基于偏微分方程理論的機械故障診斷技術研究.pdf

1、機械設備是現(xiàn)代制造工程的關鍵組成部分，是經濟建設和社會進步的重要物質基礎，但是隨著時間的推移，機械設備及其零部件在運行過程中會受到損傷繼而出現(xiàn)故障，造成經濟損失甚至災難。機械故障診斷技術的研究是保證安全運行、降低損失的重要手段，具有重大研究意義，其關鍵在于從信號中提取故障特征，由于振動信號中蘊含了大量設備運行信息，所以振動信號分析是常用的故障診斷方法。存在故障的機械設備，其振動信號一般會表現(xiàn)出非平穩(wěn)的特性，傳統(tǒng)非平穩(wěn)信號分析方法如短時傅

2、立葉變換、希爾伯特黃變換、小波變換、局域均值分解、數(shù)學形態(tài)學變換等都各自存在一定的局限性，因此新的理論和方法的研究與探索仍是十分必要的。
　　偏微分方程（Partial Differential Equations，PDE）作為一個重要的數(shù)學分支，具有堅實的理論基礎，而且具有很強的局域自適應性、良好的保邊降噪性能和高度的靈活性，是一種數(shù)據驅動的處理方法，因此被廣泛應用于圖像處理和計算機視覺領域，但是在一維信號分析中的應用還很少。本

3、文的研究旨在運用偏微分方程理論，實現(xiàn)常見機械設備如轉子系統(tǒng)、齒輪和軸承的故障診斷，主要工作和研究成果如下:
　　(1)列舉了圖像處理中幾種常用的偏微分方程，描述了各自的特點，介紹了偏微分方程的基本理論及數(shù)值求解方法，為后續(xù)章節(jié)的分析奠定理論基礎。
　　(2)對轉子系統(tǒng)典型故障的產生機理與振動信號特征進行闡述;針對偏微分方程中的經典模型—P-M各向異性擴散方程只對單一高斯噪聲有效，而不能有效濾除隨機脈沖噪聲的不足進行改進，提出

4、了一種自適應梯度閾值的P-M擴散模型，并將其用于轉子系統(tǒng)振動信號降噪預處理，然后計算降噪后信號的關聯(lián)維數(shù)，最后采用LSSVM進行故障識別，實驗表明該方法能夠有效區(qū)分不同的運行狀態(tài)。
　　(3)對齒輪典型故障的產生機理與振動信號特征進行闡述;針對傳統(tǒng)LMD算法中滑動平均的平滑長度選擇困難、計算成本高的問題，提出了一種偏微分方程理論框架下的LMD算法—PDE-LMD算法，并將其應用于齒輪振動信號分解，然后計算不同PF分量的排列熵，實現(xiàn)

5、了多尺度上的排列熵分析，并將其作為齒輪狀態(tài)特征量，實驗表明該方法可以有效識別不同的齒輪運行狀態(tài)。
　　(4)對滾動軸承典型故障的產生機理和振動信號特征進行了闡述;運用偏微分方程分解技術對滾動軸承振動信號的小波時頻圖像進行分解，得到結構子圖像和紋理子圖像，然后以紋理子圖為研究對象，通過計算表征其紋理特征的灰度共生矩陣，并以其中六種特征量為軸承運行狀態(tài)識別的依據，再通過LSSVM進行分類識別，實驗表明特征向量選取合理，能夠有效識別滾動