機(jī)械故障診斷中的微弱信號提取方法的研究.pdf

1、現(xiàn)代機(jī)械系統(tǒng)結(jié)構(gòu)日趨復(fù)雜，各個部件之間也日趨緊密。任何一個結(jié)構(gòu)部件的損壞都有可能影響其他部件的運轉(zhuǎn)，乃至導(dǎo)致整個系統(tǒng)的失效。齒輪和滾動軸承是旋轉(zhuǎn)機(jī)械的常用部件和易損部件。開發(fā)有效的齒輪和軸承的狀態(tài)監(jiān)測和故障診斷方法，特別早期故障特征的提取方法對保證生產(chǎn)設(shè)備的正常運轉(zhuǎn)和減少生產(chǎn)損失具有較大的意義。本文圍繞這一目標(biāo)，展開了機(jī)械微弱故障特征提取方法的研究。
　　 首先針對齒輪裂紋等局部故障的早期診斷，提出了一種時延自相關(guān)解調(diào)頻方法。該

2、方法先對信號進(jìn)行自相關(guān)預(yù)處理，然后再對信號的時延自相關(guān)函數(shù)進(jìn)行包絡(luò)解調(diào)，可以得原信號的調(diào)制頻率。由于自相關(guān)分析能夠消除信號中的隨機(jī)噪聲并保留有其中有規(guī)律的成分，所以該方法特別適用于強(qiáng)噪聲背景下的信號解調(diào)。
　　 第二、提出了基于Hilbert-Huang變換(Hilbert-Huang Transform，HHT)的故障特征提取方法。為了解決經(jīng)驗?zāi)B(tài)分解(Empirical ModeDecomposition，EMD)容易受噪聲

3、影響的缺點，本文提出了兩套改進(jìn)方案：(1)首先對信號進(jìn)行時延自相關(guān)預(yù)處理，消去信號中的噪聲，然后再進(jìn)行EMD；(2)對信號的Hilbert時頻譜進(jìn)行重排和組合，以犧牲一部分頻率分辨率為代價來獲取Hilbert時頻譜更好的可讀性。故障診斷實驗證明了改進(jìn)方案能夠從振動信號中提取出微弱的故障特征。
　　 第三、提出了一種基于最優(yōu)Morlet小波和稀疏編碼消噪(SparseCode Shrinkage，SCS)的軸承故障微弱沖擊特征的提

4、取方法。主要流程為：首先根據(jù)信號特點用差分進(jìn)化算法(Differential Evolution，DE)和峭度最大化原則構(gòu)造最優(yōu)Morlet小波濾波器，并對信號進(jìn)行濾波處理；然后用稀疏編碼消噪進(jìn)一步消除處于濾波器通帶內(nèi)的噪聲。數(shù)值仿真和實驗驗證表明該法能夠有效地從低信噪比的振動信號中提取出微弱的沖擊特征。
　　 最后提出了一種基于數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology,MM)的齒輪箱故障診斷方法。首先對形態(tài)學(xué)