旋轉機械傳動件微弱故障融合診斷方法研究.pdf

1、隨著現(xiàn)代化工業(yè)技術的不斷發(fā)展，旋轉機械裝備在先進制造、航空航天、船舶海洋、軌道交通、風力發(fā)電以及核力發(fā)電等重要工程領域得到廣泛的應用。軸承、齒輪等零部件作為旋轉機械動力傳遞與運動變換過程中不可或缺的基礎傳動件，一旦發(fā)生故障，整個系統(tǒng)就會癱瘓，甚至導致災難性事故的發(fā)生。由于旋轉機械傳動件的運行環(huán)境惡劣、工況條件多變以及自身結構龐雜，其運行狀態(tài)信號往往呈現(xiàn)出微弱性、非線性、復雜性、多樣性、耦合性等特點，并且淹沒在強大的背景噪聲和干擾信號中，

2、導致其故障特征極其微弱，難以提取。因此，開展旋轉機械傳動件微弱故障診斷對于避免重大災難性事故發(fā)生、杜絕人員傷亡、提高企業(yè)經濟效益具有十分重要的意義。
　　本文針對旋轉機械迫切需要解決的復雜環(huán)境下微弱故障診斷的可靠性、準確性等關鍵科技難題，從基于振動信號和基于電流和轉矩信號兩方面開展了關于旋轉機械傳動件微弱故障診斷的研究。在傳統(tǒng)的基于振動信號的微弱故障診斷方面，主要從信號增強、特征提取、故障識別三個方面展開研究，提出了強噪聲背景下非

3、線性微弱故障的級聯(lián)增強方法，深入研究了基于時頻圖像紋理特征的微弱故障特征提取方法，提出了復雜非線性耦合條件下故障特征信息深度挖掘技術；在基于非振動信號的微弱故障診斷方面，采用電機驅動系統(tǒng)的電流和轉矩信號表征旋轉機械的運行狀態(tài)，通過融合多源信號多決策模型實現(xiàn)了特殊與極端環(huán)境下旋轉機械傳動件微弱故障的準確診斷，具體研究內容如下：
　　（1）針對強背景噪聲環(huán)境下旋轉機械故障信號微弱、故障特征難以提取的問題，提出了一種基于最小熵解卷積和能

4、量算子的故障信號瞬態(tài)沖擊特征級聯(lián)增強方法。首先根據旋轉機械故障信號表現(xiàn)為沖擊波形的特點，利用最小熵解卷積對信號進行自適應降噪，以最大峭度值為目標函數，在實現(xiàn)降噪的同時增強信號中的瞬態(tài)沖擊成分，實現(xiàn)故障特征的一級增強；再結合能量算子算法適合檢測信號瞬時變化，能有效提取故障信號中沖擊特征和調制成分的特點，獲取能量信號實現(xiàn)故障特征的二級增強，通過計算其頻譜可以有效檢測出被噪聲淹沒的故障特征成分。最后，利用滾動軸承復合故障數據驗證了所提方法的有

5、效性。
　?。?）針對強背景噪聲環(huán)境下旋轉機械微弱故障信號非平穩(wěn)、非線性特征提取困難的問題，提出了通過構建信號時頻圖像紋理特征表征旋轉機械運行狀態(tài)的方法。采用具有良好時頻聚集性，強自適應性和抗噪性的自適應最優(yōu)核時頻分析方法處理低信噪比的故障信號，可以自動調整核函數追蹤信號的微小變化，降低背景噪聲的干擾，有效的抑制交叉干擾項并保持較高的時頻分辨率，通過仿真實驗對比了自適應最優(yōu)核、S變換以及魏格納維爾分布在不同信噪比條件下的抗噪性能表

6、現(xiàn)。獲得表征信號能量分布的時頻分布圖像后，利用統(tǒng)一局部二值模式可以有效約簡由隨機噪聲產生的非統(tǒng)一局部二值模式特征的優(yōu)勢，提取統(tǒng)一局部二值模式的直方圖表征旋轉機械故障信息。通過滾動軸承多故障狀態(tài)的對比實驗研究了所提出的方法在不同運行工況不同信噪比條件下的分類準確性、分類穩(wěn)定性以及計算復雜性等方面的性能表現(xiàn)。
　?。?）針對旋轉機械海量運行狀態(tài)數據具有復雜性、多樣性、耦合性等特點，傳統(tǒng)淺層神經網絡難以準確分類的問題，提出了基于優(yōu)化深度

7、置信網絡的旋轉機械故障診斷方法。提取時域統(tǒng)計特征、包絡譜特征、瞬時頻率譜特征和高級統(tǒng)計特征組成原始高維多域特征向量表征旋轉機械運行狀態(tài)。利用最大相關和最小冗余方法剔除錯誤和冗余特征，通過線性判別分析實現(xiàn)特征的空間聚類，結合特征選擇和特征變換的優(yōu)點，獲得了更緊湊和敏感的低維特征子集。利用深度置信網絡的深層非線性網絡結構，實現(xiàn)故障特征與故障類別之間的復雜映射關系的建模，與傳統(tǒng)分類模型相比，深度置信網絡可以對數據實現(xiàn)更復雜的函數逼近，具有更強

8、的挖掘數據本質特征的能力，并通過離散粒子群算法進行隱含層數的優(yōu)化選擇，提高了旋轉機械故障診斷的識別率以及穩(wěn)定性。
　　（4）針對特殊環(huán)境與極端工況條件下，無法安裝額外傳感器以及單一源信息無法全面表征設備運行狀態(tài)的問題，提出了基于電機驅動系統(tǒng)的多源信號多決策模型融合的故障診斷方法。本文采用電機驅動系統(tǒng)的驅動器作為傳感器來獲取驅動電機運行過程中的電流信號和轉矩信號來描述傳動件的整體運行狀態(tài)。研究了傳動部件故障對驅動電機電流和轉矩的影響