壓縮傳感與長(zhǎng)相關(guān)模型的軸承緩變故障監(jiān)測(cè)研究.pdf

1、為保障負(fù)載重、結(jié)構(gòu)日趨復(fù)雜且連續(xù)運(yùn)行的旋轉(zhuǎn)機(jī)械系統(tǒng)的安全可靠運(yùn)行，實(shí)現(xiàn)優(yōu)化安全運(yùn)行，需要對(duì)機(jī)組運(yùn)行狀態(tài)進(jìn)行在線(xiàn)監(jiān)測(cè)和故障預(yù)測(cè)研究。本文立足壓縮傳感與長(zhǎng)相關(guān)隨機(jī)模型的理論基礎(chǔ)，研究了旋轉(zhuǎn)機(jī)械系統(tǒng)的非平穩(wěn)狀態(tài)監(jiān)測(cè)、故障趨勢(shì)預(yù)測(cè)，以便實(shí)現(xiàn)對(duì)旋轉(zhuǎn)機(jī)械系統(tǒng)的預(yù)知維護(hù)。本文主要研究工作如下：
　　1．從狀態(tài)監(jiān)測(cè)與故障預(yù)測(cè)的基本原理與方法入手，探討了旋轉(zhuǎn)機(jī)組的振動(dòng)機(jī)理以及常規(guī)的信號(hào)處理方法，介紹了故障預(yù)測(cè)領(lǐng)域常規(guī)的預(yù)測(cè)方法及故障分析中常規(guī)振動(dòng)特

2、征量提取算法，提供了機(jī)械故障監(jiān)測(cè)的判斷標(biāo)準(zhǔn)。
　　2.由于旋轉(zhuǎn)機(jī)械系統(tǒng)振動(dòng)信號(hào)受到采樣、傳輸和存儲(chǔ)的速度以及硬件的限制，實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)采集量太大，無(wú)法實(shí)現(xiàn)長(zhǎng)時(shí)間存儲(chǔ)，不能滿(mǎn)足提高分辨率與實(shí)時(shí)性的要求，因此，在介紹了局部均值分解（LMD）方法基本原理、振動(dòng)信號(hào)稀疏表示、測(cè)量矩陣、以及各類(lèi)重構(gòu)算法的基礎(chǔ)上，提出了一種基于LMD與非凸罰Lq(0

3、實(shí)際運(yùn)行軸承原始信號(hào)比傳統(tǒng)算法有效性，克服了傳統(tǒng)Nyquist采樣定理與硬件容量的束縛。
　　3、由于變工況及設(shè)備自身的非線(xiàn)性影響，軸承振動(dòng)信號(hào)往往表現(xiàn)出非平穩(wěn)、重復(fù)再現(xiàn)性差的特性，傳統(tǒng)方法停留在靜態(tài)分析的基礎(chǔ)上，忽略了軸承故障變化的動(dòng)態(tài)信息，提出了諧波小波樣本熵與HMM模型相結(jié)合的滾動(dòng)軸承的故障識(shí)別方法，采用諧波小波分解軸承振動(dòng)信號(hào)，提取滾動(dòng)軸承振動(dòng)信號(hào)各層的樣本熵構(gòu)成特征向量序列，輸入到HMM模型中進(jìn)行訓(xùn)練和識(shí)別，通過(guò)對(duì)比對(duì)數(shù)

4、似然估計(jì)概率確定軸承故障類(lèi)型。實(shí)驗(yàn)結(jié)果證明了該方法在軸承故障振動(dòng)信號(hào)模式識(shí)別具有準(zhǔn)確性高、穩(wěn)定性強(qiáng)等優(yōu)點(diǎn)。
　　4、提出了一種基于LMD與譜峭度的軸承故障特征提取方法，采用譜峭度圖分析的方法可以準(zhǔn)確的識(shí)別帶通濾波器的中心頻率和帶寬大小，克服傳統(tǒng)對(duì)軸承故障載波頻率和大小采取主觀判斷的缺陷，然后對(duì)帶通濾波后故障信號(hào)進(jìn)行平方包絡(luò)譜分析，可以準(zhǔn)確識(shí)別軸承固有轉(zhuǎn)動(dòng)頻率及其倍頻、故障特征頻率及其倍頻。
　　5、提取振動(dòng)信號(hào)中的趨勢(shì)預(yù)測(cè)特