旋轉機械故障特征提取新技術研究與應用.pdf

1、隨著現代化工業(yè)及科學技術的迅猛發(fā)展，旋轉機械在工業(yè)領域也呈現出巨大的變化，并起著越來越重要的作用。尤其是電力工業(yè)中的主要機械設備和輔機正向著大型化、自動化、高效率、機電一體化等方向發(fā)展，影響安全的因素也逐漸增多。因此，要保證這些大型旋轉機械安全，經濟運行，旋轉機械故障特征提取技術成為研究重點。本文主要研究了自回歸模型/(Autoregression Model，簡稱AR模型)，小波分析，短時傅里葉變換(Short-Time Fourie

2、r Transform，簡稱STFT)、維格納-威爾分布(Wigner-Ville Distribution，簡稱WVD)和希爾伯特黃變換(Hilbert-HuangTransform，簡稱HHT)，并開發(fā)了旋轉機械振動信號分析系統。
　　 針于AR模型，主要研究了如何確定模型的階數，以及自相關估計、Burg法和改進的協方差法的分辨率對比，并采用軸承局部故障信號和齒輪故障信號，討論AR模型參數估計功率譜，結果發(fā)現能得到分辨率和方

3、差性能較好的光滑譜線，能有效的提取故障特征。
　　 本文研究了小波變換的基礎理論；研究了它在旋轉機械的奇異性信號，多種混合信號和含噪信號中的應用；并采用軸承局部故障信號和齒輪故障信號，討論小波分析在特征提取中的應用，最后發(fā)現小波分析可以很好地應用在旋轉機械故障信號特征提取中。
　　 為了能提取信號頻率隨時間的變化信息，研究了時頻分析技術中的STFT、WVD和HHT的理論，討論了STFT和WVD與傅里葉變換的區(qū)別，并研究了

4、STET和WVD各自的特點：STFT的分辨效果受窗函數的影響，WVD分析多分量信號時受交叉項的的干擾。研究了HHT中Hilbert變換引起的端點效應，并采用周期延拓和對稱延拓兩種方法抑制端點效應。本文對三種時頻分析技術進行了對比，并將其應用在旋轉機械振動信號的特征提取中，驗證了時頻分析技術可以得到信號的頻率隨時間變化的信息。
　　 最后，采用C++Builder和Matlab相結合的方法，開發(fā)了一個旋轉機械振動信號分析系統，可以