新穎的自適應時頻分布方法及在故障診斷中應用研究.pdf

1、本論文是在國家自然科學基金(51265039，51261024，51075372，50775208)，江西省教育廳科技計劃項目(No.GJJ12405)、湖南省機械設備健康維護重點實驗室開放基金(201204)、廣東省數(shù)字信號與圖像處理技術(shù)重點實驗室開放課題(2014GDDSIPL-01)和江西省研究生創(chuàng)新基金項目(No.YC2013-S214)資助下，針對時頻分析缺乏自適應的缺點，本項目提出了一些新的自適應時頻分析方法，并將這些方法應

2、用于機械故障診斷中，仿真和實驗結(jié)果都表明了這些方法的有效性，并取得了很好的創(chuàng)新性成果。本文主要內(nèi)容包括以下幾個方面：
　　1、鑒于自適應廣義S變換繼承了短時Fourier變換、小波變換和標準S變換的所有優(yōu)點，同時也彌補了它們存在的不足，具有良好的自適應的獨特特性，在此，將該方法引入到機械故障診斷中，提出了一種基于自適應廣義S變換的機械故障診斷方法，并與傳統(tǒng)的短時Fourier變換、Wigner-Ville分布、小波變換、標準S變換

3、等時頻分析方法進行了對比分析，仿真研究表明，自適應廣義S變換具有明顯的優(yōu)勢，能靈活地通過調(diào)節(jié)參數(shù)來自適應地調(diào)節(jié)窗函數(shù)的寬度，以便達到最佳的時頻分辨率。最后，將該方法分別應用到轉(zhuǎn)子碰摩故障診斷和滾動軸承故障診斷中，碰摩故障實驗結(jié)果表明，提出的方法能有效地揭示出碰摩故障數(shù)據(jù)的頻率結(jié)構(gòu)，區(qū)分碰摩故障的嚴重程度，滾動軸承故障實驗結(jié)果表明，提出的方法能有效地揭示出不同軸承故障的特征頻率。
　　2、針對固定核的缺陷，并根據(jù)自適應優(yōu)化核的設計準

4、則，提出了兩種新的自適應核時頻分布，分別為自適應徑向墨西哥草帽核時頻分布方法和自適應徑向Sinc核函數(shù)時頻分布方法。這兩種方法都能夠隨信號模糊函數(shù)的不同而自適應地調(diào)節(jié)核的方向，使之與模糊函數(shù)的自項相匹配并且最大限度地擴展自項方向的核函數(shù)，而在其他方向上做最大地抑制，從而自項得到了最大的保留，交叉項得到了很好的抑制，時頻分辨率高，且對噪聲抑制也能起到很好的效果。在此，給出了自適應徑向墨西哥草帽型核函數(shù)時頻分布和自適應徑向Sinc核函數(shù)時頻

5、分布的定義和算法。并對這兩種提出的方法分別和傳統(tǒng)的時頻分析方法在時頻分辨率方面行了對比分析，仿真結(jié)果表明這兩種方法都是十分有效的。最后，將自適應徑向墨西哥草帽核時頻分布方法應用到轉(zhuǎn)子裂紋故障診斷中，將自適應徑向Sinc核函數(shù)時頻分布方法應用到滾動軸承故障診斷中，轉(zhuǎn)子裂紋故障實驗結(jié)果表明，提出的方法能有效地反映裂紋故障的嚴重程度，滾動軸承故障實驗結(jié)果表明，提出的方法能有效地揭示出不同軸承故障的特征頻率。
　　3、經(jīng)驗小波變換(EWT

6、)是一種新的自適應信號分解方法，該方法繼承了EMD和小波分析方法的各自優(yōu)點，通過提取頻域極大值點自適應地分割傅里葉頻譜以分離不同的模態(tài)，然后在頻域自適應地構(gòu)造帶通濾波器組從而構(gòu)造正交小波函數(shù)，以提取具有緊支撐傅立葉頻譜的調(diào)幅-調(diào)頻(AM-FM)成份。在此，將該方法引用到機械故障診斷中，提出了一種基于經(jīng)驗小波變換的機械故障診斷方法，并與EMD方法進行了對比分析。仿真結(jié)果表明，經(jīng)驗小波變換方法明顯優(yōu)于EMD方法，能有效地分解出信號的固有模態(tài)

7、。與EMD相比較，該方法具有分解的模態(tài)少，不存在虛假的模態(tài)，計算量小，且在理論上具有易理解性等特點。最后將該方法分別應用到轉(zhuǎn)子碰摩故障診斷和滾動軸承故障診斷中，碰摩故障實驗結(jié)果表明，提出的方法能有效地揭示出碰摩故障數(shù)據(jù)的頻率結(jié)構(gòu)，區(qū)分碰摩故障的嚴重程度，滾動軸承故障實驗結(jié)果表明，提出的方法能有效地揭示出軸承故障的特征頻率。
　　4、變分模態(tài)分解(VMD)是一種新的自適應信號分解方法，該方法的核心思想是假設每個模態(tài)的絕大部分都是緊緊

8、圍繞在某一中心頻率周圍的，然后將模態(tài)帶寬的求解問題轉(zhuǎn)化為約束優(yōu)化問題，最后求解出每個模態(tài)。在此，將VMD引入到機械故障診斷中，提出了一種基于VMD的機械故障診斷方法，并與EEMD方法進行了對比分析，仿真結(jié)果表明，變分模態(tài)分解明顯優(yōu)于EEMD方法，能有效地分解出信號的固有模態(tài)。與EEMD相比較，該方法模態(tài)混疊現(xiàn)象弱，計算效率高，理論充分等。最后將該方法分別應用到轉(zhuǎn)子碰摩故障診斷和滾動軸承故障診斷中，碰摩故障實驗結(jié)果表明，提出的方法能夠有效