基于數(shù)學(xué)形態(tài)學(xué)和局部均值分解的旋轉(zhuǎn)機(jī)械故障診斷方法.pdf

1、液壓泵、滾動(dòng)軸承和齒輪等旋轉(zhuǎn)機(jī)械零部件在工業(yè)領(lǐng)域起著重要的傳動(dòng)作用，它們廣泛地應(yīng)用于冶金設(shè)備、工程機(jī)械、精密機(jī)床、精密儀器、航空航天、汽車、船舶和石油化工等重要工業(yè)領(lǐng)域。這些旋轉(zhuǎn)機(jī)械零部件通常大都處于高溫、高壓和高速等惡劣的工作環(huán)境，這也就導(dǎo)致了它們的健康狀態(tài)劣化速度比較快，具有較高的故障率。
　　本文針對(duì)旋轉(zhuǎn)機(jī)械零部件的故障診斷問題，研究了基于數(shù)學(xué)形態(tài)學(xué)和局部均值分解的方法。數(shù)學(xué)形態(tài)學(xué)和局部均值分解都是基于信號(hào)形態(tài)特征進(jìn)行的分析

2、，所以二者都具有高度自適應(yīng)性和數(shù)據(jù)驅(qū)動(dòng)性。
　　本文主要進(jìn)行了以下幾個(gè)方面的研究工作：
　　(1)針對(duì)扁平型結(jié)構(gòu)元素長度選擇的經(jīng)驗(yàn)性和任意性問題，提出一種基于形態(tài)差值算子和功率譜熵相結(jié)合來確定扁平型結(jié)構(gòu)元素的最優(yōu)濾波長度的方法。采用不同扁平型結(jié)構(gòu)元素長度的形態(tài)差值算子對(duì)信號(hào)進(jìn)行濾波處理，對(duì)濾波后的信號(hào)計(jì)算功率譜熵，信號(hào)功率譜熵的最小值所對(duì)應(yīng)的長度即為扁平型結(jié)構(gòu)元素的最優(yōu)濾波長度，并采用仿真信號(hào)和液壓泵實(shí)測(cè)故障信號(hào)對(duì)所提方法的

3、有效性進(jìn)行驗(yàn)證。
　　(2)利用一種基于形態(tài)差值算子和形態(tài)指數(shù)相結(jié)合的方法對(duì)以滑靴磨損故障為研究對(duì)象的液壓泵健康狀態(tài)評(píng)估的問題進(jìn)行研究。采用形態(tài)差值算子對(duì)滑靴不同磨損程度的故障信號(hào)進(jìn)行濾波處理，提取各種磨損程度下故障信號(hào)的形態(tài)指數(shù)，分析形態(tài)指數(shù)對(duì)滑靴磨損故障及其劣化程度的變化規(guī)律和敏感性，實(shí)現(xiàn)對(duì)滑靴磨損故障的診斷及其劣化程度的評(píng)估，并利用液壓泵實(shí)測(cè)故障信號(hào)對(duì)所提方法的有效性進(jìn)行驗(yàn)證。
　　(3)利用一種基于形態(tài)差值算子和差分

4、熵相結(jié)合的方法對(duì)滾動(dòng)軸承早期輕度內(nèi)、外圈故障的診斷問題進(jìn)行研究。采用形態(tài)差值算子對(duì)故障信號(hào)進(jìn)行濾波處理，差分熵提取濾波后信號(hào)在時(shí)域中的沖擊，根據(jù)沖擊突變點(diǎn)的時(shí)間間隔和特定故障信號(hào)在時(shí)域中的周期性沖擊間隔相一致的思想來實(shí)現(xiàn)對(duì)滾動(dòng)軸承早期輕度內(nèi)、外圈故障的有效診斷，并利用仿真信號(hào)和滾動(dòng)軸承實(shí)測(cè)故障信號(hào)對(duì)所提方法的有效性進(jìn)行驗(yàn)證。
　　(4)針對(duì)乘積分量的解調(diào)和單尺度形態(tài)學(xué)分析的結(jié)構(gòu)元素長度選擇的經(jīng)驗(yàn)性和主觀性問題，提出一種基于局部均值

5、分解和改進(jìn)自適應(yīng)多尺度形態(tài)學(xué)分析相結(jié)合的方法。采用局部均值分解方法對(duì)信號(hào)進(jìn)行分解，篩選若干個(gè)含有特征信息最豐富的乘積分量作為解調(diào)用數(shù)據(jù)源，基于扁平型、三角型和半圓型結(jié)構(gòu)元素的改進(jìn)自適應(yīng)多尺度形態(tài)學(xué)分析方法對(duì)其進(jìn)行解調(diào)分析，得到有效解調(diào)閾值區(qū)間(即在此區(qū)間，改進(jìn)自適應(yīng)多尺度形態(tài)學(xué)分析的解調(diào)效果要優(yōu)于改進(jìn)前自適應(yīng)多尺度形態(tài)學(xué)分析)和最優(yōu)解調(diào)閾值點(diǎn)。此外，將最優(yōu)解調(diào)結(jié)果和改進(jìn)前自適應(yīng)多尺度形態(tài)學(xué)分析、Hilbert變換、Teager Kais

6、er能量算子和局部均值分解的解調(diào)結(jié)果進(jìn)行對(duì)比，并利用液壓泵實(shí)測(cè)故障信號(hào)對(duì)所提方法的有效性進(jìn)行驗(yàn)證。
　　(5)針對(duì)齒輪故障的診斷問題，提出一種基于局部均值分解和廣義形態(tài)分形維數(shù)相結(jié)合的方法。采用局部均值分解方法對(duì)信號(hào)進(jìn)行分解，篩選若干個(gè)含有最豐富特征信息的乘積分量作為數(shù)據(jù)源進(jìn)行廣義形態(tài)分形維數(shù)的提取，選取某些能夠有效地表征齒輪運(yùn)行狀態(tài)非線性信息的維數(shù)作為特征向量，利用核模糊C均值聚類方法進(jìn)行故障診斷。此外，還對(duì)信號(hào)長度、轉(zhuǎn)速和負(fù)載

7、扭矩對(duì)廣義形態(tài)分形維數(shù)的影響進(jìn)行分析。并利用仿真信號(hào)和齒輪實(shí)測(cè)故障信號(hào)對(duì)所提方法的有效性進(jìn)行驗(yàn)證。
　　(6)利用基于峭度、能量和均方差的選擇方法對(duì)合理地選取含有特征信息豐富的乘積分量作為數(shù)據(jù)源的問題進(jìn)行研究。采用局部均值分解方法對(duì)原信號(hào)進(jìn)行分解，分別提取原信號(hào)和各個(gè)乘積分量的峭度、能量和均方差，并分別將這三個(gè)指標(biāo)組成一個(gè)指標(biāo)向量，計(jì)算原信號(hào)和各個(gè)乘積分量的指標(biāo)向量之間的歐氏距離，選取若干個(gè)最小歐氏距離值所對(duì)應(yīng)的乘積分量作為數(shù)據(jù)源