旋轉機械故障診斷的時頻分析方法及其應用研究.pdf

1、研究旋轉機械的故障診斷技術,對于保障設備安全運行、減少重大的經濟損失和避免災難性事故的發(fā)生具有十分重要的意義。大多數(shù)旋轉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機械故障診斷中的應用進行了深入的研究。其主要內容如下:
　　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。提出一種多結構元素差值形態(tài)濾波器,它比單一結構元素的差值形態(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,在此基礎上,提出了基于BLMD的時頻分析方法并應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)濾波解調相結合的故障診斷方法。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(Proper Rotation,PR)分量之和,然后用相關系數(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,并結合BITD方法,提出將隨機共振與BITD相結合的特征提取方法,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