基于時(shí)變自回歸的非平穩(wěn)信號(hào)建模及故障診斷應(yīng)用研究.pdf

1、機(jī)械故障診斷在現(xiàn)代生產(chǎn)中有著重要意義，從振動(dòng)信號(hào)中提取反映機(jī)械設(shè)備振動(dòng)狀態(tài)的信息和參數(shù)是故障診斷的主要方法之一。然而故障的發(fā)生和發(fā)展、設(shè)備工況的變化以及設(shè)備自身的非線(xiàn)性，使機(jī)械設(shè)備的動(dòng)態(tài)信號(hào)表現(xiàn)出非平穩(wěn)性。傳統(tǒng)的信號(hào)處理手段是將信號(hào)假定為平穩(wěn)信號(hào)或局部平穩(wěn)信號(hào)，這種方法勢(shì)必影響到分析結(jié)果的準(zhǔn)確性。對(duì)非平穩(wěn)信號(hào)進(jìn)行準(zhǔn)確地建模，提取有用信息，抑制其他成分的干擾，將有助于提高信號(hào)的信噪比和故障診斷的質(zhì)量。 本課題在文獻(xiàn)調(diào)研和資料研究的

2、基礎(chǔ)上，對(duì)現(xiàn)有振動(dòng)信號(hào)分析和機(jī)械故障診斷技術(shù)的研究現(xiàn)狀進(jìn)行了綜合分析，提出了時(shí)變自回歸建模方法，該方法有著傳統(tǒng)非參數(shù)化時(shí)頻方法無(wú)法比擬的優(yōu)勢(shì)。并利用時(shí)變自回歸方法得到的時(shí)頻譜進(jìn)行時(shí)頻特征提取，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障的自動(dòng)診斷，大大提高了故障診斷的簡(jiǎn)易性與準(zhǔn)確性。 針對(duì)復(fù)雜設(shè)備系統(tǒng)振動(dòng)的非平穩(wěn)性，本文提出了一種新的參數(shù)化非平穩(wěn)信號(hào)處理方法，即時(shí)變自回歸(TVAR)建模方法。該方法有效地克服了傳統(tǒng)的時(shí)頻分析方法分辨率低，存在交叉項(xiàng)

3、干擾等缺點(diǎn)，明顯提高故障診斷的準(zhǔn)確性與可靠性。不同的信號(hào)類(lèi)型對(duì)應(yīng)的基函數(shù)的類(lèi)型也不盡相同，如何根據(jù)信號(hào)本身的特性選擇合適的基函數(shù)目前尚沒(méi)有行之有效的方法與準(zhǔn)則，基于此本文研究了不同基函數(shù)對(duì)分析結(jié)果的影響，并最終確定了不同基函數(shù)的適用范圍。另外，模型的階數(shù)直接影響到眥頻率估計(jì)精度，本文還介紹了目前比較流行的模型定階準(zhǔn)則。 特征提取是當(dāng)前機(jī)械故障診斷中的瓶頸問(wèn)題，它直接關(guān)系到故障診斷的準(zhǔn)確性和早期預(yù)報(bào)的可靠性。因此，借助信號(hào)處理等手

4、段從采集的原始數(shù)據(jù)中提取特征信息，保證有效、準(zhǔn)確地進(jìn)行故障診斷，是旋轉(zhuǎn)機(jī)械故障診斷中必不可少的一個(gè)重要環(huán)節(jié)。本文介紹了基于時(shí)頻分析的故障特征提取方法與基于時(shí)頻譜的故障特征提取方法，并最終確定了基于能量分布的時(shí)頻譜特征提取方法。 實(shí)驗(yàn)證明，時(shí)變自回歸算法能夠準(zhǔn)確地對(duì)非平穩(wěn)信號(hào)進(jìn)行參數(shù)化建模，得到分辨率較高的時(shí)頻譜。另外，利用基于能量分布的時(shí)頻譜特征提取技術(shù)能夠有效地提取故障特征，為下一步基于神經(jīng)網(wǎng)絡(luò)的故障自動(dòng)診斷的準(zhǔn)確性提供了有利