求越来越高。不仅要求机械传动设备能够传递较大的功率和载荷，而且传动系统本身必须具备较好的可靠性，从而降低设备的运营成本并提高设备运营过程中的安全性。在故障诊断的发展过程中，人们发现最重要、最关键而且也最困难的问题就是故障特征信息提取，其必须借助于信息处理，特别是现代信号处理的理论方法和技术手段，探索故障特征信息提取的途径，发展新的故障诊断理论和技术。

2、旋转机械故障诊断的传统信号处理方法

以傅里叶变换为核心的经典信号处理方法在旋转机械故障诊断中发挥了巨大的作用，这些方法包括频谱分析、阶比谱分析、相关分析、细化谱分析、时间序列分析、倒频谱分析、包络分析和全息谱等。

在基于FT 的信号分析方法中，平稳的随机信号常用其二阶统计量来表征: 时域用相关函数，频域用功率谱。功率谱实质上是一种频域的能量密度分布，因此可以把它视为频域分布，相关函数和功率谱之间也以FT作为联系的桥梁。然而，基于FT的频谱分析技术是建立在信号是平稳性的假设上的，因此具有较大的缺点: 如被分析的系统必须是线性的，信号必须是严格周期或者平稳的，否则，谱分析结果将缺乏物理意义，分析的结果只有频域信息，丧失了时域特征。而大多数旋转机械故障振动信号是非平稳和非线性信号，对这些非平稳信号，由于傅里叶变换的本质缺陷，使得提取的故障特征有缺陷，影响了故障诊断的准确性。3 旋转机械故障诊断的现代信号处理方法

3.1 高阶谱分析技术

功率谱分析的一个最大缺陷是它不包含频率成分间的相位信息，通常也无法处理非平稳和非高斯信号。而实际的振动信号大多是非平稳和非高斯信号，尤其在旋转机械系统发生故障时更是如此。其中一种非高斯性是各频率成分间的相互关联作用，产生和频与差频成分，称为信号的非线性，对应的相位关系称为二次相位耦合。对于这种非线性现象，功率谱是无能为力的。高阶谱是分析非高斯信号的主要数学工具，已被运用到旋转机械故障诊断中，其出发点和动机主要有:(1)高斯信号的高阶统计量等于零，当非高斯信号淹没在高斯白噪声中时，利用高阶统计量可以大大降低噪声的干扰。一般而言，旋转机械振动信号中的噪声可以近似地当作高斯噪声处理，因此采用高阶谱分析振动信号更容易提取故障信息;(2)从更高阶概率结构表征随机信号，弥补了二阶统计量(功率谱)不包含相位信息的缺陷，能定量地描述非线性相位耦合。对高阶谱的研究比较多，已经形成了成熟的理论。目前高阶谱已被成功地运用到滚动轴承、齿轮和转子系统的故障诊断中。

3.2 ARMA 模型的现代谱分析技术

对旋转机械故障振动信号进行频域分析，通常是采用基于傅里叶分析的经典功率谱分析方法。不同于傅里叶分析的新的谱分析方法称为“现代谱分析”。其中ARMA时序模型是应用较广的一种现代谱分析方法，它利用信号的信息对被窗函数截取的有限信号以外的信息进行预测或外推，提高了谱分析的分辨率和真实度。特别是其中的AR模型能够较好地描述信号频谱中的谱峰，得到的频谱比傅里叶频谱更平滑，具有良好的频率分辨力，从而获得了广泛的应用。在国外，这方面的研究工作一直在开展。早在1983年，Gersch采用AR模型和近邻法相结合对旋转机械故障进行分类，而国内也开展了这方面的研究工作。3.3 几何分形技术

目前在旋转机械故障诊断领域中，最成熟的方法是基于线性理论的时域和频域方法，随着现代科学技术的发展，机械设备越来越复杂化，基于线性理论的故障诊断方法的缺点和局限性也越来越突出，与非线性原理和方法相融合将是旋转机械故障诊断技术的一个重要发展方向，因此，基于现代非线性理论的故障诊断方法研究十分活跃。分形理论是非线性科学的一个重要方面，特别适合研究各种“复杂现象”，把它应用于机械故障诊断领域是近年来国际学术界的新动向。

当旋转机械发生油膜涡动、转子裂纹、转子与定子碰摩、基座松动等故障时，往往会产生混沌现象，采用几何分形方法对振动信号分析可以有效地提取各种故障特征，其中关联维数应用得最为广泛。3.4 时频分析技术

旋转机械振动信号绝大多数是非平稳、非线性的，这些非平稳和非线性的振动信号包含了丰富的故障信息。对于这些非平稳和非线性的振动信号，时频分析方法是一种有效的分析方法。在目前常用的旋转机械故障诊断方法中，由于时频分析方法能有效地分析非平稳信号因而在旋转机械故障诊断中的应用最为广泛。

时频分析法将时域和频域组合成一体，这就兼顾到非平稳信号的要求。它的主要特点在于时间和频率的局部化，通过时间轴和频率轴两个坐标组成的相平面，可以得到整体信号在局部时域内的频率组成，或者看出整体信号各个频带在局部时间上的分布和排列情况。时频分析在语音处理、地震资料分析、信号检测和数据压缩等多个领域得到了广泛应用。对于旋转机械而言，当其发生故障时的振动信号，大量是非平稳、非线性的信号，因此，时频分析方法是进行旋转机械故障特征提取的一个重要的方法和特征提取工具，并广泛应用于旋转机械故障诊断中。

信号的时频分析分为线性和二次型两种。典型的线性时频表示有: 短时Fourier变换、小波变换和Gabor变换等。在很多实际场合，还要求二次型的时频表示能够描述该信号的能量密度分布。这样一种更加严格意义下的时频表示称为信号的时频分布。而基于经验模态分解(Empirical Mode Decomposition，EMD)的时频分析方法，是一种优秀的时频信号分析方法，尤其适合于非线性、非稳态的信号序列处理。3.5 盲信号处理技术

盲信号分离是指根据观测到的混合数据确定一个变换，从而恢复原始信号或者信号源，其中术语“盲”有两重含义:(1)源信号不能观测;(2)源信号与噪声如何混合是未知的。

由于噪声信号的存在，实际观测到的信号是故障信号和噪声的混合数据，因此近几年盲信号分离技术在齿轮的故障诊断中得到了应用。

盲信号处理技术领域也有很多值得进一步研究的课题，例如当ICA和独立因子分析(Independent Component Analysis，ICA)用于盲信号分离(Blind Signal Separation，BSS)时，如何解决源信号的概率密度函数(Probability Density Function，PDF)的学习的问题;如何有效解决盲解卷(Blind Deconvolution)问题;当叠加噪声为非高斯的或脉冲噪声时，如何准确估计源信号的个数的问题;在非平稳情况下如何提高跟踪能力和如何提高解的鲁棒性等等。总结和展望

以上对信号处理技术的一些方法及其在旋转机械故障诊断中的应用进行了综述。不仅研究了传统的旋转机械故障特征提取技术中的信号的幅域分析、信号的时域分析以及以傅里叶变换(FT)为核心的经典信号处理分析方法，而且研究了旋转机械故障特征提取应用中的高阶谱分析技术、ARMA模型的现代谱分析技术、几何分形技术、时频分析技术、盲信号处理技术等几种方法的基本理论和算法以及它们在旋转机械故障特征提取中的实际运用。

虽然这些方法应用到旋转机械故障诊断的领域中，取得了一定的研究成效。但由于这些理论和方法还在不断地发展，算法也在不断地改进中，因此目前还处于一个初级的过程，为了能更好地为旋转机械故障诊断服务，今后还需要将对这些理论和算法作进一步的研究。如何把其他的和新的信号处理方法引入到旋转机械故障诊断领域中去，是今后需要大力研究的方向。由于大型旋转机械的组成、结构和运行状态等诸多方面的复杂性，从而使旋转机械表现出来的故障行为也极其复杂，因此，如何更好地综合运用这些方法，也是今后研究的重点。

第二篇：发动机机械故障诊断

发动机机械故障诊断国内外发动机发展现状

目前国内已经能够自行设计并开发中小功率的汽油发动机和部分中速发动机。华晨汽车将自主知识产权的1.8T发动机装上了自己的汽车。中国“首款自主T系列车型”———1.8T中华轿车近日在北京人民大会堂高调上市。清华大学汽车工程开发研究院常务副院长宋健博士告诉记者，根据他的了解，即使与国外的“T”型车相比，1.8T中华的表现也仍然在多项指标上高出一截。尽管合资汽车公司在总量上占据了目前中国国内发动机生产的绝大部分地盘，但作为汽车的心脏，自己制造发动机也出现在越来越多的中国自主品牌汽车公司的计划中。吉利汽车做出了中国第一台CVVT发动机；奇瑞和奥地利AVL公司合作开发了多款发动机；长安汽车和德国FEV公司合作开发了系列发动机；海马汽车也引进了马自达的发动机技术。国内已经投产的发动机厂可以分为三大类：第一类是2000年以前投产的，基本是20年以前的技术，典型的代表就是丰田的491发动机至今还在生产。第二类是在2000年到2005年之间投产的，它是上一代技术被转移到中国来的结果，典型的代表是三菱4G6平台上的发动机。第三类是2005年之后开工的，和国际先进水平保持同步水准，比如通用的V8的技术、大众的EA888平台上的直喷技术。也就是说，不同技术水平的发动机现在几乎都在中国同时生产。但是随着中国政府排放法规的越来越严格，未来技术落后的发动机将难以在国内立足。从目前发动机的国2排放标准到2007年7月1日实施的国3排放标准，再到2010年的国4排放标准，以及2013年可能实施的国5排放标准，发动机厂家被不断要求提升技术能力。

以福特为例，日前，福特汽车公司在美国底特律推出了一项名为EcoBoost的全新发动机技术。未来5年中，每年在北美将有50万辆福特、林肯和安全品牌汽车采用这一新技术，从而使其燃油经济性提升高达20％。

采用EcoBoost技术的4缸和6缸发动机兼具涡轮增压和燃油直喷两种技术。相比更为昂贵的混合动力与柴油发动机，EcoBoost技术建立在现今广泛使用的汽油发动机上，通过改进，使其在无损驾驶性能的前提下提高燃油经济性并降低排放。目前，各国的汽车公司都在大力开发和采用这种技术先进、性能优异的产品。日本三菱汽车公司一直处于领先地位。自1996年8月率先向市场投放第一台GDI发动机以来，三菱公司先后又开发出了多种不同类型的GDI发动机，即2.4L四缸机、3.0L六缸机和3.5L六缸机，它们已分别装用于四种中、大型轿车投放市场。近年来，该公司又推出多种GDI新机型:4.5L的V8机、1.5L的直列四缸机和0.66L的直列三缸机。三菱公司称，其1.8L的GDI发动机不仅可节省燃油20％，降低排放20％，而且还可把发动机的功率和扭矩提高10％。

内燃机的发展带动汽车的发展，伴随汽车产销量快速增长而来的是大气污染和石油消耗。无疑，先进的发动机技术将在汽车节能、环保技术开发中起着关键的决定性的作用。近20 年来, 面对世界石油资源日趋枯竭给社会发展带来的压力, 面对汽车保有量急剧增长对环境的影响, 世界汽车界不停地在寻找实现汽车工业可持续发展的解决方法。曲柄连杆机构常见故障

2.1 缸体、缸盖变形

气缸体与气缸盖的变形将造成气缸密封不严、漏气、漏水，甚至燃烧气体冲坏气缸垫。气缸体变形不仅影响发动机的装配质量，还影响飞轮壳及变速器的装配关系，造成离合器、变速器工作时发响和磨损加剧，导致发动机的动力性、经济性下降。2.1.1 故障现象

发动机排白烟；怠速运转时，打开水箱盖看到水箱冒气泡；缸压低。2.1.2 故障原因

(1)缸体在铸造和机械确保有残余应力，由于零件的时效处理不足，造成内应力很大，高温时内应力重新分布。

(2)曲柄连杆机构往复运动产生的力作用在气缸体上，使气缸拉压、弯曲和扭转作用，使气缸体平面翘曲变形。

(3)在拧进气缸盖螺栓时，不按规定顺序拧紧，扭力过大或不均匀，以及在高温下拆卸气缸盖等原因，也会造成气缸体与气缸盖的变形。

(4)在使用中，发动机长期在高转速、大负荷条件下工作，润滑不足、烧瓦抱轴等也会引起气缸体变形、抱轴，承座孔中心线的变化。

2.2 气缸体与气缸盖的裂纹 2.2.1 故障现象

发动机排白烟；怠速运转时，打开水箱盖看到水箱冒气泡；缸压低。

2.2.2 故障原因

(1)气缸体与气缸盖水套壁厚较薄。

(2)缸体结冰冻裂、冷热急剧变化、碰撞受振。(3)水垢集聚过多而散热不良。(4)铸造时的残余应力影响。

(5)发动机在高速运转时的惯性、热应力、气缸体受交变应力作用等原因，使水套壁产生裂纹。2.3 气缸垫烧蚀 2.3.1 故障现象

(1)发动机运转不平稳，排气管有“突、突”的响声。(2)发动机工作性能变坏，动力下降，转速不能提高。

(3)相邻两缸窜气，气缸压力降低，有时化油器回火，排气管放炮。(4)气缸垫水道处窜气，致使发动机散热器内有气泡。(5)冷却液漏入气缸内，排白烟，发动机难以启动。(6)冷却液漏入曲轴箱，使润滑油油面升高，且变质。

(7)发动机温度高，有时会发现在发动机外部气缸垫边缘有漏水之处。

2.3.2 故障原因

气缸盖螺栓拧紧力不均匀，或拧紧力不够；气缸体和气缸盖接合面变形；发动机经常在大负荷、点火过早、发动机过热、爆震等情况下运行；气缸垫本身质量差。2.3.3 故障诊断

及时拆检更换气缸垫，必要时研磨气缸盖平面。图1为缸盖螺栓拧紧顺序图。

图1 缸盖螺栓拧紧顺序图

2.4 气缸磨损 2.4.1 故障现象

冷启动时有明显的嗒嗒的敲击声，温度升高，响声减弱或消失;缸压低;有时排气管排蓝烟，加机油口处冒蓝烟;发动机动力性下降;油耗增加。2.4.2 气缸的磨损规律及其原因(1)气缸的磨损规律

气缸是在润滑不良、高温、高压、交变载荷和腐蚀性物质作用下工作的。气缸磨损是不均匀的，但正常情况下有一定的规律性。

从气缸的纵断面看，活塞环行程内的磨损一般是上大下小的不规则“锥形”或“锥体”，如图2-(a)所示。磨损的最大部位在活塞位于上止点时第一道活塞环所对应的缸壁。个别磨损呈中间的腰鼓形，见图2-(b)。

在气缸内活塞环接触不到的上口，没有磨损而形成了明显的台阶，称为“缸阶”或“缸肩”，如图2所示。

图2 汽缸体磨损平面

气缸下部活塞运动区域外的气缸壁，由于润滑条件比较好，温度适中，没有活塞环摩擦作用，气缸也几乎没有磨损。

在特殊情况下，气缸的磨损不在上部，而是在中部，形成中间大的“腰鼓形”磨损。在同一台发动机上，不同气缸磨损情况不尽相同，一般水冷却发动机的第一缸前壁和最后一缸的后壁处磨损较为严重。

从气缸横断面来看，气缸的磨损也是不均匀的，磨损成不规则的椭圆形，如图3所示。各气缸沿圆周方向的最大磨损部位随气缸结构、车型、使用条件的不同而异。一般是进气门对面附近缸壁磨损最大。

图3 气缸磨损图

（2）气缸磨损的原因

气缸磨损主要是由机械磨损、腐蚀磨损和磨料磨损等造成的，如图4所示。1)机械磨损。

发动机工作时，活塞环在自身弹力和高压气体窜入活塞环背面的作用下，致使活塞环对气缸壁的正压力加大，摩擦力也加大，润滑油膜被破坏，形成半干摩擦或干摩擦，造成活塞位于上止点时，第一道活塞环对应的气缸壁磨损最为严重，形成沿气缸轴上大下小的锥形磨损。

图4 气缸磨损

2)腐蚀磨损。

气缸内可燃混合气燃烧后，产生水蒸气和酸性氧化物CO2、SO2、NO2，它们溶于水而生成矿物酸，同时在燃烧过程中还生成有机酸(硫酸、碳蚁脂、醋酸)。这些物质附在气缸表面。对气缸表面产生腐蚀作用，使受腐蚀的气缸表面组织结构松散，并在活塞往复运动中逐步被活塞环刮掉，造成腐蚀磨损。由于气缸体上部不能完全被润滑油膜覆盖，其腐蚀作用更加严重。

矿物酸的生成及对磨损的影响与工作温度有直接关系。冷却液温度低于80℃时，在气缸体表面易形成水珠，酸性氧化物溶于水而生成酸，这一作用随发动机冷却液温度的降低而增加。发动机未达到工作温度时，其负荷不要过大，并且应尽量缩短低温运转时间，加快发动机的升温，以减少腐蚀磨损。对于多缸发动机，各缸磨损不均匀。如6缸发动机，由于1缸和6缸前后壁冷却效率较高和进气门对面被较冷的可燃混合气冲刷，润滑油膜难以形成，致使这些部位受到严重的腐蚀磨损。这使气缸上部磨损大并形成明显的椭圆形。

3)磨料磨损。

空气中的尘埃、润滑油中的机械杂质、发动机中的磨屑等进入气缸壁间造成磨料磨损。空气中的尘埃被吸入气缸上部，其棱角锋利，因而气缸上部磨损也最大。在风沙严重地区，大量灰尘进入气缸后，由于活塞在气缸中部运动速度最大，致使气缸形成腰鼓形。2.4.3 故障诊断

检测故障缸压力;检测气缸直径及圆柱度。2.5 发动机拉缸 2.5.1 故障现象

发动机运转有明显响声，温度升高，响声明显加重;发动机动力下降;发动机明显抖动;怠速运转时易熄火、停机;排气管排蓝烟，加机油口处冒蓝烟;手摇曲轴阻力大。

2.5.2 故障原因

(1)活塞与气缸配合间隙小。

(2)活塞加工几何形状变形。

(3)缸孔过脏。

(4)活塞环与缸壁发卡、活塞环隙过小。

(5)机油变质、压力过低。

(6)发动机过热。

(7)走合期驾驶员不正确使用。2.5.3 故障诊断

单缸断火蓝烟消失;拆检故障缸。

2.6 活塞环故障 2.6.1 故障现象

发动机动力下降;气缸压力不足;从加机油口处冒大量蓝烟;烧机油，机油严重变质;有漏气响。2.6.2 故障原因

(1)活塞环弹性不足。

(2)活塞环与活塞环隙大。

(3)活塞环断了。

(4)活塞环对口。

2.6.3 故障诊断

单缸断火后，响声减弱为故障缸;手摇曲轴阻力小;测缸压，压力低。采用注机油法再测缸压，缸压瞬间升高;延迟点火时刻，响声减弱。2.7 活塞的故障

(1)活塞环槽的磨损。

(2)活塞裙部磨损。

(3)活塞销与销座孔的磨损。

(4)活塞的刮伤(或称拉缸)，主要是由于活塞与气缸壁间隙过小，不能形成足够的油膜或气缸表面严重不清洁，存有较大和较多的机械杂质；活塞销与销座孔配合过紧等原因。

(5)活塞烧伤，主要是发动机在超负荷条件下或爆燃情况下长时间工作，造成活塞顶或侧面局部或大面积熔化。

(6)活塞脱顶，即活塞头部与裙部分离。主要原因是活塞环开口间隙过小，工作中受高温膨胀后在气缸中卡死；活塞环与气缸壁间发生粘结，而活塞在连杆的拖动下运动。2.8 曲轴轴颈的磨损 2.8.1 故障现象

主轴颈、连杆轴颈磨损成椭圆形。轴颈的磨损规律见图5；机油压力明显降低；接合离合器，总有短暂颤抖。2.8.2 故障原因

(1)润滑不好，机油牌号不对。

(2)热处理工艺不当。

(3)轴颈磨削之前，校正不好，加工时，磨掉淬硬层。

(4)曲轴飞轮组动平衡不好。

(5)长时间承受大负荷。

图5 轴颈的磨损规律

2.8.3 故障诊断

长期使用中，机油压力逐渐降低；出现连杆轴瓦响、曲轴主轴瓦响。2.9 曲轴裂纹 2.9.1 故障原因

(1)轴颈圆角半径小或圆角淬硬不好造成应力集中。

(2)热处理工艺不好。

(3)长期在恶劣条件下工作、临界转速下工作，形成共振。2.9.2 检查磁力探伤。

2.10 曲轴弯、扭变形

主要原因有：

发动机工作不平稳，各轴颈受力不均匀；发动机突然超负荷工作，使曲轴过分受振；发动机经常发生“突爆”燃烧；曲轴轴瓦和连杆轴瓦间隙过大，工作时受到冲击；曲轴轴瓦松紧不一，中心线不在一条直线上；点火时间过早；活塞质量不一致；曲轴端隙过大，运转时前后移动；驾驶时紧急制动；上坡时换挡不及时，利用冲力带动发动机，使曲轴受到较大的扭力。3 配气机构常见故障诊断分析

3.1 气门关闭不严 3.1.1 故障现象

化油器回火；排气管放炮；发动机动力不足；气门响。3.1.2 故障显因

(1)气门间隙过小。

(2)气门弹簧过软、折断。

(3)气门烧蚀。

(4)气门发卡。

(5)气门与气门导管磨损严重。3.1.3 故障诊断

单缸断火，进气管回火或排气管放炮声消失；测缸压，气缸压力低，注机油后，测缸压仍低。

3.2 点火正时不对 3.2.1 故障现象

发动机启动困难，同时伴有错火；化油器回火，排气管放炮；动力性下降。3.2.2 故障原因

(1)正时齿轮被打坏。(2)正时齿带磨损、松旷。(3)正时齿轮轮毂与轮辐脱开。

(4)凸轮轴的正时齿轮的键松动或磨损。3.2.3 故障诊断

重新调整点火正时，若无效，拆检检查。

第三篇：机械故障诊断技术与应用读书报告

机械故障诊断技术与应用读书报告

姓名：前言

机械设备运行状态的监测与故障诊断很早就开始了。刚开始人们往往通过听觉、触觉、视觉来对机器的噪声、振动和温度等进行判断，进而来推测设备运行是否正常。当时的机械设备功率普遍较小，通常是单机工作，并且更新换代比较缓慢，人们有大量的时间进行熟悉，探索并且逐渐掌握机器的性能和工作状态。然而到了现代，企业生产已经进入了高速发展阶段，以往的判断模式已经不能够应用于现在的生产模式。现代工业生产的特点是生产系统大型化、连续化、高速化、自动化、系统化和智能化。要求机械设备更新快，在使用过程中安全、连续、可靠、高效、低能等特点，为了达到这些要求，那么我们就需要借助现代技术进行设备的运行状态的监测与诊断。目前可以进行实时采集机械系统运行状态并且对采集到的信息进行分析，进而判断机械系统运行状态的优劣，从而能更好的对设备进行维护和维修，从而达到了提高生产效率、保障安全运行、降低生产成本、节约能源消耗、延长使用寿命的目的。机械设备的状态监测和故障诊断技术是实现这一目的的重要技术手段。机械设备的状态监测和故障诊断就是采集诸如振动、噪声、温度、润滑油、声发射扥等设备相关信号，从而进行分析和处理，得到设备的运行状态。根据设备的部位、类型、严重程度、发展趋势，对出现故障的设备进行维修安排。机械故障诊断技术的发展历程

从20世纪60年代开始，伴随着科学技术的不断进步和发展，计算机技术、网络技术和信息技术迅速发展和普及，从而使机械设备运行状态的监测和故障诊断技术逐渐形成为一门较为完善的综合性工程学科，并且在全球范围内推广。逐渐成为热门学科。美国是最早开始进行开发设备诊断技术的国家。1967年4月美国海军主持召开美国机械故障预防小组成立大会。并且从此以后美国开始投入大量的人力物力来开发和完善这项技术。在随后的几十年，机械故障诊断技术在美国的航空航天、军事等尖端领域得到了广泛的应用，并一直处于领先地位。英国在20世纪70年代初成立了机械健康监测组织与状态监测协会，对故障诊断技术的发展起到了很大的作用。我国对故障诊断技术的研究开始于20世纪80年代。1983年初，中国机械工程学会的设备维修学会在南京召开，交流国内外的情况，分析国内设备维修现状以及开展设备诊断技术专题座谈会，提出了积极开发和应用设备诊断技术，强调有关技术的必要性和紧迫性。随后这门技术在我国的冶金、石化、铁路、电力等行业得到了广泛的应用和推广。随着对这一技术的不断深入，我国的信号采集和分析仪器已经接近国际水平。目前，我国各高校科研人员正在故障诊断技术领域寻求突破和创新。开展机械故障诊断的意义

在各国工业生产中重点、关键性机械设备的数量越来越多，其中的大多数为大型、自动、连续生产的设备，其在生产中的重要性是不言而喻的，对这些机械设备实施状态监测与故障诊断技术所带来的经济效益和社会效益是巨大的。预防事故，保障人身和设备安全，推动设备维修制度的全面改革，提高经济效益。机械故障诊断技术与应用

4.1机械故障的振动诊断

4.1.1轴承的故障诊断理论与应用

轴承是旋转机械中应用最为广泛地机械零件，也是最易破坏的元件之一。旋转机械的许多故障都与轴承有关，轴承的工作好坏对机械的工作状态有很大的影响，其缺陷会导致设备产生异常振动和噪声，甚至造成设备破坏。

轴承在运行过程中由于装配不当、润滑不良、水分和异物入侵、腐蚀和过载等都可能使轴承过早破坏。即使不出现上述情况，经过一段时间运转，轴承也会出现疲劳损伤而不能正常工作。滚动轴承故障的主要失效形式和原因有疲劳剥落、磨损、塑性变形、锈蚀、断裂和胶合等。滑动轴承的故障形式和原因有烧瓦、气蚀、油膜涡动和油膜振荡。

轴承在运转时由于各种原因会产生振动，并通过空气传播成为声音，声音中包含着轴承状态信息。但是声音的成分除了包含了反应轴承工作正常与异常振动声外还夹杂着尘埃、其他工作件振动声等，因此轴承的工作声音成分十分复杂。

利用滚动轴承的振动信号分析故障诊断的方法可分为简易诊断法和精密诊断法两种。简易诊断是为了初步判断被列为诊断对象的滚动轴承是否出现了故障；精密诊断的目的是要判断在简易诊断中被认为出现了故障的轴承的故障类别及原因。滚动轴承的简易诊断有振幅值诊断法、波形因数诊断法、波峰因数诊断法、概率密度诊断法和峭度系数诊断法。滚动轴承的精密诊断的常用方法有低频信号分析法和中、高频信号绝对值分析法。滑动轴承的诊断方法有时域幅值诊断法、时域波形诊断法、频域诊断法、轴心轨迹诊断法。

4.2 机械故障的声学诊断

4.2.1机械故障的噪声诊断理论与应用

振动与噪声是机械设备在运行过程中的一种属性，设备内部的缺陷或故障会引起设备在运行过程中振动和噪声的变化，也就是设备的噪声信号中携带了大量与机械设备内部缺陷和故障的有关信息。因此，噪声监测也就成为对机械设备进行故障诊断的重要手段。

噪声监测的原理是当机器的零件或部件开始磨损或者经历某些其他的物理变化时，其声音信号的特征就发生变化。监测这些特征就有可能检测到机械运行状态的变化，精确地指出正在劣化的那些零部件。噪声监测中的主要内容之一就是通过噪声测量与分析确定设备故障的部位和程度。为此，首先必须寻找和估计机器中产生噪声的声源，进而从声源出发，研究其频率组成和各分量的变化情况，从中提取机器运行状态的信息。噪声监测的方法有主观评价和估计法、近场测量法、表面振速测量法、频谱分析法和声强法。4.2.2机械故障的超声诊断理论与应用

超声波用于机械设备故障诊断领域，主要是利用材料本身或内部缺陷对超声波传播的影响，来检测判断结构内部或表面缺陷的大小、形状以及分布情况。在一些机器运行中能对材料或结构的微观形变、开裂以及裂纹的发生和发展进行状态监测。它的应用极为广泛，且发展迅速。超声波的检测方法按原理分类有脉冲反射法，其中脉冲反射法包括缺陷回波法、低波高度法和次多底波法。此外还有穿透法和共振法。按波形分可以分为纵波法、横波法、表面波法、板波法和爬波法。

4.3机械故障的智能诊断

4.3.1基于专家系统的故障诊断

故障诊断专家系统是将人类在故障诊断方面的多位专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以利用计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题，扩展计算机系统原有的工作范围，使计算机系统有了思维能力，能够与决策者进行对话，并应用推理方式提供决策建议。4.3.2基于模糊逻辑的故障诊断

在许多情况下机器或系统都运行在一个模糊环境中，运行中各种状况和参数都互相影响，难以用精确数学方法进行描述。模糊故障诊断就是一种基于知识的诊断系统，因为在诊断过程中对模糊症状、模糊现象等的描述要借助于经验的操作者或专家的直觉经验、知识等。模糊故障诊断系统的诊断过程，从对模糊信息的获取，到利用模糊信息进行模糊推理到最后做出诊断，就如同医生根据病人的模糊症状进行准确诊断一样。机械故障诊断技术的发展趋势

随着现代科学技术的发展，特别是信息技术、计算机技术、传感器技术等多种新技术的出现，数据采集、信号处理和分析手段日臻完善，从无法和难以解决的故障诊断问题变得可能和容易起来。设备故障诊断技术正在变成计算机、控制、通信和人工智能的集成技术。近半年来故障诊断技术呈现的发展趋势有诊断对象的多样化、诊断技术多元化、故障诊断实时化、诊断监控一体化、诊断方法智能化、监测诊断系统网络化、诊断系统可扩展化、诊断信息数据库化、诊断技术产业化和机械设备诊断技术工程化。现代机械故障诊断技术正在成为信息、监控、通信、计算机和人工智能等集成技术，并逐渐发展成为一个多学科交叉的新学科。

参考文献

[1] 邓小文.旋转机械几种典型故障的诊断方法及软件实现[D].西北工业大学,1999.[2] 荆建平.旋转机械故障诊断与寿命维护技术若干关键问题研究[D].上海交通大学,2004.[3] 李晓虎.旋转机械状态监测与信号分析系统的复用研究[D].东南大学,2004.[4] 黄磊.基于 Internet 的旋转机械设备远程故障诊断技术研究[D].华南理工大学,2000.[5] 徐敏,等.设备故障诊断手册—机械设备状态监测和故障诊断[M].西安交通大学出版社,1998.[6] 何树波.基于隐 Markov 模型的旋转机械故障诊断系统的研究[D].浙江大学,2003.[7] 刘颖峰.旋转机械分布式监诊系统状态监测与数据管理的研究[D].浙江大学,2003.[8] 钟秉林,黄仁.机械故障诊断学[M].机械工业出版社,1997.[9] 崔彦平, 傅其凤,等.机械设备故障诊断发展历程及展望[J].河北工业技术,2004,4.[10] 姚桂艳, 孙丽媛.机械故障诊断技术的研究现状及发展趋势[J].河北理工学院学报,2005,13.[11] 张冰凌,许英姿,潘全文.智能故障诊断方法的研究和展望[J].飞机设计,2007,5

第四篇：生物医学信号处理总结

一、生物医学信号处理绪论

生物医学信号处理的对象：由生理过程自发产生的；把人体作为通道，外界施加于人体产生的电生理信号和非电生理信号。

生物信号的主要特点：复杂性，随机性强，噪声干扰强，非平稳性等

二、数字信号处理基础

傅立叶变换的意义：把一个无论多复杂的输入信号分解成复指数信号的线性组合，那么系统的输出也能通过图2.1的关系表达成相同复指数信号的线性组合，并且在输出中的每一个频率的复指数函数上乘以系统在那个频率的频率响应值。使得分析、处理信号变得简单。

数字滤波器的设计：IIR滤波器的设计：利用传统的模拟滤波器设计方法。

切比雪夫低通滤波器：

%低通滤波器设计0~35Hz

wp=35;ws=45;%WP通带截止频率，WS阻带截止频率

Rp=1;Rs=71;%Rp通带内的最大衰减,Rs阻带内的最小衰减

fs=1000;%采样频率

[N,wn]=cheb1ord(wp/(fs/2),ws/(fs/2),Rp,Rs);

[B,A]=cheby1(N,Rp,wn);

freqz(B,A,[],fs)%幅频特性

FIR滤波器设计：多采用窗函数和频率取样设计法。椭圆带通滤波器

[b_alpha,a_alpha] = ellip(5,1,40,[8 13]*2/500);

freqz(b_alpha,a_alpha,[],500)

例题2-11选择合适的窗设计FIR低通滤波器，画出滤波器的单位脉冲响应和该滤波器的幅度响应：

解：

wp = 0.2*pi;ws = 0.3*pi;%给出通带频率和阻带频率

tr_width = ws-wp;%求过渡带宽度

%，hamming window即可满足该条件，查表求得窗长度

M = ceil(6.6*pi/tr_width);

n=[0:1:M-1];

wc =(ws+wp)/2;%求截止频率

b= fir1(M,wc/pi);%求FIR低通滤波器的系数，默认就是hamming window

h=b(1:end-1);

[hh,w] = freqz(h,[1],'whole');%求滤波器的频率响应

hhh=hh(1:255);ww=w(1:255);%由于对称性，画一半图即可

% 画图

subplot(1,2,1);stem(n,h);title('实际脉冲响应')

axis([0 M-1-0.1 0.3]);xlabel('n');ylabel('h(n)')

subplot(1,2,2);plot(ww/pi,20*log10(abs(hhh)));title('幅度响应（单位： dB）');grid

axis([0 1-100 10]);xlabel('频率（单位：pi）');ylabel('分贝')

set(gca,'XTickMode','manual','XTick',[0,0.2,0.3,1])

set(gca,'YTickMode','manual','YTick',[-50,0])

例2-12】最常碰到的信号处理任务是平滑数据以抑制高频噪声。求几个数据点的平均值是减弱高频噪声的一种简单方法，这种滤波器被称为平滑滤波器或中值滤波器。

Y = MEDFILT1(X,N)，如果没有给出N的值，则默认N=3；

当N是奇数时Y是X(k-(N-1)/2 : k+(N-1)/2)的平均；

当N是偶数时，Y是X(k-N/2 : k+N/2-1)的平均。

三、随机信号基础

平稳各态遍历的随机过程：如果随机信号的统计特性与开始进行统计分析的时刻无关，则为平稳随机过程，否则为非平稳随机过程。

如果所有样本在固定时刻的统计特征和单一样本在全时间上的统计特征一致，则为各态遍历的随机过程。

随机信号通过线性系统的四个关系式

1.Py(ej)H(ej)Px(ej)

2.Ry(m)Rx(m)h(m)h(m)

3.Pxy(ej)H(ej)Px(ej)

4.Rxy(m)Rx(m)h(m)

四、数字卷积和数字相关

卷积和相关运算的程序编写实现

线性相关函数：2

rxy(m)

nx(n)y(nm)

第五篇：信号处理中傅里叶变换简介

傅里叶变换

一、傅里叶变换的表述

在数学上，对任意函数f(x)，可按某一点进行展开，常见的有泰勒展开和傅里叶展开。泰勒展开为各阶次幂函数的线性组合形式，本质上自变量未改变，仍为x，而傅里叶展开则为三角函数的线性组合形式，同时将自变量由x变成ω，且由于三角函数处理比较简单，具有良好的性质，故被广泛地应用在信号分析与处理中，可将时域分析变换到频域进行分析。

信号分析与处理中常见的有CFS（连续时间傅里叶级数）、CFT（连续时间傅里叶变换）、DTFT（离散时间傅里叶变换）、DFS（离散傅里叶级数）、DFT（离散傅里叶变换）。通过对连续非周期信号xc(t)在时域和频域进行各种处理变换，可推导出以上几种变换，同时可得出这些变换之间的关系。以下将对上述变换进行简述，同时分析它们之间的关系。

1、CFS（连续时间傅里叶级数）

在数学中，周期函数f(x)可展开为

由此类比，已知连续周期信号x(t)，周期为T0，则其傅里叶级数为

其中，为了简写，有

其中，为了与复数形式联系，先由欧拉公式ejz=cosz+jsinz得

故有

令

则

对于Dn，有

n≤0时同理。故

CFS图示如下：

Figure 1

理论上，CFS对于周期性信号x(t)在任意处展开都可以做到无误差，只要保证n从-∞取到+∞就可以。在实践中，只要n取值范围足够大，就可以保证在某一点附近对x(t)展开都有很高的精度。

2、CFT（连续时间傅里叶变换）

连续非周期信号x(t)，可以将其看成一连续周期信号期T0→∞。当然，从时域上将x(t)进行CFS展开，有的周也可以反过来看成x(t)的周期延拓。

若令

则

有

T0→∞使得Ω0→0，则

由此，定义傅里叶变换与其逆变换如下 CFT：

CFT-1：

x(t)是信号的时域表现形式，X(jΩ)是信号的频域表现形式，二者本质上是统一的，相互间可以转换。CFT即将x(t)分解，并按频率顺序展开，使其成为频率的函数。上式中，时域自变量t的单位为秒（s），频域自变量Ω的单位为弧度/秒（rad/s）。

CFS中的Dn与CFT中的X(jΩ)之间有如下关系

即从频域上分析，Dn是对X(jΩ)的采样（可将Figure 1与Figure 2进行对比）。

CFT图示如下：

Figure 2

3、DTFT（离散时间傅里叶变换）

首先，先从连续信号得到离散信号。用冲激信号序列

对连续非周期信号xc(t)进行采样，采样间隔为Ts，有

此时的xs(t)还不是真正的离散信号，它只是在满足t = nTs的时间点上有值，在其它时间点上值为零。对xs(t)进行进一步处理有

规定

则

其中，x[n]是最终所得的离散信号。xs(t)自变量为t，其单位为秒s，间隔为TS；x[n]自变量为n，其单位为1，间隔为1。

从频域分析上有

其中

。令，定义

以上式为DTFT定义式。DTFT逆变换为

DTFT是在时域上对CFT的采样（图示可见Figure 3与Figure 4），在DTFT中，时域信号x[n]为离散的，而对应的频域表示X(ejω)为连续的，且有周期ωs = 2π。

X(ejω)与Xs(jΩ)之间的关系为

ω = ΩTs

Xs(jΩ)中，自变量Ω单位为弧度/秒（rad/s），周期为Ωs = 2π/Ts；X(ejω)中，自变量ω单位为弧度（rad），周期为ωs = 2π。

CFT时域采样图示如下：

Figure 3

DTFT图示如下：

Figure 4

4、DFS（离散时间傅里叶级数）

在离散时间信号x[n]基础上，用冲激序列

对DTFT中的X(ejω)进行采样，采样间隔为Δω = 2π/N，则有

而S(ω)的逆DTFT变换为

对Xs(ejω)进行逆DTFT变换，有

xs[n]相当于对x[n]进行了周期延拓，周期为N = 2π/Δω。由上式可得

若延拓周期N大于x[n]的时长，则延拓不会发生混叠，于是

k为任意整数

令周期信号，k为任意整数，则

有

取ω = 2πk/N，令

则有

是以k为自变量的函数，有以下性质

m为任意整数

即的周期为N。为了避免重复计算，我们只考虑一个周期N内的情况，即

同时，为时域表示，为频域表示。故定义DFS为

其逆变换为的自变量n单位为1，周期为N；的自变量k单位为1，周期也为N。DFS应用于离散时间周期性信号中，其相当于在频域中

对DTFT采样，而对应地在时域中相当于对DTFT进行周期延拓（图示见Figure 5与Figure 6）。DFS与DTFT的关系为

DTFT频域采样图示如下：

Figure 5

DFS图示如下：

Figure 6

5、DFT（离散傅里叶变换）

在DFS基础上，取离散时间周期性信号0,1,2,…N-1这一个周期内的N个点，得

其中，RN[n]表示当n = 0,1,2,…N-1时函数取值为1，当n取其它值时函数取值为0。定义DFT为的基础上，其逆变换为

xd[n]的自变量n单位为1，时长为N；Xd[k]的自变量k单位为1，时长也为N。DFT相当于对DFS的时域及频域都取0,1,2,…N-1这一个周期内的N个点。

6、傅里叶变换之间的关系

傅里叶变换之间的关系主要有两点，一是采样与周期延拓之间的对应关系，二是对自变量的替换关系。（1）采样与周期延拓之间的对应关系

采样与周期延拓之间是一种对应关系，时域中对信号采样相当于在频域中对信号进行周期延拓，同样地，频域中对信号采样相当于在时域中对信号进行周期延拓，二者间是对应与平行的关系，不存在因果关系。

傅里叶变换中的CFS、CFT、DTFT、DFS、DFT可由连续非周期信号xc(t)进行采样及周期延拓处理得到各种变换，它们之间的关系如图Figure 7与Figure 8：

Figure 7

Figure 8

上两图中，蓝色箭头表示在时域或频域中采取的主动措施，白色箭头表示在频域或时域中产生的相应变换。（2）对自变量的替换关系

在对信号进行采样与周期延拓的同时，对自变量进行某种替换，从而完成傅里叶变换类型的转变。

傅里叶变换中对自变量的替换情况如图Figure 9所示。CFS适用于连续周期性信号，其自变量t单位为秒（s），相应的幅频谱|Dn|中，自变量n单位为1。而CFT适用于连续非周期信号xc(t)，其自变量t单位为秒（s），对应的频域信号为Xc(jΩ)，其自变量Ω单位为弧度/秒（rad/s）。由CFS变成CFT相当于连续周期性信号的周期T0趋于无穷，而在频域中则为自变量的替换，由n变成Ω，替换关系为

DTFT适用于离散时间信号x[n]，其自变量n单位为1，对应的频域信号为X(ejω)，自变量ω单位为弧度（rad）。由CFT变成DTFT相当于对连续信号xc(t)采样及离散化，自变量由t替换为n，替换关系为t = nTs，而在频域中则为周期延拓及自变量的替换，由Ω替换为ω，替换关系为ω = ΩTs。

DFS适用于离散周期性信号频域信号为，其自变量n单位为1，对应的，自变量k单位为1。由DTFT变成DFS相当于在频

域中对X(ejω)进行采样、离散化与自变量替换，由ω替换为k，替换关系为ω = 2πk/N。

DFT的时域与频域序列长度都为N个点（0,1,2,…N-1），时域自变量n单位为1，频域自变量k单位为1。

由图Figure

7、Figure 8和Figure 9可以清楚地研究非相邻变换之间的关系。

Figure 9

二、与相关教材内容的辨析

1、《Signal Processing and Linear Systems》（B.P.Lathi, Oxford University Press）

书中首先将高等数学中的向量理论扩展到了信号系统中，引出正交信号空间的定义，指出任意信号x(t)可用正交信号空间的线性组合表示，进而引出三角傅里叶级数，将这种表示用三角函数的线性组合表示。CFS的来源介绍比我对CFS的自述更加详细具体，更有逻辑性，体现了高等数学的延伸，CFS定义部分与我的自述大体相同。

书中由CFS引出CFT，指出连续非周期信号xc(t)相当于将连续

周期性信号的周期T0趋于无穷，然后对xc(t)按照CFS方法展开，中间过程中引出了CFT。这一部分与我的自述大体相同。只是我在对傅里叶变换的总结中将xc(t)进行无混叠的周期性延拓，反向也得出了。这只是对傅里叶变换的又一种理解，但从本源上考虑，还应该是由连续周期性信号

得出连续非周期信号xc(t)。

书中接下来先介绍的是DFS。书中由CFS类比定义了DFS，定义为

其中，这种定义与我对DFS的自述略有差别。书中完全按照CFS的定义模式定义的，书上在此之后也按照CFS的模式给出了Dr的幅频谱与相频谱。而我的自述则采用类似CFT的定义方式，即正变换为从时域变到频域，逆变换为从频域变到时域，其次书中使用的字母表示方式与我的自述略有差异，不过本质上意义是相同的。

紧接着，书中由DFS引出了DFT，指出DFT的时域及频域都为N点有限序列，此处与我对DFT的自述大体相同，但未进行深入说

明。之后，类似于由CFS引出CFT，书中由DFS中的离散时间周期函数引出离散时间非周期函数x[k]（令周期N0→∞），然后对x[k]按照DFS的方法展开，在中间推导过程中引出了DTFT。总之，在离散时间信号的傅里叶变换中，书上是类比CFS引出CFT的模式，由DFS引出DTFT，而DFT也由DFS引出，只是未做重点讲解，实质上是从时域角度出发，与连续时间信号进行同等过程的类比。我对离散时间信号傅里叶变换的自述则从频域角度出发，与连续时间信号的时域推导过程进行同等过程的类比。二者分析方向不同，顺序不同，但本质上是相同的。这也从侧面反映出傅里叶变换将单纯的时域分析引向时域与频域的双领域分析，增加了对信号分析与处理的方法与方向，有利于更好地对信号进行理解。

2、《信号与系统》

书中也是首先将高等数学中的向量理论扩展到了信号系统中，引出正交信号空间的定义，指出任意周期为T0的信号x(t)可进行正交分解，而正余弦信号集是比较特殊的正交信号集，并用正余弦信号集表示信号，达到一种分解的目的，从而定义出CFS，并将正余弦信号集进一步扩展为虚指数信号集，从而将指数形式的CFS表示出来。在表示方式上与我的自述基本相同。而书中对三角形式的CFS与指数形式的CFS总结比较清楚，并对各自形式的幅频谱进行了比较，指出指数形式CFS的频谱为双边谱，而三角形式的CFS的频谱为单边谱。而由CFS导出CFT的叙述则基本与我的自述相同，即连续非周

期信号xc(t)相当于将连续周期性信号的周期T0趋于无穷，然后对xc(t)按照CFS方法展开，中间过程中引出了CFT。

书中对DFS的描述，类比于对CFS的描述，采用离散形式的虚指数正交信号集对离散时间周期性信号表示，表示方式与上一本书相同。由DFS引出DTFT时类比于由CFS引出CFT的过程，将离散时间周期性信号周期趋于无穷，得出离散时间非周期性信号，按照DFS的方式对信号进行分解表示，在推导过程中引出DTFT的定义，过程与上一本书基本相同。而DTFT也可对离散时间周期性信号进行处理。对DFT并未做重点描述。

总之，两本书对傅里叶变换的描述都是先对连续时间信号进行讨论，然后离散时间信号中的讨论参考连续时间信号中的讨论，层次清晰，可比性强。我的自述主要侧重于对信号的时域或频域进行各种处理，引出傅里叶变换的各种形式，可加深对傅里叶变换各种形式之间关系的理解。

三、傅里叶变换的应用

1、应用

傅里叶变换主要是为了将一般性的信号用较规则的、性质良好的三角函数进行表示，从而可以从频域的角度进行信号分析与处理，扩充了信号分析与处理的分析领域，简化了分析与处理的过程。从理论上，CFS、CFT、DTFT、DFS、DFT在满足相应的条件下都可以使用。而在实际应用中，计算机只能处理离散的、序列长度有限的信号，故实际应用中，DFT具有应用价值，其它形式的傅里叶变换处理的信号

是连续的或无限长的，计算机无法处理，所以只能在理论上进行数学运算。而DFT利用计算机可以快速算出，被称为快速傅立叶变换（FFT）。FFT可以减少计算DFT时乘法的使用次数，简化运算，提高效率。而现代信号分析与处理中必然要对信号进行采样离散化，输入到计算机中进行处理，得到频域形式，所以DFT的实际应用是很广泛的。

2、限制条件及潜在问题

CFS只适用于连续周期性信号，CFT只适用于连续非周期信号，DTFT只适用于离散时间信号，DFS只适用于离散时间周期信号，DFT只适用于有限序列的离散时间信号。CFS、CFT、DTFT、DFS处理的信号具有连续性或无限长特性，适用于在理论上的定性分析，而在实际应用中，我们需要快速高效地处理信号，这必然用到计算机，而计算机只能处理离散的、有限序列长度的信号，故只有DFT有实用意义，CFS、CFT、DTFT、DFS则不行。而DFT计算需要大量的加法与乘法，往往实际应用中不能直接应用，所以实际应用中要根据需要进行优化处理，在提高运算速度与精度之间进行权衡，原始的DFT只是具有实际应用中的象征意义。