旋轉(zhuǎn)機械故障診斷的時頻分析方法及其應(yīng)用研究.pdf

1、研究旋轉(zhuǎn)機械的故障診斷技術(shù),對于保障設(shè)備安全運行、減少重大的經(jīng)濟損失和避免災(zāi)難性事故的發(fā)生具有十分重要的意義。大多數(shù)旋轉(zhuǎn)機械的振動信號是非平穩(wěn)信號,時頻分析方法能同時提取振動信號時域和頻域的局部信息,適用于旋轉(zhuǎn)機械故障診斷。但是短時傅立葉變換(Short Time Fourier Transform,STFT)、Winger-Ville分布、小波變換和Hilbert-Huang變換等時頻分析方法都存在各自的缺陷,故迫切需要研究新的旋轉(zhuǎn)機

2、械故障診斷方法。本文對頻率切片小波變換、局域均值分解、本征時間尺度分解方法的理論及其在旋轉(zhuǎn)機械故障診斷中的應(yīng)用進行了深入的研究。其主要內(nèi)容如下:
　　1.信號中的噪聲會降低頻率切片小波變換分析的頻率分辨率,為此,提出了基于形態(tài)濾波、自相關(guān)分析和頻率切片小波變換的軸承故障診斷方法。提出一種多結(jié)構(gòu)元素差值形態(tài)濾波器,它比單一結(jié)構(gòu)元素的差值形態(tài)濾波器降噪效果好,仿真信號與軸承故障診斷實例的分析驗證了該方法的有效性。提出了基于時延自相關(guān)和

3、頻率切片小波變換的齒輪故障診斷方法,對齒輪故障信號進行頻率切片小波變換分析前,進行自相關(guān)降噪處理能突出故障特征,提高頻率分辨率。
　　2.論述了LMD和1.5維譜原理,針對信號中混入的噪聲對局域均值分解結(jié)果造成影響的問題,提出了一種局域均值分解和1.5維譜相結(jié)合的故障診斷方法。針對局域均值分解方法計算效率低的問題,提出了一種基于 B樣條插值的局域均值分解(B-spline Local Mean Decomposition,BLMD

4、)方法,在此基礎(chǔ)上,提出了基于BLMD的時頻分析方法并應(yīng)用到軸承和齒輪的故障診斷中。提出了基于BLMD與倒雙譜的故障診斷方法并應(yīng)用到軸承與齒輪故障診斷中,仿真信號的分析與軸承和齒輪故障診斷實例驗證了該方法的有效性。
　　3.針對常用的非平穩(wěn)信號處理方法的局限性以及本征時間尺度分解的失真問題,提出了B樣條改進的本征時間尺度分解(BITD)方法,在此基礎(chǔ)上,提出了基于BITD的局部能量譜方法。針對齒輪故障振動信號的非平穩(wěn)特征,提出了

5、B樣條插值的本征時間尺度分解和同態(tài)濾波解調(diào)相結(jié)合的故障診斷方法。首先采用BITD方法對齒輪振動信號進行分解,將其分解為若干個合理旋轉(zhuǎn)(Proper Rotation,PR)分量之和,然后用相關(guān)系數(shù)篩選出最能表征故障信息的PR分量進行同態(tài)濾波解調(diào)提取故障特征。仿真信號與齒輪故障診斷工程實例的分析驗證了該方法的有效性。提出了基于BITD、能量算子和對角切片譜的旋轉(zhuǎn)機械故障診斷方法,通過對仿真和實驗信號的分析驗證了該方法的有效性。
　　

6、4.論述了隨機共振降噪的原理,并結(jié)合BITD方法,提出將隨機共振與BITD相結(jié)合的特征提取方法,并通過仿真信號與實驗信號的分析驗證了方法的有效性;研究基于EMD的信號降噪方法,在分析已有基于EMD降噪方法不足的基礎(chǔ)上,提出兩種基于BITD的閾值消噪方法,并將其用于滾動軸承故障信號的降噪和特征提取技術(shù)中。通過仿真信號與實驗信號的分析驗證了該方法的有效性。
　　5.在論述排列熵(Permutation Entropy,PE)和基本尺度

7、熵(Base-scale Entropy,BE)原理的基礎(chǔ)上,提出了基于BITD和排列熵的滾動軸承障診斷方法,采用BITD方法對滾動軸承振動信號進行分解,再對得到的前4個合理旋轉(zhuǎn)分量計算其排列熵,并將熵值作為特征向量輸入支持向量機分類器,從而實現(xiàn)滾動軸承故障類別的診斷,實驗數(shù)據(jù)分析結(jié)果表明,該方法能有效地實現(xiàn)滾動軸承故障類型的診斷。針對齒輪振動信號的非線性、非平穩(wěn)特征和難以獲取大量故障樣本的問題,提出了BITD和基本尺度熵的齒輪故障診斷