基于微分的經(jīng)驗?zāi)B(tài)分解及其在多重轉(zhuǎn)子故障分析中的應(yīng)用.pdf

1、旋轉(zhuǎn)機械是電力、石油化工、冶金、機械、航空以及一些軍事工業(yè)部門的關(guān)鍵設(shè)備。隨著現(xiàn)代工業(yè)和科學(xué)技術(shù)的發(fā)展以及自動化程度的進一步提高，旋轉(zhuǎn)機械正朝著大型化、高速化、連續(xù)化、集中化、自動化的方向發(fā)展。在生產(chǎn)過程中，轉(zhuǎn)子部件難免出現(xiàn)一些故障引起整個設(shè)備甚至整個生產(chǎn)過程無法正常運行，造成巨大的經(jīng)濟損失，有的甚至?xí)饑?yán)重的人員傷亡事故。因此，為了保證大型旋轉(zhuǎn)機械設(shè)備的安全而高效地運行，國內(nèi)外許多專家學(xué)者對轉(zhuǎn)子故障的診斷預(yù)測進行了大量研究，提出了很

2、多有效的建議和方法。 近幾十年來各國都在大力開展有關(guān)旋轉(zhuǎn)機械故障診斷技術(shù)的研究。其中經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition，簡稱 EMD)方法，被認(rèn)為是近年來分析非線性非平穩(wěn)信號處理方法的一個重大突破。本文在已有研究成果的基礎(chǔ)上，將由傳統(tǒng)經(jīng)驗?zāi)B(tài)分解進化而來的基于微分的經(jīng)驗?zāi)B(tài)分解(Differential-based Empirical Mode Decomposition,簡稱DEMD)方法引

3、入到轉(zhuǎn)子故障信號提取中，充分發(fā)揮Hilbert-Huang變換方法自適應(yīng)性的特點和時頻分析的能力。 本文主要研究了以下幾個方面的內(nèi)容: 1.總結(jié)傳統(tǒng)經(jīng)驗?zāi)B(tài)分解方法(EMD)的算法，概括基于微分的經(jīng)驗?zāi)B(tài)分解(DEMD)的信號處理過程和特點。以仿真實例證明基于微分的經(jīng)驗?zāi)B(tài)分解(DEMD)方法的高頻率分辨率和故障特征提取效率； 2.總結(jié)了轉(zhuǎn)子的裂紋故障、碰摩故障和松動故障及其耦合形式故障的振動類型及振動機理，改善

4、了上述故障的數(shù)學(xué)模型，并用數(shù)值仿真驗證了其適用性。 3.將基于微分的經(jīng)驗?zāi)B(tài)分解(DEMD)方法引入到上述轉(zhuǎn)子單一故障和耦合故障的振動信號特征提取中，通過對數(shù)值仿真的故障信號和實際故障信號進行分析，對比傳統(tǒng)經(jīng)驗?zāi)B(tài)分解方法(EMD)，驗證了基于微分的經(jīng)驗?zāi)B(tài)分解(DMED)方法在轉(zhuǎn)子故障診斷領(lǐng)域的適用性及有效性。 在轉(zhuǎn)子故障診斷領(lǐng)域，Hilbert-Huang 變換作為一種新的信號處理工具，其在信號檢測、特征提取等方面的