基于全矢高階譜的故障診斷方法及其應(yīng)用研究.pdf

1、高階譜是處理非線性、非高斯性信號的有力工具。但傳統(tǒng)高階譜是以單通道信號來進(jìn)行分析的，不能全面反映轉(zhuǎn)子的空間振動信息，從而影響了故障診斷的準(zhǔn)確性和可靠性?；谛畔⑷诤系娜缸V技術(shù)是全信息分析方法之一，它可以有效融合轉(zhuǎn)子同一截面的雙通道信號，真實(shí)反映轉(zhuǎn)子的空間運(yùn)轉(zhuǎn)信息?；诖?，本文將全矢譜技術(shù)引入到高階譜分析中，對高階譜方法進(jìn)行了拓展，并提出了幾種新的故障智能診斷方法，應(yīng)用到了旋轉(zhuǎn)機(jī)械故障診斷中。主要工作如下：
　　 1、在高階譜中

2、，雙譜階次最低，并且具有高階譜的所有特性。本文在簡要介紹高階譜理論的基礎(chǔ)上，著重討論了雙譜的定義、性質(zhì)、算法和物理意義，分析了傳統(tǒng)單通道雙譜分析存在的問題，指出了本文研究的出發(fā)點(diǎn)和必要性。
　　 2、針對傳統(tǒng)雙譜分析存在的問題，將全矢譜技術(shù)引入到雙譜分析中，提出了一種新的矢雙譜分析方法，并對其定義、算法和性質(zhì)進(jìn)行了闡述。然后通過仿真和實(shí)驗(yàn)對這一方法進(jìn)行了驗(yàn)證。結(jié)果表明，矢雙譜方法能夠有效融合雙通道信號，更充分地反映信號中所包含的

3、非線性特征信息，從而為下一步的故障診斷提供準(zhǔn)確可靠的依據(jù)。
　　 3、BP神經(jīng)網(wǎng)絡(luò)(BPNN)具有良好的推廣能力和分類能力。本文論述了BP網(wǎng)絡(luò)的結(jié)構(gòu)和算法步驟，將矢雙譜方法與之相結(jié)合，提出了矢雙譜-BPNN故障診斷方法。該方法采用矢雙譜對振動信號進(jìn)行處理并提取特征向量，以此作為BP網(wǎng)絡(luò)的輸入?yún)?shù)進(jìn)行訓(xùn)練和分類。實(shí)驗(yàn)結(jié)果表明，該方法是有效的。
　　 4、支持向量機(jī)(SVM)是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種機(jī)器學(xué)習(xí)方法，

4、它能夠較好地解決小樣本學(xué)習(xí)問題。基于此，提出了矢雙譜-SVM故障診斷方法。將該方法應(yīng)用于滾動軸承和齒輪箱的故障診斷中，結(jié)果表明，該方法可以有效提取振動信號的特征信息，提高SVM在診斷中的準(zhǔn)確性。
　　 5、支持向量數(shù)據(jù)描述(SVDD)是一種單值分類方法，可以解決故障診斷中故障樣本缺乏的問題。本文結(jié)合雙譜分析和支持向量數(shù)據(jù)描述的各自特點(diǎn)，先提出了一種基于雙譜和支持向量數(shù)據(jù)描述的智能診斷方法--雙譜-SVDD，實(shí)驗(yàn)表明，該方法是有效