基于非高斯、非平穩(wěn)信號處理的機械故障特征提取方法研究.pdf

1、機械故障診斷是以機械學為基礎的一門綜合技術。機械故障診斷的關鍵是如何從機械故障振動信號中提取故障特征，信號分析和處理是特征提取最常用的方法。機械故障振動信號本質上是非高斯、非平穩(wěn)信號，近年來，為滿足對機器故障進行早期檢測、診斷的需要，非高斯、非平穩(wěn)信號處理方法在機械故障診斷領域受到了廣泛的關注。如何確實有效地結合振動信號自身特點，創(chuàng)新性的應用非高斯、非平穩(wěn)信號處理理論解決機械故障診斷中的信號降噪、故障特征提取等問題是當前機械故障診斷領域

2、迫切需要研究的重點課題之一。本論文正是基于以上要求而開展研究工作的，重點研究適合于機械故障特征提取的非高斯、非平穩(wěn)信號處理方法，主要完成了以下幾方面的研究工作：
　　 1)研究了基于STFT的振動信號解調(diào)及頻譜細化分析方法及其應用。首次對基于STFT的振動信號解調(diào)方法的原理和影響其解調(diào)性能的各種因素進行了嚴格的理論分析，指出該解調(diào)方法實質是基于復解析帶通濾波的Hilbert變換解調(diào)法。首次從數(shù)學上嚴格證明了在利用Hilbcrt變

3、換進行包絡解調(diào)分析時，只要帶通濾波器通帶范圍包括調(diào)制信號的部分頻率成分，就可解調(diào)出被調(diào)制信號的周期成分?；谝陨侠碚摲治?，給出了實用的基于STFT的自適應振動信號解調(diào)新算法。針對復雜噪聲環(huán)境下微弱周期性故障信號特征的檢測問題，提出了奇異值分解降噪和STFT解調(diào)相結合的檢測新方法。此外，將STFT引入到信號頻譜細化分析，提出了基于STFT的無需頻率成份調(diào)整的信號頻譜細化分析新方法。
　　 2)研究了基于濾波器組理論的振動信號處理方

4、法。通過分析小波與濾波器組的關系，指出機械故障診斷領域所應用的小波(包)分解實質是利用共軛鏡像對稱濾波器組(COMF)對信號進行分解。針對目前小波(包)分解方法用于振動信號分析時存在的不足，首次提出了基于正交鏡像對稱濾波器組(QMF)的振動信號分解方法，并構造了一種具有線性相位的兩通道QMF濾波器組。與同階的小波濾波器相比，該QMF濾波器不僅濾波性能更優(yōu)，而且其濾波系數(shù)的求取更加便捷。為了解決常規(guī)兩通道濾波器組分解算法中存在的子帶信號組

5、頻帶錯位問題，引入了無頻帶錯位的OMF濾波器組分解算法，基于此分解算法，提出了用于早期故障自動檢測的振動信號解調(diào)新方法和自適應頻譜細化方法。鑒于信號兩通道塔形分解在實際振動信號分析中存在的不足，首次提出了信號三通道塔形分解方案作為其補充，并給出了相應的分解算法。此外，推廣了現(xiàn)有的平穩(wěn)小波包分解算法，首次提出了基于OMF濾波器組的平穩(wěn)濾波器組分解算法，仿真和實測振動信號分析結果表明，該算法與平穩(wěn)小波包分解算法相比具有更優(yōu)的濾波性能。

6、>　　 3)研究了基于連續(xù)小波濾波器的微弱沖擊信號特征提取方法。理論分析和仿真分析結果表明，信息工程領域中常用系列連續(xù)小波基及其常規(guī)的時間-尺度分析方法不適合微弱沖擊信號的特征提取?；谶m合微弱沖擊信號特征提取的連續(xù)小波濾波器的統(tǒng)一形式，構造了一種易實現(xiàn)小波頻譜中心頻率和頻窗寬度調(diào)整的頻域緊支小波濾波器。仿真信號分析結果表明，當該小波濾波器參數(shù)選擇合理時，可以有效地增強微弱沖擊信號的沖擊特征。關于如何快速地設計出適合微弱沖擊信號特征提

7、取的最優(yōu)頻域緊支小波濾波器問題，提出了以峭度系數(shù)為優(yōu)化目標利用遺傳算法進行尋優(yōu)的自適應設計方法。研究了自適應小波預處理方法在弱沖擊調(diào)制類二階循環(huán)平穩(wěn)信號解調(diào)中的應用，首次提出了基于最優(yōu)頻域緊支小波濾波器預處理的譜相關密度解調(diào)分析新方法。仿真和實測振動信號的分析結果均表明，該方法不僅可以有效地解調(diào)出微弱周期性故障沖擊信號的故障特征頻率，而且大大削減了原始常規(guī)方法的計算量，提高了二階循環(huán)平穩(wěn)信號解調(diào)方法的實用性。
　　 4)研究了振

8、動信號的EMD處理方法。提出了基于波形相似度比較的端點極值延拓新方法用于解決EMD分解過程中存在的端點效應問題。仿真信號和實測轉子失衡故障振動信號分析結果表明，對于規(guī)則信號的EMD分解，利用該方法進行端點延拓，可以有效地避免端點處包絡誤差對分解結果產(chǎn)生的不利影響，得到準確的IMF分量。針對EMD分解過程中可能存在的模態(tài)混疊現(xiàn)象，分析了產(chǎn)生模態(tài)混疊現(xiàn)象的原因，指出原始信號中存在的一定能量大小的各種非規(guī)則的平穩(wěn)和非平穩(wěn)噪聲是產(chǎn)生模態(tài)混疊的根

9、源，并基于此結論和對EMD分解方法本質的認識，提出了基于自適應濾波的模態(tài)混疊消除新方法。仿真信號和實測齒輪故障振動信號分析結果均表明，該方法可以比較有效地消除模態(tài)混疊現(xiàn)象。
　　 5)研究了振動信號的盲處理方法及其應用。通過對多通道MBD頻域實現(xiàn)方法的剖析，提出了一種適合振動信號特征提取要求的多通道振動信號盲處理新方法-平穩(wěn)濾波器組分解濾波和ICA算法相結合的振動信號盲處理方法，并將該方法應用于強噪聲環(huán)境下機車柴油機增壓器轉頻振