振動(dòng)故障分形特征提取及診斷方法研究.pdf

1、在機(jī)械設(shè)備故障診斷研究中，故障特征提取和識(shí)別關(guān)系到故障診斷的可靠性和準(zhǔn)確性，是機(jī)械設(shè)備故障診斷研究中的關(guān)鍵問(wèn)題。利用振動(dòng)信號(hào)對(duì)其工作狀態(tài)進(jìn)行監(jiān)測(cè)和診斷是目前狀態(tài)監(jiān)測(cè)和故障診斷研究中最常用的方法。本文通過(guò)研究振動(dòng)信號(hào)非線性特征，利用奇異值分解、分形自仿射和分形維數(shù)等進(jìn)行故障特征提取，并應(yīng)用支持向量機(jī)進(jìn)行故障模式識(shí)別。論文的主要研究工作包括：
　?、俨捎枚喾N分析判定方法分析振動(dòng)信號(hào)的非線性本質(zhì)特性。第一：采用遞歸圖、CLY方法、功率譜

2、法和基于最小二乘支持向量機(jī)(LS-SVM)計(jì)算序列Lyapunov指數(shù)譜的方法對(duì)不同狀態(tài)振動(dòng)信號(hào)進(jìn)行非線性混沌分析，結(jié)果表明不同狀態(tài)振動(dòng)信號(hào)均表現(xiàn)出混沌特征而且都是超混沌特征，且振動(dòng)故障越大超混沌越強(qiáng)。第二：改進(jìn)了Hurst指數(shù)和多重分形譜計(jì)算方法，分析了不同狀態(tài)振動(dòng)信號(hào)的非線性分形結(jié)構(gòu)特征，結(jié)果表明振動(dòng)信號(hào)在不同狀態(tài)下的分形特征值存在差異，具有不同的分形結(jié)構(gòu)。
　　②對(duì)振動(dòng)信號(hào)非線性和分形壓縮的理論基礎(chǔ)進(jìn)行分析研究的基礎(chǔ)上，提出

3、了適用于振動(dòng)信號(hào)的自適應(yīng)分段自仿射壓縮降噪故障特征提取方法，給出了算法步驟，該方法根據(jù)振動(dòng)信號(hào)自相似程度通過(guò)設(shè)置閾值來(lái)自適應(yīng)的確定分段的長(zhǎng)度，對(duì)閾值的取值進(jìn)行了研究，并和分段自仿射壓縮算法進(jìn)行了比較。仿真算例及實(shí)測(cè)軸承振動(dòng)信號(hào)分析結(jié)果表明，該算法具有較高的數(shù)據(jù)壓縮比和很好的信號(hào)重構(gòu)精度，有效的提取和保留了振動(dòng)信號(hào)的故障特征，驗(yàn)證了該方法的有效性。
　　③針對(duì)通常故障狀態(tài)樣本缺乏的一類分類問(wèn)題，提出了混沌分形特征的支持向量數(shù)據(jù)域描述

4、法(SVDD)振動(dòng)故障異常辨識(shí)方法。對(duì)混沌分形特征進(jìn)行了研究并采用基于 SVDD的綜合了分類兩種分類錯(cuò)誤的接收者操作特征(ROC)選擇振動(dòng)信號(hào)的最優(yōu)特征量組合，研究了混沌分形特征量組合的特征選取問(wèn)題和 SVDD異常辨識(shí)核函數(shù)參數(shù)取值對(duì)故障分類的影響。實(shí)驗(yàn)分析表明，選取的特征量組合對(duì)正常和故障樣本有較大的區(qū)分度，SVDD分類器僅需要正常狀態(tài)的數(shù)據(jù)樣本，就能很好的分辨出正常和故障狀態(tài)，并且對(duì)未知故障有良好的辨識(shí)能力。
　?、茚槍?duì)實(shí)測(cè)振

5、動(dòng)信號(hào)中混雜的干擾信息趨勢(shì)，影響故障診斷的準(zhǔn)確性問(wèn)題，提出了一種多重分形去趨勢(shì)波動(dòng)分析(MF-DFA)振動(dòng)故障診斷方法，利用均方誤差對(duì)若干小區(qū)間的多行式擬合消除其趨勢(shì)，對(duì)方法估計(jì)的多重分形譜4個(gè)參數(shù)特征進(jìn)行了分析和對(duì)比研究，最后選擇最佳多重分形譜參數(shù)0a作為振動(dòng)信號(hào)故障的量化特征，并將該0a特征量與支持向量機(jī)（SVM）算法相結(jié)合進(jìn)行故障診斷。實(shí)驗(yàn)研究表明：去除趨勢(shì)后，很好的保留了振動(dòng)信號(hào)中的尖峰和突變部分，振動(dòng)信號(hào)的波動(dòng)呈現(xiàn)顯著多重分形

6、特征，選取的故障特征量與SVM相結(jié)合的方法，能有效地區(qū)分正常狀態(tài)與故障狀態(tài)，有很強(qiáng)的振動(dòng)故障診斷性能；
　?、葆槍?duì)振動(dòng)信號(hào)弱沖擊故障頻率特征提取困難問(wèn)題，提出一種奇異值分解及形態(tài)濾波的振動(dòng)故障特征提取方法。該方法利用信號(hào)時(shí)間序列重構(gòu)的吸引子軌跡矩陣奇異值分布特征與信號(hào)自身特征的關(guān)系，選擇軌跡矩陣中主要反映沖擊信息明顯的奇異值進(jìn)行信號(hào)重構(gòu)的方法來(lái)濾除信號(hào)中的平滑信號(hào)和部分噪聲，獲取帶噪聲的沖擊信號(hào)，然后利用形態(tài)濾波能有效濾除脈沖干擾