基于Hilbert-Huang變換的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf

1、旋轉(zhuǎn)機(jī)械是工業(yè)部門中應(yīng)用最為廣泛的一類機(jī)械設(shè)備,因而其故障診斷具有重要的現(xiàn)實意義。旋轉(zhuǎn)機(jī)械故障診斷的關(guān)鍵是從旋轉(zhuǎn)機(jī)械故障振動信號中提取故障特征,信號分析和處理是特征提取最常用的方法。由于大多數(shù)旋轉(zhuǎn)機(jī)械故障振動信號是非平穩(wěn)信號,因此有必要選擇恰當(dāng)?shù)倪m合于非平穩(wěn)信號分析的信號處理方法。
　　由于時頻分析方法能同時提供振動信號的時域和頻域信息,因而在旋轉(zhuǎn)機(jī)械故障診斷中應(yīng)用最為廣泛。但是常用的時頻分析方法如窗口傅里葉變換(Windowed

2、 Fourier Transform)、WVD(Wigner-Ville Distribution)、小波變換等都有各自的局限性。因此,迫切需要新的理論和信號處理方法來提高現(xiàn)有的旋轉(zhuǎn)機(jī)械故障診斷技術(shù)水平。近來,一種適合于處理非平穩(wěn)信號的時頻分析方法Hilbert-Huang變換(Hilbert-Huang Transform,簡稱HHT)被提出來以后,經(jīng)驗證在很多方面的應(yīng)用效果都優(yōu)于其它的信號處理方法。本文在國家自然科學(xué)基金項目的資助下

3、,較早地將HHT引入旋轉(zhuǎn)機(jī)械故障診斷當(dāng)中,目的在于研究用HHT提取滾動軸承、齒輪和轉(zhuǎn)子系統(tǒng)各類故障振動信號特征的問題。
　　本論文主要完成了兩個方面的研究工作:對Hilbert-Huang變換理論的深入研究和基于Hilbert-Huang變換的旋轉(zhuǎn)機(jī)械故障診斷方法研究,主要創(chuàng)新點如下:
　　1.對Hilbert-Huang變換的理論進(jìn)行了研究,主要解決了IMF的判據(jù)問題和端點效應(yīng)問題。
　　(1)首次提出了基于EMD的

4、信號瞬時特征的小波分析方法,由該方法可以得到非平穩(wěn)信號完整的時頻分布,從而解決了采用小波求寬帶非平穩(wěn)信號的瞬時物理量遇到的困難,也避免了采用Hilbert-Huang變換求非平穩(wěn)信號的瞬時物理量時必須解決的端點效應(yīng)。
　　(2)根據(jù)EMD方法具有完備性和正交性的特點,首次提出了能量差跟蹤法來確定“篩分”次數(shù),由此得到的IMF分量不僅能滿足正交性的要求,而且能反映信號內(nèi)含的信息。
　　(3)提出了基于支持向量回歸機(jī)和基于時變A

5、R模型的兩種數(shù)據(jù)序列延拓方法,這兩種方法都可以有效地克服端點效應(yīng)問題,從而得到準(zhǔn)確的IMF分量及其瞬時頻率和瞬時幅值。
　　2.將Hilbert-Huang變換應(yīng)用于旋轉(zhuǎn)機(jī)械故障特征提取,并提出了具體的故障診斷方法。
　　(1)提出了基于Hilbert-Huang變換的時頻熵方法。研究發(fā)現(xiàn),正常工作狀態(tài)下的齒輪振動信號的時頻熵較大,而當(dāng)齒輪發(fā)生故障時,其振動信號的時頻熵會變小，因此可以把基于Hilbert-Hang變換的時頻

6、嫡作為特征量來對齒輪的工作狀態(tài)進(jìn)行分類。
　　(2)針對齒輪故障振動信號的調(diào)制特點，首次提出了基于EMD的頻率族分離方法，采用這種方法可以有效地將齒輪振動信號中的各個頻率族進(jìn)行分離，從而克服了傳統(tǒng)包絡(luò)分析方法中帶通濾波的缺陷。
　　(3)當(dāng)轉(zhuǎn)子發(fā)生局部碰摩時，由于在轉(zhuǎn)子旋轉(zhuǎn)過程中動靜件周期性地摩擦，其碰摩信號表現(xiàn)為調(diào)幅特征。針對這一特點和EMD方法的特性，提出了基于EMD的轉(zhuǎn)子振動信號局部碰摩故障特征提取方法。對實驗信號的分

7、析結(jié)果表明，該方法可以有效地將轉(zhuǎn)子振動信號中的碰摩信息和背景信號進(jìn)行分離。
　　3.將Hilbert-Hnang變換與其它數(shù)學(xué)方法相結(jié)合來提取旋轉(zhuǎn)機(jī)械故障特征，并提出了具體的故障診斷方法。
　　(1)提出了局部Hilbert邊際譜的概念，針對滾動軸承故障振動信號的調(diào)制特征和傳統(tǒng)包絡(luò)分析方法的缺陷，提出了基于局部Hilbert邊際譜的滾動軸承故障特征提取方法，該方法將小波包分解和Hilbert-Huang變換相結(jié)合來識別滾動軸

8、承的故障特征頻率譜線，其效果優(yōu)于傳統(tǒng)的包絡(luò)分析法。
　　(2)為了提取多分量的調(diào)幅一調(diào)頻(AM-FM)信號的頻率和幅值信息，首次提出了基于EMD的能量算子解調(diào)方法，并采用這種方法對齒輪和滾動軸承故障振動信號進(jìn)行了分析，研究結(jié)果表明該方法能有效地應(yīng)用于齒輪和滾動軸承的故障診斷。
　　(3)提出了基于EMD的AR模型分析方法，并將這種方法應(yīng)用于齒輪和滾動軸承的故障診斷，結(jié)果表明該方法能有效地識別齒輪和滾動軸承的工作狀態(tài)和故障類型

9、。
　　(4)提出了基于EMD和關(guān)聯(lián)維數(shù)的轉(zhuǎn)子系統(tǒng)故障診斷方法。原始轉(zhuǎn)子振動信號經(jīng)過EMD方法處理后，各種不同狀態(tài)下的關(guān)聯(lián)維數(shù)區(qū)別明顯，因此可以作為故障特征量來識別轉(zhuǎn)子系統(tǒng)的工作狀態(tài)和故障類型。
　　(5)提出了基于EMD，AR模型和關(guān)聯(lián)維數(shù)的旋轉(zhuǎn)機(jī)械故障診斷方法。采用EMD方法對原始信號進(jìn)行分解后，對IMF分量建立A.R模型，將AR模型自回歸參數(shù)序列的關(guān)聯(lián)維數(shù)作為特征量可以有效地區(qū)分不同的故障類型。研究結(jié)果表明該方法可以有