基于自適應(yīng)線調(diào)頻基原子分解方法的機(jī)械故障診斷研究.pdf

1、生產(chǎn)過程中發(fā)生的設(shè)備故障會(huì)導(dǎo)致設(shè)備停機(jī)或機(jī)器損壞，進(jìn)而導(dǎo)致生產(chǎn)中斷，因而在制造業(yè)尤其是流程制造業(yè)中，對(duì)機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)與故障診斷具有重要的理論意義和實(shí)用價(jià)值。通過從機(jī)械設(shè)備的故障振動(dòng)信號(hào)中提取故障特征信息，是機(jī)械設(shè)備故障診斷的關(guān)鍵。
　　 在變轉(zhuǎn)速工況下，機(jī)械設(shè)備的振動(dòng)信號(hào)往往包含了更多的設(shè)備運(yùn)轉(zhuǎn)信息和故障信息，系統(tǒng)缺陷能更容易地被發(fā)現(xiàn)。然而以等采樣頻率采集的振動(dòng)信號(hào)在轉(zhuǎn)速波動(dòng)工況下往往表現(xiàn)出強(qiáng)烈的非平穩(wěn)性和低信噪比性，導(dǎo)致目

2、前常用的信號(hào)處理技術(shù)無法從中準(zhǔn)確提取故障特征信息。本文在國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目“大型風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)控與故障診斷技術(shù)研究”(項(xiàng)目編號(hào)：2009AA04Z414)和國家自然科學(xué)基金項(xiàng)目“多尺度線調(diào)頻基稀疏信號(hào)分解方法及其在機(jī)械故障診斷中的應(yīng)用研究”(項(xiàng)目批準(zhǔn)號(hào)：50875078)資助下，針對(duì)現(xiàn)有信號(hào)處理方法時(shí)頻聚集性不夠，抗噪性能不強(qiáng)等缺點(diǎn)，研究提出了一種新的信號(hào)處理方法-自適應(yīng)線調(diào)頻基原子分解(adaptive ch

3、irplet alomicdecomposition，ACAD)方法，并將其應(yīng)用于轉(zhuǎn)速變化的齒輪和滾動(dòng)軸承的故障診斷中。本文的主要研究工作有：
　　 (1)針對(duì)多尺度線調(diào)頻基稀疏信號(hào)分解方法算法效率低、分解分量幅值失真等問題，研究提出了ACAD方法，并證明了該方法良好的分解精度、較好的抗噪性能和較高的分解效率，非常適合于多分量非平穩(wěn)信號(hào)的分析處理。
　　 (2)針對(duì)變轉(zhuǎn)速工況下低信噪比的故障齒輪振動(dòng)信號(hào)調(diào)制邊頻帶難以識(shí)別

4、的問題，研究提出了基于ACAD的時(shí)域同步平均方法。ACAD方法可以有效地提取齒輪的嚙合頻率曲線，從而獲得齒輪轉(zhuǎn)速曲線，再對(duì)振動(dòng)信號(hào)進(jìn)行角域重采樣，以滿足時(shí)域同步平均對(duì)信號(hào)平穩(wěn)性要求。仿真和實(shí)驗(yàn)分析證明了基于ACAD的時(shí)域同步平均方法能清晰獲取齒輪的故障調(diào)制階次，非常適合于轉(zhuǎn)速劇烈波動(dòng)情況下的齒輪故障診斷。
　　 (3)提出了基于ACAD的階次包絡(luò)和循環(huán)頻率的變轉(zhuǎn)速齒輪故障診斷方法。包絡(luò)譜和循環(huán)頻率分析方法是一種有效的齒輪幅值和相

5、位調(diào)制頻率提取方法，但在變轉(zhuǎn)速工況下齒輪振動(dòng)信號(hào)往往表現(xiàn)出劇烈的非平穩(wěn)性，由于故障而產(chǎn)生的調(diào)制頻率成分也會(huì)隨著轉(zhuǎn)速變化而變化，不滿足FFT對(duì)信號(hào)的平穩(wěn)性要求，包絡(luò)譜和循環(huán)頻率分析無法提取齒輪的故障信息。先利用ACAD方法從齒輪振動(dòng)信號(hào)中提取嚙合頻率，從而獲得齒輪轉(zhuǎn)速曲線，根據(jù)獲得的轉(zhuǎn)頻曲線再對(duì)原始信號(hào)進(jìn)行角域重采樣。對(duì)重采樣信號(hào)進(jìn)行Hilbert變換分別提取其包絡(luò)和相位。對(duì)包絡(luò)信號(hào)進(jìn)行FFT變換獲取幅值調(diào)制頻率，對(duì)相位信號(hào)進(jìn)行循環(huán)頻率獲

6、取相位調(diào)制頻率，從而現(xiàn)齒輪的故障診斷。
　　 (4)將ACAD方法與神經(jīng)網(wǎng)絡(luò)結(jié)合應(yīng)用于變轉(zhuǎn)速工況下滾動(dòng)軸承的故障識(shí)別中。采用ACAD方法從滾動(dòng)軸承振動(dòng)信號(hào)的包絡(luò)中提取故障特征頻率及其倍頻分量，再從這些特征故障分量中提取能量、方差等時(shí)域特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)來識(shí)別滾動(dòng)軸承的故障模式。應(yīng)用實(shí)例證明了該方法可以準(zhǔn)確有效地對(duì)滾動(dòng)軸承的工作狀態(tài)和故障類型進(jìn)行分類。
　　 本文研究了適合處理多分量非平穩(wěn)信號(hào)的ACAD方法，并