基于振動(dòng)信號(hào)特征提取與表達(dá)的旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷研究.pdf

1、在機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷研究中，故障特征的提取及表達(dá)關(guān)系到故障診斷的可靠性與準(zhǔn)確性，因此是機(jī)械設(shè)備故障研究中的關(guān)鍵問題。本文應(yīng)用時(shí)域絕對(duì)自相關(guān)統(tǒng)計(jì)分析、時(shí)頻分析中小波的分形分析、基于高階統(tǒng)計(jì)量的獨(dú)立分量分析與盲分離，對(duì)旋轉(zhuǎn)機(jī)械中的軸承與齒輪的不同狀態(tài)的振動(dòng)信號(hào)進(jìn)行特征提取與表達(dá)、及分類研究。
　　 第一章闡明了機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的選題意義及研究?jī)?nèi)容，回顧了現(xiàn)有的檢測(cè)方案及技術(shù)手段。分析了現(xiàn)有的振動(dòng)信號(hào)分析方法：時(shí)域統(tǒng)

2、計(jì)分析、時(shí)頻分析、基于高階統(tǒng)計(jì)量分析的獨(dú)立分量分析及盲信號(hào)分離?；谳S承、齒輪的振動(dòng)分析，指出本論文的主要研究?jī)?nèi)容。
　　 第二章提出了一種基于絕對(duì)自相關(guān)統(tǒng)計(jì)分析信號(hào)周期瞬態(tài)成分檢測(cè)方法及故障特征極坐標(biāo)增強(qiáng)表達(dá)方法，首先計(jì)算信號(hào)的時(shí)間平均函數(shù)，接著計(jì)算其自相關(guān)函數(shù)，再利用快速傅里葉變換計(jì)算自相關(guān)函數(shù)的頻譜，根據(jù)頻譜確定信號(hào)的主要頻率成分，分別按照這些主要頻率成分的周期建立極坐標(biāo)映射，并將各映射表示在極坐標(biāo)圖上，當(dāng)對(duì)應(yīng)于周期極坐標(biāo)

3、圖上出現(xiàn)增強(qiáng)的特征表示，即判定待檢測(cè)信號(hào)中存在有此周期的瞬態(tài)成分。所提出的方法可以有效的分辨出軸承的狀態(tài)以及其對(duì)應(yīng)的故障。
　　 第三章主要研究了小波變換分形方法在軸承狀態(tài)分類中的應(yīng)用。首先對(duì)信號(hào)進(jìn)行小波變換，通過小波反變換得到不同尺度下的細(xì)節(jié)信號(hào)，并結(jié)合原始信號(hào)的功率譜特點(diǎn)，選取能夠充分反映信號(hào)頻率--能量特征的尺度，然后計(jì)算這些尺度下各細(xì)節(jié)信號(hào)的方差，再取對(duì)數(shù)，對(duì)這些對(duì)數(shù)值進(jìn)行最小二乘法直線擬合，得到擬合直線的斜率，最后利用

4、斜率計(jì)算出表征信號(hào)復(fù)雜程度的分形維數(shù)，通過分形維數(shù)對(duì)軸承狀態(tài)進(jìn)行分類研究。分析結(jié)果表明，此種方法可以有效的區(qū)分軸承的正常、外圈故障、滾珠故障狀態(tài)。
　　 第四章研究了獨(dú)立分量分析的基本理論及其在一維振動(dòng)信號(hào)特征提取的應(yīng)用研究。首先對(duì)統(tǒng)計(jì)獨(dú)立性及不相關(guān)性進(jìn)行了說明，接著研究了獨(dú)立分量分析的一般模型，并對(duì)其可解性、不確定性進(jìn)行了探討。之后著重研究了非高斯性度量的對(duì)照函數(shù)：峭度、負(fù)熵、互信息，以及在進(jìn)行獨(dú)立分量分析之前對(duì)信號(hào)進(jìn)行的預(yù)處

5、理方法：零均值化與白化。研究了獨(dú)立分量分析快速算法(FastICA)及其實(shí)現(xiàn)，并利用仿真分析說明ICA的不確定性。在FastICA基礎(chǔ)上研究了一維振動(dòng)信號(hào)的高階統(tǒng)計(jì)信息特征提取，利用ICA基濾波相關(guān)特征(IFC)對(duì)齒輪箱振動(dòng)信號(hào)進(jìn)行特征提取與狀態(tài)模式分類，取得了良好的效果。
　　 第五章研究了盲卷積分離的故障特征提取方法。首先建立了更能體現(xiàn)機(jī)械設(shè)備振動(dòng)卷積混合特點(diǎn)的盲卷積混合及分離模型，接著推導(dǎo)了兩信號(hào)源兩傳感器盲卷積系統(tǒng)的分離