機(jī)電設(shè)備微弱特征提取與診斷方法研究.pdf

1、機(jī)械設(shè)備自身結(jié)構(gòu)的復(fù)雜性、多個(gè)零部件的協(xié)同工作、激勵(lì)和故障源的多樣性等都可能造成振動(dòng)信號(hào)的復(fù)雜性，給故障診斷帶來困難。本論文以機(jī)電設(shè)備為對(duì)象，對(duì)復(fù)雜振動(dòng)信號(hào)中的微弱特征提取及相關(guān)診斷方法進(jìn)行了研究。 為了提取淹沒于噪聲中的微弱特征信號(hào)，本文研究了級(jí)聯(lián)雙穩(wěn)隨機(jī)共振系統(tǒng)的非線性低通濾波特性。研究發(fā)現(xiàn)，通過級(jí)聯(lián)這樣一種方式，高頻能量能不斷地向低頻轉(zhuǎn)移，在實(shí)現(xiàn)低通濾波的同時(shí)，位于低頻的微弱特征成分由于能量的增加將逐級(jí)突顯出來。刀具切削和

2、滾動(dòng)軸承的診斷實(shí)例說明了其實(shí)用性。 每個(gè)傳感器采集的信號(hào)往往是設(shè)備多個(gè)零部件振動(dòng)源的混合信號(hào)，盲源分離技術(shù)為此類混合信號(hào)的分離提供了理論基礎(chǔ)。由于實(shí)際測(cè)得振動(dòng)信號(hào)中常摻雜有噪聲，而目前的盲分離算法均沒有考慮噪聲的影響。本文提出一種基于隨機(jī)共振與盲分離相結(jié)合的方法，該方法先對(duì)有噪混合信號(hào)進(jìn)行級(jí)聯(lián)雙穩(wěn)隨機(jī)共振降噪再進(jìn)行盲分離。仿真實(shí)驗(yàn)表明該方法可以有效地提高盲分離性能。 經(jīng)驗(yàn)?zāi)Ｊ椒纸馐且环N根據(jù)信號(hào)局部特征進(jìn)行自適應(yīng)分解的時(shí)頻

3、分析方法，可以得到若干基本模式分量；支持向量機(jī)作為一種新型的機(jī)器學(xué)習(xí)方法，可以很好地用于模式分類當(dāng)中。同時(shí)，由于不同的故障情況常呈現(xiàn)出不同的復(fù)雜性，本文提出一種Renyi熵復(fù)雜性測(cè)度下的基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭С窒蛄繖C(jī)的故障診斷方法，該方法將經(jīng)驗(yàn)?zāi)Ｊ椒纸獾玫降娜舾苫灸Ｊ椒至康腞enyi熵作為特征向量輸入支持向量機(jī)進(jìn)行訓(xùn)練、識(shí)別。滾動(dòng)軸承的故障診斷實(shí)例說明了該種方法的應(yīng)用前景。 終端的便攜式數(shù)采分析儀實(shí)時(shí)、準(zhǔn)確地采集設(shè)備狀態(tài)數(shù)據(jù)是狀