基于稀疏表達的機械信號處理方法及其在滾動軸承故障診斷中的應用研究.pdf

1、隨著社會的發(fā)展與生產力水平的不斷提高，現(xiàn)代工業(yè)要求機械設備向著一體化、自動化、高速化的方向發(fā)展。然而設備功能的逐漸增強意味著其復雜程度也會不斷增加，這就導致即使僅在一小部分出現(xiàn)故障也很可能會造成難以估量的后果。為了保證機械設備的正常運行，減小其意外的發(fā)生對人們生產生活帶來的影響，故障診斷技術顯得極其重要。機械故障的準確識別與預測不僅能夠保障人們的生命財產安全，還能減少企業(yè)在維修中的花費，為企業(yè)帶來更高的經濟效益。除此之外，故障診斷技術的

2、發(fā)展使得有毒、有害、易燃、易爆等危險產品的生產更具保障，對維護地區(qū)甚至國家的政治經濟穩(wěn)定也具有重要意義。在所有的機械故障中，由滾動軸承所引起的故障占機械故障總數(shù)的45～55％。軸承的磨損、剝落、點蝕，裂紋等故障的發(fā)生將會引發(fā)系統(tǒng)崩潰，從而降低了系統(tǒng)的可靠性甚至造成災難性后果。因此，實施有效的診斷策略減小軸承故障所帶來的損失成為了重中之重。
　　本文以稀疏表達理論為基礎，以滾動軸承為對象，研究設計了基于稀疏表達理論的軸承信號處理及故

3、障識別的新方法。在研究過程中，本文將稀疏表達方法的最新進展與軸承故障診斷技術相結合，改進傳統(tǒng)的診斷策略，提升診斷精度。為了實現(xiàn)這個目標，文章將主要從兩方面入手。一方面對稀疏表達理論進行深入探討，把握領域內的最新進展，了解最前沿的稀疏優(yōu)化方法。另一方面對滾動軸承信號的故障產生機理進行研究，從而有針對性地設計適合進行故障特征提取的稀疏方法。針對每一種新方法，本文都將通過仿真、實驗手段與傳統(tǒng)方法進行對比，驗證其有效性和優(yōu)越性。本文的主要研究內

4、容包括:
　　1.對稀疏表達的理論基礎，稀疏優(yōu)化算法以及字典學習算法進行探討。在介紹過程中，分析各類算法的適用條件及優(yōu)勢所在，以便于設計適用于機械信號處理及軸承特征提取的稀疏優(yōu)化方法。
　　2.以過完備小波變換為固定基，研究基于小波基的稀疏表達在滾動軸承故障診斷中的應用。本文從時域冗余與頻域冗余兩方面，選擇了兩種過完備小波基，利用ADMM方法對故障信號進行稀疏編碼并重構。隨后，通過仿真和實驗證明，相對于傳統(tǒng)的小波閡值降噪，經

5、過稀疏優(yōu)化并重構后的信號，其噪聲得到了更好的抑制，故障特征更為突顯，為故障的準確診斷創(chuàng)造了有利的條件。這一點很好的驗證了稀疏表達的有效性。
　　3.利用KSVD方法訓練字典，研究基于學習字典的稀疏表達在軸承健康狀態(tài)識別中的處理效果。相比于固定基，學習字典可以更準確地探測數(shù)據(jù)內部的結構特征，對數(shù)據(jù)進行更稀疏的編碼，從而更有利于故障特征提取。本文基于KSVD方法，設計了完整的基于訓練字典的故障診斷流程，對該方法在實際應用中的參數(shù)選取進

6、行了理論與實驗的雙重分析。通過仿真與診斷實驗，本文驗證了KSVD字典能夠準確探測軸承故障信號的沖擊特征，獲得比固定基稀疏表達更好的診斷效果。
　　4.根據(jù)軸承故障信號的組特征，研究基于組稀疏的故障識別策略。實際情況下，滾動軸承的故障沖擊均不是獨立出現(xiàn)的，而是會在一定范圍內形成一簇震蕩。針對這種情況，本文提出了沖擊探測稀疏編碼算法。該算法通過在稀疏優(yōu)化過程中考慮這樣的組信息來實現(xiàn)更精確的編碼，從而探測到隱藏于噪聲中的故障信息。文章通

7、過仿真與實驗證明，沖擊探測稀疏編碼算法同時具有高精度與高效率。即使難以找到準確的稀疏參數(shù)，該算法的高效性允許其在一定范圍內選擇不同參數(shù)對信號進行多次處理，很容易得到良好的診斷結果。
　　5.利用軸承故障信號的周期特性，研究基于低秩優(yōu)化的診斷方法。滾動軸承故障信號的周期特征意味著每隔一段，信號就會出現(xiàn)一定程度的重復，如果以這些相似的信號段組成矩陣，那么這個矩陣在理想情況下會具有低秩特性。受這個思想的啟發(fā)，本文提出了低秩沖擊探測算法。