局部特征尺度分解方法及其在機械故障診斷中的應(yīng)用研究.pdf

1、機械設(shè)備狀態(tài)監(jiān)測和故障診斷對于保證機械設(shè)備的健康運行、早期故障的預(yù)警以及故障發(fā)生的正確定位與診斷都有重要的理論和實際意義。機械設(shè)備振動信號大都是非線性和非平穩(wěn)信號，因此，機械設(shè)備故障診斷的關(guān)鍵是如何從非線性和非平穩(wěn)信號中提取故障特征并進行模式識別。時頻分析方法由于能夠同時提供振動信號時域和頻域的局部信息而在機械故障診斷中得到了廣泛應(yīng)用。
　　近年來，小波變換、經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,

2、EMD)、局部均值分解(Local Mean Decomposition,LMD)等時頻分析方法由于特別適合處理機械振動信號而被國內(nèi)外相關(guān)學(xué)者應(yīng)用到機械故障診斷領(lǐng)域，并取得了許多非?？上驳难芯砍晒@些時頻分析方法都有各自不同的局限性。局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)是一種新的非平穩(wěn)信號自適應(yīng)分析方法，該方法在定義瞬時頻率具有物理意義的單分量信號——內(nèi)稟尺度分

3、量(Intrinsic Scale Component,ISC)基礎(chǔ)上，自適應(yīng)地將一個復(fù)雜信號分解為若干個ISC分量之和，從而得到原始信號完整的時頻分布。與EMD、LMD等方法相比，LCD在端點效應(yīng)的抑制、計算速度和分解效果等方面具有一定的優(yōu)越性。論文在國家自然科學(xué)基金項目（編號：51075131）的資助下，對局部特征尺度分解方法進行了深入的研究，對其理論進行了完善，在此基礎(chǔ)上，將局部特征尺度分解方法及其理論應(yīng)用于旋轉(zhuǎn)機械故障診斷。

4、r>　　論文主要研究工作和創(chuàng)新性成果有：
　　1.對LCD方法的理論進行了研究，解決了均值曲線定義存在的不足、模態(tài)混疊的抑制等問題。
　　(1)將LCD方法與EMD進行了對比分析，仿真和機械故障振動信號的分析結(jié)果表明了LCD方法的優(yōu)越性；
　　(2)針對LCD中均值曲線中直線連接極值會與數(shù)據(jù)交叉的問題，提出了基于分段多項式的改進LCD方法，并將其應(yīng)用于仿真和轉(zhuǎn)子碰摩故障振動信號分析，結(jié)果表明了ILCD方法的有效性；

5、r>　　(3)針對基于篩分的自適應(yīng)信號分解方法中由于均值曲線不同而導(dǎo)致分解結(jié)果差異的問題，提出了一種新的非平穩(wěn)信號的自適應(yīng)分解方法——廣義局部特征尺度分解（Generalized LCD, GLCD），GLCD通過從不同均值曲線篩分的結(jié)果中選擇最優(yōu)分量，再對剩余信號重復(fù)篩分過程，從而保證了最終的分解結(jié)果也是最優(yōu)的。分別采用仿真和機械故障振動信號將其與EMD、LCD方法進行了對比，結(jié)果表明GLCD方法在正交性、分解能力等方面有一定的優(yōu)越性

6、，從而能夠得到更好的分解結(jié)果。
　　(4)針對LCD分解過程中可能出現(xiàn)的模態(tài)混疊問題，分別提出了部分集成和完備總體平均局部特征尺度分解等方法，對仿真和機械故障振動信號的分析結(jié)果表明，所提出的方法能夠有效地抑制LCD的模態(tài)混疊現(xiàn)象。
　　2.對ISC分量的瞬時頻率估計方法進行了研究，提出了兩種新的瞬時頻率估計方法和多分量信號解調(diào)方法。
　　(1)針對希爾伯特變換、能量算子解調(diào)和標準希爾伯特變換等常用的瞬時估計方法存在的不

7、足，提出了一種新的瞬時頻率估計方法——經(jīng)驗包絡(luò)法，仿真信號分析結(jié)果表明了其優(yōu)越性。同時，針對機械故障振動信號的調(diào)制特性，提出了基于LCD的經(jīng)驗包絡(luò)解調(diào)方法，并將其應(yīng)用于滾動軸承的故障診斷，結(jié)果表明了所提出方法的有效性；
　　(2)針對標準希爾伯特變換和直接正交法存在的問題，提出了歸一化正交法。并針對多分量信號的解調(diào)問題，提出了基于GLCD和歸一化正交的時頻分析方法，仿真和實驗信號的分析結(jié)果表明了所提出方法的優(yōu)越性；
　　3.

8、對LCD方法在機械故障診斷中的應(yīng)用進行了研究，與其它數(shù)學(xué)方法相結(jié)合，提出了多種基于LCD的機械故障診斷方法，實驗數(shù)據(jù)分析結(jié)果表明了LCD方法可以有效地應(yīng)用于機械故障診斷。
　　(1)在對多尺度模糊熵進行改進的基礎(chǔ)上，提出了基于LCD和模糊熵的振動信號自適應(yīng)多尺度復(fù)雜性分析方法；在多尺度排列熵的基礎(chǔ)上，提出了基于LCD和排列熵的振動信號自適應(yīng)多尺度隨機性檢測方法，并將它們應(yīng)用于機械故障振動信號特征的提?。?br>　　(2)將基于變量