機(jī)械故障信號統(tǒng)計建模及其故障診斷方法的研究.pdf

1、在機(jī)械故障診斷領(lǐng)域，基于機(jī)械故障信號統(tǒng)計特性的故障信號分析方法，以及故障診斷方法，是研究最廣泛的一類診斷方法。這類方法基于故障信號的一種或幾種統(tǒng)計特性，利用相應(yīng)的統(tǒng)計信號處理手段對信號進(jìn)行處理，提取設(shè)備故障或狀態(tài)相關(guān)的信息，然后通過這些信息對機(jī)械設(shè)備故障進(jìn)行診斷或了解其狀態(tài)。在這類機(jī)械故障診斷方法中，利用故障信號概率分布的特性來進(jìn)行故障診斷研究始終受到一些研究者的關(guān)注，但是這類方法一直沒有得到完善的發(fā)展，究其原因，是因為沒有對信號的概率

2、分布進(jìn)行更深入的分析。因此本文將著眼于機(jī)械故障信號概率分布的分析，提出對故障信號建立精確的參數(shù)概率分布模型，并基于模型的統(tǒng)計特性，提出新的故障診斷方法。論文研究工作主要集中在以下幾個方面：
　　(1)首先，基于高斯混合模型理論，對機(jī)械故障信號建立一個準(zhǔn)確的參數(shù)概率密度模型，然后利用高斯混合模型的統(tǒng)計特性，研究基于高斯混合模型的機(jī)械故障診斷方法。在建模過程中，通過將高斯混合模型最優(yōu)混合數(shù)目與機(jī)械故障信號分類的最佳效果相關(guān)聯(lián)，來解決高

3、斯混合模型中混合數(shù)目的確定問題，從而建立了針對機(jī)械故障信號的高斯混合模型建模方案。最后利用直接對故障時域信號建立的模型，研究了基于高斯混合模型的故障信號分類與識別方法。另外，借鑒這一分類的思想，提出了基于高斯混合模型的設(shè)備性能評估方法，并用軸承全生命周期信號進(jìn)行了實驗驗證。
　　(2)提出新的基于小波系數(shù)聚類的特征構(gòu)造與提取方法，這種方法對Pittner的基于小波系數(shù)聚類的特征提取方法做了重要的改進(jìn)，引入Shannon熵來度量不同

4、機(jī)械故障信號的非平穩(wěn)特性間的差異，使得依賴于這種特征提取方法的的故障分類方法更有效。在利用新的特征提取方法從各種故障信號中提取出非平穩(wěn)統(tǒng)計特性以后，再對這些特征量建立高斯混合模型，研究新的基于高斯混合模型的機(jī)械故障信號分類方法。
　　(3)基于alpha穩(wěn)定分布理論，對機(jī)械故障信號的alpha穩(wěn)定分布建模理論進(jìn)行了深入研究，通過對alpha穩(wěn)定分布統(tǒng)計性質(zhì)的研究，提出一套較完整的基于alpha穩(wěn)定分布的信號建模理論，這一理論將常規(guī)

5、的基于主觀判斷的概率密度擬合優(yōu)度檢驗方法擴(kuò)展到基于alpha穩(wěn)定分布特征函數(shù)的客觀的擬合優(yōu)度檢驗方法，而且還對信號的alpha穩(wěn)定分布穩(wěn)定性檢驗的方法進(jìn)行了研究，另外，檢驗過程中還引入了bootstrap方法，使得假設(shè)檢驗的過程切實可行，最后，利用建模理論證明了軸承故障信號服從alpha穩(wěn)定分布。
　　(4)最后，基于alpha穩(wěn)定分布的統(tǒng)計特性，研究幾類新的機(jī)械故障診斷方法，首先基于alpha穩(wěn)定分布的特征參數(shù)提出了早期故障檢測

6、方法，然后提出了兩種故障信號分類與識別方法，包括基于特征函數(shù)的分類方法和基于alpha穩(wěn)定分布參數(shù)的分類方法，其次，提出了基于alpha穩(wěn)定分布概率模型的設(shè)備性能評估方法，最后提出了基于alpha穩(wěn)定分布特征函數(shù)的盲源分離方法，并用于多故障并發(fā)狀態(tài)下的故障診斷研究，這種方法是針對脈沖狀機(jī)械故障信號不具備二階以上的統(tǒng)計量，以致常規(guī)的盲源分離方法失效的問題提出的。這些方法依賴于為機(jī)械故障信號建立的alpha穩(wěn)定分布模型，通過模型的某種或某幾