基于多尺度非線性狀態(tài)特征增強(qiáng)的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf

1、本論文以旋轉(zhuǎn)機(jī)械設(shè)備的精確故障診斷為目標(biāo)，著眼于多尺度非線性分析在設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷中的應(yīng)用研究，通過(guò)分析正在發(fā)展中的基于時(shí)頻分析的多尺度方法和隨機(jī)共振與流形學(xué)習(xí)等兩種典型的非線性分析方法在該領(lǐng)域的研究現(xiàn)狀和存在的問(wèn)題，把這兩種之前相互獨(dú)立的研究相互結(jié)合，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，并統(tǒng)一在了一個(gè)研究體系之下，即采用多尺度非線性分析方法增強(qiáng)設(shè)備狀態(tài)特征，分三個(gè)部分就有關(guān)問(wèn)題進(jìn)行了深入的研究。
　　第一部分是基于多尺度隨機(jī)共振分析的方法及其在

2、旋轉(zhuǎn)機(jī)械微弱狀態(tài)特征增強(qiáng)上的應(yīng)用研究。以設(shè)備測(cè)量信號(hào)原始包絡(luò)為處理對(duì)象，分析了信號(hào)中噪聲的有色性和故障特征的微弱性及頻率高的特點(diǎn)，引入隨機(jī)共振的方法，根據(jù)信號(hào)在多個(gè)尺度上的噪聲對(duì)系統(tǒng)輸出的影響，提出了一種新的多尺度噪聲調(diào)節(jié)隨機(jī)共振(MSTSR)方法。新方法能調(diào)節(jié)并優(yōu)化噪聲分布模型，從而實(shí)現(xiàn)在固定噪聲水平和類型情況下微弱大頻故障特征的增強(qiáng)。研究構(gòu)造了一種新的加權(quán)功率譜峭度(WPSK)指標(biāo)，用以評(píng)估MSTSR系統(tǒng)輸出的效果，從而在無(wú)先驗(yàn)知識(shí)

3、情況下優(yōu)化該方法中的參數(shù)，自適應(yīng)輸出最優(yōu)增強(qiáng)結(jié)果。進(jìn)一步改進(jìn)了MSTSR方法中的多尺度噪聲調(diào)節(jié)方式，并拓展了其在多瞬態(tài)故障診斷中的應(yīng)用，改進(jìn)方法可以對(duì)多頻待測(cè)信號(hào)依次單獨(dú)增強(qiáng)，排除了相互之間的干擾。
　　第二部分是基于多尺度流形學(xué)習(xí)分析的方法及其在設(shè)備狀態(tài)本質(zhì)特征挖掘中的應(yīng)用研究。以設(shè)備原始測(cè)量信號(hào)為處理對(duì)象，通過(guò)結(jié)合相空間重構(gòu)(PSR)和連續(xù)小波變換(CWT)，構(gòu)造了包含信號(hào)非平穩(wěn)信息的高維多尺度相空間，把流形學(xué)習(xí)應(yīng)用于高維相空

4、間中，提取出了一種新的時(shí)間尺度流形(TSM)標(biāo)簽，用以表征設(shè)備的本質(zhì)狀態(tài)特征。從TSM中提取脊線以直接解調(diào)出故障特征頻率，并提出了一種脊線替換解調(diào)方法增強(qiáng)帶內(nèi)噪聲去除效果。此外，通過(guò)利用流形學(xué)習(xí)非線性地結(jié)合了信號(hào)在多個(gè)特征尺度上的小波包絡(luò)，提取出了一種新的多尺度包絡(luò)流形(MEM)特征，獲得故障脈沖的真實(shí)包絡(luò)結(jié)構(gòu)。本文提出的基于多尺度流形學(xué)習(xí)的解調(diào)方法在實(shí)際軸承和齒輪箱故障診斷的應(yīng)用中顯示了與傳統(tǒng)包絡(luò)分析方法相比的優(yōu)越性。
　　第三

5、部分是基于多尺度非線性分析的軌邊聲學(xué)信號(hào)處理方法及其在軌道列車軸承軌邊聲學(xué)故障診斷中的應(yīng)用研究。以軸承軌邊聲學(xué)信號(hào)為分析對(duì)象，首先提出了基于時(shí)頻分布(TFD)瞬時(shí)頻率估計(jì)的信號(hào)動(dòng)態(tài)重采樣方法去除原始信號(hào)中的多普勒效應(yīng)，然后引入MSTSR方法增強(qiáng)多普勒效應(yīng)去除后包絡(luò)信號(hào)中的微弱故障特征頻率。分析了軌邊聲學(xué)信號(hào)中可能存在的雙調(diào)制現(xiàn)象，提出了一種變分辨率脊線解調(diào)(VRRD)方法直接從軌邊聲學(xué)信號(hào)中提取故障脈沖的包絡(luò)，接著對(duì)包絡(luò)信號(hào)進(jìn)行動(dòng)態(tài)重采

6、樣以直接恢復(fù)出故障特征頻率，最后通過(guò)對(duì)數(shù)變換和分段線性趨勢(shì)去除方法，壓制可能存在的低頻調(diào)制現(xiàn)象并去除低頻非線性趨勢(shì)。仿真和實(shí)驗(yàn)分析的結(jié)果表明所提方法能從列車軸承軌邊聲學(xué)信號(hào)中提取出無(wú)多普勒效應(yīng)且信噪比提升的故障特征頻率。
　　此外，以上研究都建立在了仿真和實(shí)驗(yàn)驗(yàn)證基礎(chǔ)之上。本論文根據(jù)研究對(duì)象和所采用方法的不同構(gòu)造了不同的仿真模型，所分析的實(shí)驗(yàn)數(shù)據(jù)包括具有齒輪磨損故障的齒輪箱振動(dòng)信號(hào)、具有各種局部故障的不同型號(hào)軸承的振動(dòng)/聲學(xué)信號(hào)以