基于自適應(yīng)最稀疏時(shí)頻分析的機(jī)械故障診斷方法.pdf

1、機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷對(duì)于保證設(shè)備健康運(yùn)行具有重要的作用。隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代機(jī)械設(shè)備越來(lái)越復(fù)雜，對(duì)機(jī)械故障診斷新技術(shù)和新方法的研究具有重要的意義。機(jī)械故障診斷技術(shù)的核心是故障特征的提取，設(shè)備運(yùn)行中產(chǎn)生的振動(dòng)信號(hào)包含了大量的設(shè)備狀態(tài)信息，因此，基于振動(dòng)的診斷方法是非常有效的機(jī)械故障診斷方法。然而，機(jī)械振動(dòng)信號(hào)比較復(fù)雜，常表現(xiàn)為非平穩(wěn)、多分量、多調(diào)制特征，且經(jīng)常會(huì)受到噪聲干擾。因此，研究一種合適的能夠準(zhǔn)確提取故障特征信息的信號(hào)分析

2、處理方法具有重要的實(shí)際意義。
　　自適應(yīng)時(shí)頻分析方法在信號(hào)分解中根據(jù)信號(hào)本身的特性自動(dòng)選擇基函數(shù)或參數(shù)，能夠有效提取機(jī)械故障振動(dòng)信號(hào)的本質(zhì)特征，因此在機(jī)械故障診斷中得到了廣泛的應(yīng)用。自適應(yīng)最稀疏時(shí)頻分析(Adaptive and Sparsest Time-FrequencyAnalysis，ASTFA)方法是一種新的自適應(yīng)時(shí)頻分析方法，它以分解得到的單分量個(gè)數(shù)最少為優(yōu)化目標(biāo)，以單分量的瞬時(shí)頻率具有物理意義為約束條件，通過(guò)求解最優(yōu)

3、化問(wèn)題將信號(hào)自適應(yīng)地分解為若干個(gè)內(nèi)稟模態(tài)函數(shù)之和。ASTFA方法結(jié)合了EMD(Empirical Mode Decomposition，EMD)方法中將信號(hào)自適應(yīng)地分解為若干個(gè)內(nèi)稟模態(tài)函數(shù)之和與稀疏分解中在過(guò)完備字典庫(kù)中尋優(yōu)以獲得信號(hào)稀疏分解的優(yōu)點(diǎn)。論文在國(guó)家自然科學(xué)基金項(xiàng)目（編號(hào):51375152）的資助下，對(duì)ASTFA方法的理論進(jìn)行了研究與完善，并將ASTFA方法應(yīng)用于機(jī)械設(shè)備故障診斷。
　　論文的主要研究工作有:
　　

4、(1)對(duì)ASTFA方法進(jìn)行了研究，將ASTFA方法與EMD、LCD(LocalCharacteristic-scale Decomposition，LCD)、LMD(Local Mean Decomposition，LMD)方法進(jìn)行了對(duì)比，其分解結(jié)果的正交性、精確性等評(píng)價(jià)指標(biāo)優(yōu)于EMD、LCD、LMD方法;對(duì)ASTFA方法的分解能力進(jìn)行了研究;對(duì)ASTFA方法的抗模態(tài)混疊性能進(jìn)行了研究，仿真和轉(zhuǎn)子故障信號(hào)的分析驗(yàn)證了ASTFA方法在抑制

5、模態(tài)混淆方面的優(yōu)勢(shì)。
　　(2)從瞬時(shí)頻率計(jì)算對(duì)ASTFA方法進(jìn)行理論解釋。ASTFA方法與EMD、LCD、LMD等方法具有理論共性，都是將復(fù)雜信號(hào)自適應(yīng)地分解為具有調(diào)幅部分和調(diào)頻部分乘積形式的單分量信號(hào)之和。但是，ASTFA方法可以直接計(jì)算信號(hào)的瞬時(shí)頻率，不用通過(guò)歸一化的方法得到純調(diào)頻信號(hào)，再進(jìn)行瞬時(shí)頻率計(jì)算，避免了極值點(diǎn)處存在的波動(dòng)和估計(jì)誤差，具有明顯的優(yōu)越性。
　　(3)從濾波器設(shè)計(jì)對(duì)ASTFA方法進(jìn)行解釋。ASTFA

6、方法將信號(hào)由時(shí)間域轉(zhuǎn)化到相位域，基于數(shù)據(jù)本身相位函數(shù)的驅(qū)動(dòng)來(lái)設(shè)計(jì)自適應(yīng)濾波器，即:通過(guò)選擇合適的初始相位函數(shù)和平滑度控制參數(shù)來(lái)設(shè)計(jì)符合要求的濾波器，從而實(shí)現(xiàn)信號(hào)的自適應(yīng)分解。
　　(4)針對(duì)ASTFA方法初始相位函數(shù)的選擇問(wèn)題，提出了基于一維精確搜索的ASTFA方法和基于遺傳算法(Genetic Algorithm，GA)的ASTFA方法。兩種改進(jìn)的ASTFA方法都是基于初始相位函數(shù)的最優(yōu)選擇而提出，解決了原始ASTFA方法中初始

7、相位函數(shù)選擇問(wèn)題。
　　(5)研究了ASTFA方法在齒輪故障診斷中的應(yīng)用，提出了基于ASTFA的瞬時(shí)幅值譜和瞬時(shí)頻率譜方法;提出了基于ASTFA的多尺度模糊熵偏均值(PartialMean MFE，PMMFE)的齒輪故障診斷方法;研究了ASTFA方法在齒輪箱復(fù)合故障診斷中的應(yīng)用;研究了ASTFA方法在行星齒輪箱故障診斷中的應(yīng)用。
　　(6)研究了ASTFA方法在變速工況下機(jī)械設(shè)備故障診斷中的應(yīng)用。提出了基于ASTFA的階次方