基于希爾伯特-黃變換的航空發(fā)動機整機振動故障診斷.pdf

1、Hilbert-Huang變換是一種新的具有很強自適應能力的時頻分析方法，它可根據(jù)信號的局部時變特征進行自適應的時頻分解，得到極高的時頻分辨率，具有良好的時頻聚集性，非常適合對非平穩(wěn)、非線性信號進行分析。目前在故障診斷中得到了廣泛的應用。本文利用Hilbert-Huang變換，針對航空發(fā)動機整機振動中轉子和滾動軸承故障診斷的問題，進行了如下研究工作：
　　 （1）介紹了Hilbert-Huang變換的基礎理論，并將其與包括短時傅

2、里葉變換、Wigner-Ville分布和小波變換等在內的傳統(tǒng)的時頻分析方法進行了比較分析，發(fā)現(xiàn)HHT方法無需特定的基函數(shù)，可根據(jù)信號的局部時變特性進行自適應的時頻分解，彌補了傳統(tǒng)時頻分析方法的缺點。
　　 （2）研究了基于Hilbert-Huang變換的轉子故障分析及信號特征提取。本文運用Hilbert-Huang變換原理，通過對轉子故障振動位移信號進行EMD分解，得到不同頻率段的各個IMF分量，然后對感興趣的IMF進行頻譜分析

3、，發(fā)現(xiàn)了故障信號中所含頻率特征。并用ZT-3型多功能轉子實驗器和航空發(fā)動機轉子實驗器進行了分析驗證。
　　 （3）研究了基于Hilbert-Huang變換的滾動軸承故障分析及信號特征提取。本文首先分析了滾動軸承故障特征，然后利用EMD分解將滾動軸承故障振動加速度信號分解為各個IMF分量，再用Hilbert變換對前幾個IMF進行解調，再對解調后的信號進行頻譜分析得到包絡譜，從包絡譜上獲取軸承故障特征信息，最后本文利用美國Case

4、Western Reserve University電氣工程實驗室的滾動軸承故障模擬實驗臺獲取的滾動軸承故障數(shù)據(jù)進行了分析驗證。
　　 （4）為了實現(xiàn)基于HHT的轉子故障智能診斷，需要利用HHT自動從故障數(shù)據(jù)中提取出特征向量，本文通過分析比較，提出用于轉子和滾動軸承故障智能診斷的診斷特征量，分析了特征量的靈敏度。并利用結構自適應神經網(wǎng)絡構造了用于識別多類故障的結構自適應集成神經網(wǎng)絡模型，對轉子和滾動軸承故障樣本進行了智能診斷，獲