變模式分解算法及其在故障診斷中的應(yīng)用研究.pdf

1、機械振動信號中包含了大量的與設(shè)備狀況密切相關(guān)的有用信息，對現(xiàn)代機械設(shè)備的實時監(jiān)控、診斷以及預(yù)警都有著十分重大的現(xiàn)實意義。實際工業(yè)現(xiàn)場采集的振動信號通常具有非線性非平穩(wěn)的特征，傳統(tǒng)的信號分析方法對此類信號進行處理一般難以取得理想效果，因此如何快速準確的從復(fù)雜信號中提取故障特征長期以來一直是機械故障診斷的一個熱點，同時也是一個難點。變模式分解是近來提出的以維納濾波、Hilbert變換和解析信號等理論為基礎(chǔ)的一種新方法，本文嘗試著將其應(yīng)用于機

2、械信號的處理，以此來判斷軸承的運行狀況，實現(xiàn)軸承的故障診斷。論文主要研究內(nèi)容如下：
　　(1)在對變模式分解算法原理進行了闡述和分析的基礎(chǔ)上，通過選用不同類型的仿真信號對變模式的分解能力進行了探究驗證并與EMD的分解結(jié)果進行了對比。由于變模式的分解數(shù)目需要人為確定，因此通過實驗分析討論了分解數(shù)目對分解的影響。
　　(2)由于最大相關(guān)峭度反卷積在抑制噪聲、提取周期性沖擊脈沖上有著明顯效果，為了有效提取振動信號的故障特征，本文將

3、最大相關(guān)峭度反卷積和變模式分解進行了有效結(jié)合。在通過VMD分解將信號分解為若干分量后，通過峭度值選取沖擊成分較多的分量進行重構(gòu)，摒棄不關(guān)注的成分，然后用最大相關(guān)峭度反卷積方法對重構(gòu)后信號進行處理，充分利用故障信號的周期性來提取故障特征。最后對軸承的實測數(shù)據(jù)進行實驗證明了該方法的有效性。
　　(3)本文提出了利用VMD來對信號進行降噪，該方法通過對VMD分解得到若干分量，考慮到自相關(guān)函數(shù)能夠凸顯振動信號以及相應(yīng)分量的周期性，增強真實

4、分量和虛假分量間的差異性，因此對各分量和原信號求取其自相關(guān)函數(shù)，之后求取各分量自相關(guān)函數(shù)和原信號自相關(guān)函數(shù)的相似系數(shù)，以相似系數(shù)作為判斷依據(jù)來對分量進行取舍，以此來選擇分量重構(gòu)進而達到降噪的目的。仿真實驗對比了本文方法和相應(yīng) EMD方法的降噪效果，同時對實測數(shù)據(jù)設(shè)計了直接形態(tài)濾波和利用本文方法降噪后形態(tài)濾波作為對比來驗證了VMD降噪的有效性。
　　(4)通過變模式分解構(gòu)建奇異特征向量并與支持向量機相結(jié)合來對滾動軸承的狀態(tài)進行識別。