面向機械故障特征提取的混合時頻分析方法研究.pdf

1、在機械故障診斷的發(fā)展過程中,最重要、最關鍵、也是最困難的問題之一就是故障特征信號的特征提取。動態(tài)信號的復雜性和特征提取的多學科交叉融合特性使得信號特征提取方法一直是人們廣為關注的重要研究方向,其中信號的消噪預處理,時頻分布的交叉項抑制,瞬時頻率特征提取是研究的主要內容。本文綜合利用非平穩(wěn)、非高斯信號處理中最受關注的Wigner-Ville分布(WVD)、小波變換(WT)和Hilbert-Huang變換(HHT)等時頻處理方法的優(yōu)點,提出

2、了面向機械故障特征提取的混合時頻分析(Hybrid Time-Frequency Analysis, HTFA)方法,對機械振動信號的降噪、故障特征提取技術進行了深入的研究。主要研究工作如下:在信號去噪方面,提出了基于最優(yōu)Morlet小波和奇異值分解(SVD)的濾波消噪方法。機械振動信號的消噪對有效揭示機器故障信息具有重要意義。本文分析了傳統(tǒng)的小波去噪方法及小波變換的濾波特性,利用小波變換技術、奇異值分解技術和Morlet小波良好的時域

3、和頻域特性,提出了基于最優(yōu)Morlet小波和SVD的濾波消噪方法。該方法可以很好的降低噪聲信號,有效的提取信號中周期成分,具有良好的瞬態(tài)信息提取能力,為正確識別故障特征提供了有力的保證。在基于時頻分布的特征提取方面,提出一種基于自適應短時傅里葉變換(ASTFT譜)抑制WVD交叉項的特征提取方法。時頻分析方法已廣泛應用于故障特征提取,然而以Wigner-Ville分布為基礎的時頻分析方法最大的不足就是交叉項的干擾。分析了WVD交叉項產生的

4、原因及自項與交叉項的相互關系,研究了抑制交叉項的核函數法和分量組合法。提出一種基于自適應短時傅里葉變換抑制WVD交叉項的特征提取方法,并將該方法用于軸承故障的特征提取,很好地抑制了交叉項的產生,同時也保留了WVD分布的優(yōu)良特性,為故障診斷提供了一種有效的分析方法。在瞬時特征提取方面,提出一種基于小波包和改進HHT的瞬時特征提取方法。分析了小波包分析理論和HHT的原理,研究了經驗模態(tài)分解(EMD)的完備性和近似正交性,提出一種基于小波包和

5、改進HHT的瞬時特征提取方法。該方法可以很好的解決EMD帶來的模態(tài)混疊現(xiàn)象,還可以減少噪聲對信號的干擾,同時減少了EMD過程的計算量和分解層數,有利于故障特征的分析和提取。在完善HHT分析方法方面,提出了基于新的曲線擬合及邊界處理算法的改進HHT分析方法。HHT是一種新的具有自適應的時頻分析方法,但是HHT目前還只能算是一種經驗方法,其理論依據尚不完備,有待于進一步的完善。分析了三次樣條插值法進行包絡線或均值線擬合時容易引起過沖和欠沖的

6、根本原因,提出了基于B樣條曲線的分段插值算法及混合插值算法,解決了三次樣條插值算法容易引起的過沖和欠沖現(xiàn)象,同時也有效的解決了模態(tài)混疊現(xiàn)象。對于HHT的邊界效應,分析了幾種典型邊界處理算法的本質、特點、優(yōu)點和不足,提出了改進包絡延拓法及邊界極值加權法,有效地抑制了HHT的邊界效應。從而提高了HHT在信號特征提取的合理性和準確性。在應用系統(tǒng)開發(fā)方面,成功研發(fā)了面向機械故障特征提取的非平穩(wěn)信號分析系統(tǒng)。研究了共享參數模型的軟件體系結構,設計