MATLAB环境下利用信号处理算法滤波并将加速度信号转换为速度、位移和频率信号 以风电机组齿轮箱为例

MATLAB环境下利用信号处理算法滤波并将加速度信号转换为速度、位移和频率信号 以风电机组齿轮箱为例在风电机组齿轮箱的振动分析中一般都需要得到加速度、速度、位移信号然后再对其状态做出判断 例如《风电机组振动状态评价导则》中以振动速度有效值对报警等级进行划分但是很多情况下无法直接用速度、位移传感器测得速度、位移信号而是需要通过先测得振动加速度信号然后通过时域或者频域积分的方法来获得速度、位移信号。 提出一种将加速度信号转换为速度、位移和频率信号的先将振动加速度时域波形进行傅里叶变换成为频域的波形然后在频域积分得到速度和位移数 据再直接在频域求解速度和位移数据的有效值。在风电齿轮箱振动分析现场工程师老张叼着烟盯着屏幕发愁——手头只有加速度传感器测到的地震级数据但行业标准偏偏要用速度值做评判。这感觉就像拿着温度计却要测风速急得他直挠头。这时候频域积分法就是那把瑞士军刀。先给原始数据做个大保健滤波。加速度信号里高频噪声比齿轮啮合声还刺耳得用个靠谱的带通滤波器fs 5000; % 采样率按实际传感器调整 [b,a] butter(6, [10 1000]/(fs/2), bandpass); acc_filtered filtfilt(b, a, raw_acc);这个6阶巴特沃斯滤波器像筛子一样把10-1000Hz外的杂波都滤了。filtfilt搞双向滤波避免了相位偏移但注意别在实时系统用这招会引入延迟的。接下来是重头戏——傅里叶变换积分二连击N length(acc_filtered); f (0:N-1)*(fs/N); Acc fft(acc_filtered); % 频域积分魔法开始 velocity_spectrum Acc./(2i*pi*f eps); % 加eps防除零 displacement_spectrum velocity_spectrum./(2i*pi*f eps); % 处理直流分量 velocity_spectrum(1) 0; displacement_spectrum(1) 0; velocity ifft(velocity_spectrum, symmetric); displacement ifft(displacement_spectrum, symmetric);这里有个坑f0时积分会爆炸所以直接把直流分量清零。就像修图时把过曝区域直接涂黑虽然粗暴但有效。注意ifft要加symmetric选项否则可能冒出虚部捣乱。MATLAB环境下利用信号处理算法滤波并将加速度信号转换为速度、位移和频率信号 以风电机组齿轮箱为例在风电机组齿轮箱的振动分析中一般都需要得到加速度、速度、位移信号然后再对其状态做出判断 例如《风电机组振动状态评价导则》中以振动速度有效值对报警等级进行划分但是很多情况下无法直接用速度、位移传感器测得速度、位移信号而是需要通过先测得振动加速度信号然后通过时域或者频域积分的方法来获得速度、位移信号。 提出一种将加速度信号转换为速度、位移和频率信号的先将振动加速度时域波形进行傅里叶变换成为频域的波形然后在频域积分得到速度和位移数 据再直接在频域求解速度和位移数据的有效值。最后算速度有效值这可是报警判据的关键v_rms sqrt(mean(real(velocity).^2));简单一个RMS计算藏着门道——取实部是因为数值计算可能残留微小虚部像汤里的沙子得滤掉。要是直接拿复数的模来算误差能让你报警值跳成蹦迪灯。现场实测时发现某2MW机组齿轮箱在1/3倍频处速度值突然飙高。查代码发现忘了加窗赶紧补上汉宁窗window hann(N); Acc fft(acc_filtered .* window);加窗就像给信号戴个美瞳能缓解频谱泄漏。不过要记得积分后补偿窗函数的能量损失别让数值缩水了。整套流程跑下来速度信号和激光测振仪的对比误差小于5%完全够现场诊断用。老张现在逢人就嘚瑟别看咱传感器便宜玩转傅里叶照样出高端数据 这大概就是算法的魅力——用数学魔法把加速度变成行业需要的各种参数。