機(jī)械系統(tǒng)故障信號(hào)特征提取技術(shù)研究.pdf

1、機(jī)械故障診斷包括信號(hào)測(cè)量、特征提取、狀態(tài)診斷和狀態(tài)分析四個(gè)步驟，其中最關(guān)鍵的問題是故障信號(hào)的特征提取。旋轉(zhuǎn)機(jī)械在機(jī)械設(shè)備中數(shù)量最多應(yīng)用最廣，是設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的重點(diǎn)。本文以齒輪箱傳動(dòng)系統(tǒng)為研究對(duì)象，研究齒輪和軸承故障信號(hào)特征提取的新理論與新方法，主要完成以下研究工作： 1.研究了齒輪箱各部件典型故障所產(chǎn)生的振動(dòng)信號(hào)的特征，建立了齒輪與滾動(dòng)軸承振動(dòng)信號(hào)的數(shù)學(xué)模型；分析了齒輪箱典型故障所產(chǎn)生的振動(dòng)對(duì)位移、速度、加速度及高階加速

2、度信號(hào)的不同影響；建立了齒輪箱系統(tǒng)的實(shí)驗(yàn)裝置；研究并改進(jìn)了時(shí)域平均技術(shù)，并利用該方法把各個(gè)齒輪的振動(dòng)信號(hào)從齒輪箱總的振動(dòng)信號(hào)中提取出來，實(shí)現(xiàn)齒輪振動(dòng)信號(hào)的分離。研究了應(yīng)用包絡(luò)細(xì)化解調(diào)技術(shù)、倒頻譜分析技術(shù)等方法提取齒輪與滾動(dòng)軸承故障特征信息的優(yōu)缺點(diǎn)。 2.討論了小波基函數(shù)選取對(duì)信號(hào)特征提取的影響，提出一種基于復(fù)Morlet小波和連續(xù)小波變換的包絡(luò)檢波新算法。新方法用傅立葉變換快捷計(jì)算小波變換系數(shù)，得到能夠反映信號(hào)全貌的尺度包絡(luò)譜，

3、通過該包絡(luò)譜能夠很容易的確定是否存在瞬時(shí)沖擊及沖擊信號(hào)所在頻帶。該分析過程在全頻帶內(nèi)自動(dòng)進(jìn)行，無須先驗(yàn)知識(shí)與人工干預(yù)，便于利用計(jì)算機(jī)進(jìn)行故障自動(dòng)識(shí)別。 3.詳細(xì)論述了基于小波變換的奇異性檢測(cè)理論，重點(diǎn)研究了基于B樣條二進(jìn)小波變換及其快速算法—多孔算法，以及基于小波變換模極大值理論的信號(hào)奇異性檢測(cè)方法。根據(jù)信號(hào)和噪聲模極大值的尺度變換特性，提出了利用相鄰兩級(jí)細(xì)節(jié)信號(hào)的乘積作為檢測(cè)信號(hào)求解多尺度模極大值分布圖的方法，新方法根據(jù)模極大

4、值的位置實(shí)現(xiàn)信號(hào)奇異點(diǎn)的精確定位，達(dá)到增強(qiáng)信號(hào)和抑制噪聲的目的。并把該方法成功的應(yīng)用于滾動(dòng)軸承故障信號(hào)奇異性的檢測(cè)，為設(shè)備故障診斷提供了一種新的方法。 4.研究了非線性時(shí)間-頻率分布在故障特征提取中的應(yīng)用。針對(duì)復(fù)雜機(jī)械故障產(chǎn)生的異常瞬時(shí)振動(dòng)信號(hào)探測(cè)，提出一種新的無混疊雙線性時(shí)間。頻率分布方法，給出了新的時(shí)頻變換核函數(shù)，新方法能夠避免常用的雙線性時(shí)頻分布中的頻率混疊與信息丟失，i有效減小交叉項(xiàng)干擾，而且具有較高的時(shí)頻分辨率。通過齒

5、輪箱早期故障檢測(cè)實(shí)驗(yàn)，證明新變換方法能夠有效檢測(cè)機(jī)械設(shè)備早期故障產(chǎn)生的異常振動(dòng)信號(hào)。 5.針對(duì)經(jīng)典信號(hào)分析方法不能有效處理復(fù)雜機(jī)械設(shè)備非平穩(wěn)振動(dòng)信號(hào)這一難題，將分形理論應(yīng)用到機(jī)械設(shè)備非平穩(wěn)振動(dòng)信號(hào)的分析之中。研究了基于分形理論的非平穩(wěn)振動(dòng)信號(hào)分析方法。提出一種改進(jìn)的關(guān)聯(lián)維數(shù)的新算法，該算法具有計(jì)算量小、計(jì)算結(jié)果可靠性高的優(yōu)點(diǎn)，以滾動(dòng)軸承為研究對(duì)象，從振動(dòng)信號(hào)入手，分析關(guān)聯(lián)維數(shù)與滾動(dòng)軸承故障模式之間的關(guān)系，并對(duì)關(guān)聯(lián)維數(shù)計(jì)算中的影響