基于經(jīng)驗小波變換和奇異值分解的旋轉(zhuǎn)機械故障診斷.pdf

1、旋轉(zhuǎn)機械的故障信號通常是非平穩(wěn)、非線性的含噪振動信號，對于機械故障診斷目前應(yīng)用較為廣泛的是窗口傅里葉變換、Wigner分布、小波變換(WT)等時頻分析方法，但這些方法都具有一定的局限性，而且容易受到干擾的影響。經(jīng)驗?zāi)B(tài)分解(EMD)較其他方法具有自適應(yīng)分解的優(yōu)勢，但是由于其自身存在模態(tài)混疊效應(yīng)、端點效應(yīng)以及缺乏一定的理論基礎(chǔ)，所以在應(yīng)用方面還存在一定問題。而經(jīng)驗小波變換(EWT)則既具有EMD的自適應(yīng)性又具有可靠的理論基礎(chǔ)，其極大地減弱

2、了EMD方法中存在模態(tài)混疊現(xiàn)象，克服了端點效應(yīng)問題，在旋轉(zhuǎn)機械故障診斷中具有較高的應(yīng)用價值。筆者利用經(jīng)驗小波變換的自適應(yīng)性結(jié)合奇異值分解的濾噪特性提出了新的旋轉(zhuǎn)機械故障診斷方法。
　　文章首先介紹了經(jīng)驗小波變換理論，將經(jīng)驗小波變換和經(jīng)驗?zāi)B(tài)分解對多模態(tài)混疊含噪信號的分解結(jié)果進行對比，驗證經(jīng)驗小波變換較經(jīng)驗?zāi)B(tài)分解存在的優(yōu)勢。然后對奇異值分解和奇異值包分解理論進行深入研究。最后提出EWT-SVD和EWT-SVDP算法，并通過仿真信號

3、驗證算法的有效性。文章將聯(lián)合算法應(yīng)用在旋轉(zhuǎn)機械故障診斷的實例分析中，選取軸承、轉(zhuǎn)子、萬向軸作為研究對象，利用試驗對軸承的內(nèi)圈故障、轉(zhuǎn)子碰摩故障、萬向軸的動不平衡故障振動信號進行提取，應(yīng)用文章提出的算法對故障信號進行分析研究，驗證聯(lián)合算法對于工程實際應(yīng)用的有效性。
　　通過應(yīng)用文章提出的聯(lián)合算法對仿真信號和實際工程的故障信號分析可知:基于經(jīng)驗小波變換結(jié)合奇異值分解(EWT-SVD)的算法表現(xiàn)出很好的自適應(yīng)性和良好的濾噪性能，能夠?qū)⒍?/p>

4、模態(tài)含噪仿真信號有效的分解成含有不同頻率特性的信號，并且和單獨經(jīng)驗小波變換方法相比，聯(lián)合算法表現(xiàn)出良好的濾噪特性，通過對軸承故障信號、轉(zhuǎn)子碰摩故障信號、萬向軸動不平衡故障信號分析，基于經(jīng)驗小波變換結(jié)合奇異值分解能夠有效地將原始振動信號分解成不同頻帶中的分量信號;基于經(jīng)驗小波變換結(jié)合奇異值包分解(EWT-SVDP)相比經(jīng)驗小波分解，不但表現(xiàn)出良好的自適應(yīng)性，濾噪性能也有顯著提高，而且對于信號的細(xì)節(jié)成分分析表現(xiàn)出極大的優(yōu)勢，對于工程實際信號