关键词：
故障诊断
特征提取
瞬态成分
稀疏表示
故障动力学
数学形态学
摘要：
机械故障诊断技术是监测连续运行机械设备的状态,并对故障做出诊断和预示,以保障机械设备安全运行的重要手段。故障特征提取是实现故障监测与诊断的关键,基于振动信号分析的故障特征提取技术—直是故障诊断领域的研究前沿与热点。近年来,随着设备维修管理向状态监测下的视情维修、预知维修的发展,机械设备早期故障检测、性能退化程度预测和状态评估等也成为故障诊断领域亟待解决的问题。因此,面向故障诊断与预测,开展特征提取技术的研究工作具有重要的现实意义。机械设备的关键运动部件,尤其是齿轮、轴承等旋转部件发生故障时,其振动信号中往往包含瞬态冲击响应成分,在很大程度上影响了系统的动力行为,且不同设备、不同类型和程度的故障其振动信号的形态特征也有所不同。鉴于此,本文在相关研究的基础上,从故障系统动力行为和故障信号形态的分析角度,开展故障特征提取的研究工作。本文主要工作归纳如下:(1)齿轮传动系统侧隙故障、追逐齿问题动力行为特征提取的研究。确立了侧隙故障动态齿侧间隙的计算方法,以传递误差和啮合刚度的改变模拟追逐齿问题,进而建立了故障系统动力学模型。通过数值仿真分析与实验验证,获得了系统振荡与调制频率、动态传递误差频率和冲击状态等能够表征侧隙故障的行为特征,讨论了追逐齿问题的故障原因并分析了其动力行为。同时也得出,通过高分辨率编码器采集主从、动齿轮的角位移进而计算传递误差的方法,可以有效识别某些故障特征频率。(2)检测和提取故障信号中包含大量故障信息的瞬态成分是故障行为特征提取与状态识别的基础,对于早期微弱故障的检测更是尤为重要。针对该问题,借鉴声音信号分析领域中基于人类听觉注意机制检测噪声环境下显著性语音的思想,引入相应分析方法,并结合故障振动信号分析的特点进行了适应性改进,建立了基于听觉显著性计算的故障瞬态成分检测新方法。利用含瞬态成分的故障信号验证了该方法的有效性。(3)研究了基于信号稀疏表示理论的机械故障冲击特征提取方法。为了构造与故障信号冲击成分更加匹配的过完备字典,以获得故障系统实际脉冲响应为目标,提出了两种基于模态辨识思想的字典构建方法:1)以集成经验模态分解结合相关滤波方法辨识的Laplace小波作为基函数构建字典;2)以基于试验模态分析方法实测的故障部位脉冲响应为原子构建字典。通过对稀疏表示系数进行阈值降噪,克服了稀疏分解算法的过匹配现象。在此基础上,建立了基于模态辨识字典稀疏表示的冲击特征提取方法。应用实例表明,该方法可以获得故障冲击成分更为精确、稀疏的重构,进而实现故障特征的有效提取。(4)研究了根据故障信号的形态特征对不同故障进行区分的方法。以多尺度形态理论为基础,采用形态腐蚀运算代替开运算,对数学形态谱算法进行了改进,提出了数学形态腐蚀谱算法和以其为基础的故障特征提取方法。分析结果表明,该方法能够对故障振动信号不同分析尺度下的形态成分含量进行描述。与基于数学形态谱的特征提取方法相比,具有更好的故障状态量化区分能力,且稳定性强、计算效率高。(5)研究了面向机械设备故障预测的特征提取方法。伴随故障的产生及程度加深而形成的性能退化,将影响故障信号形态成分的分布及变化情况。提出了信号形态复杂度度量的新方法——数学形态腐蚀谱熵,并探讨将其作为特征参数应用到预测特征提取中。通过分析,揭示了设备性能退化过程中数学形态谱及谱熵、数学形态腐蚀谱及谱熵的特点和变化规律,验证了基于数学形态腐蚀谱熵的预测特征提取的有效性。且设备性能退化程度越深,信号形态越复杂,数学形态腐蚀谱熵的值也越大。最后,在总结全文的基础上,本文还对故障特征提取技术的发展趋势进行了展望,讨论了本课题相关研究方向未来的重点和热点问题。
欢迎来到三峡大学图书馆！
