基于譜峭度與高階累積量的旋轉(zhuǎn)機械故障診斷方法研究.pdf

1、本文以滾動軸承和齒輪作為研究對象，分別從特征提取和模式識別兩個方面開展相關(guān)研究。在特征提取方面研究了基于譜峭度指標的濾波器參數(shù)確定方法，構(gòu)建了基于高階累積量的匹配濾波器。提出了基于1.5維譜的特征提取方法，并與雙通道數(shù)據(jù)融合方法相結(jié)合開展了復合故障診斷方法研究。模式識別方面將蛙跳算法應用于故障診斷領(lǐng)域，實現(xiàn)了軸承與齒輪典型故障的有效識別。具體研究內(nèi)容如下:
　　(1)針對濾波器參數(shù)選取缺乏理論依據(jù)的問題，通過快速峭度圖逐層對原始信

2、號進行濾波并計算每個濾波后子頻帶的譜峭度值，然后選取譜峭度值最大的頻帶進行濾波，實現(xiàn)了共振頻帶的提取，為濾波器參數(shù)的選取提供了理論基礎。此外，通過迭代尋優(yōu)的方式分別對中心頻率與濾波帶寬進行優(yōu)化選取，以最小濾波帶寬對信號進行精確濾波，實現(xiàn)信號特征的有效提取。
　　(2)針對快速峭度圖頻帶劃分方式過于單一且易受信號中未知頻率成分影響的問題，研究了基于譜峭度指標的匹配濾波器分析方法。通過計算原始信號最大特征值所對應特征向量的方式進行匹配

3、濾波器的構(gòu)建，并將三階累積量用于匹配濾波器的改進。通過對同組故障軸承數(shù)據(jù)的對比分析驗證了匹配濾波器的優(yōu)越性。
　　(3)研究了基于高階累積量的故障特征提取方法。利用高階累積量對高斯噪聲不敏感的特性，對三階累積量主對角切片進行一維傅里葉變換以求得1.5維譜，然后將雙通道數(shù)據(jù)融合方法與1.5維譜相結(jié)合;實現(xiàn)了軸承單一故障和混合故障的判別。
　　(4)將蛙跳算法應用到旋轉(zhuǎn)機械故障診斷，選取多種時頻域特征參數(shù)并構(gòu)建了峭度譜熵，分別對