自適應(yīng)特征尺度分解方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用.pdf

1、旋轉(zhuǎn)機(jī)械故障診斷技術(shù)的研究有著重要的意義，其關(guān)鍵在于故障特征信息的提取。然而，旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)大都是非平穩(wěn)信號(hào)。因此，采用合適的信號(hào)分析方法從復(fù)雜的振動(dòng)信號(hào)中提取狀態(tài)特征信息一直是研究的重點(diǎn)和熱點(diǎn)。作為目前被公認(rèn)的有效非平穩(wěn)信號(hào)分析與處理手段，時(shí)頻分析方法在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域得到了廣泛應(yīng)用。
　　近年來(lái)，小波分析(Wavelet Analysis，WA)、經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical ModeDecomposition，E

2、MD)、局部均值分解(Local Mean Decomposition，LMD)等時(shí)頻分析方法由于適合處理復(fù)雜的振動(dòng)信號(hào)，均已被應(yīng)用到旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域，并取得了許多有益的研究成果。但是，這些方法都具有一定的局限性。局部特征尺度分解(Local Characteristic-scale Decomposition，LCD)是最近提出的一種自適應(yīng)時(shí)頻分析方法。該方法在定義瞬時(shí)頻率具有物理意義的單分量信號(hào)—內(nèi)稟尺度分量(Intrinsic

3、 Scale Component，ISC)基礎(chǔ)上，通過(guò)提取數(shù)據(jù)本身的特征尺度參數(shù)，可自適應(yīng)地將復(fù)雜信號(hào)分解為若干個(gè)ISC分量之和。相對(duì)EMD和LMD等方法，LCD方法在分解速度、抑制端點(diǎn)效應(yīng)和模態(tài)混疊等方面具有一定優(yōu)勢(shì)。但LCD在均值曲線定義方面還存在一些不足，同時(shí)也存在模態(tài)混疊等問(wèn)題，其理論也仍需進(jìn)一步發(fā)展和完善。論文在國(guó)家自然科學(xué)基金項(xiàng)目(51075131)的資助下，對(duì)LCD方法的理論進(jìn)行了進(jìn)一步研究和完善，提出了一種新的自適應(yīng)信號(hào)

4、分解方法—自適應(yīng)特征尺度分解(Adaptive Characteristic-scale Decomposition，ACD)，并將ACD方法應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷。論文主要研究工作和創(chuàng)新點(diǎn)如下:
　　(1)對(duì)LCD均值曲線進(jìn)行了改進(jìn)。
　?、貺CD均值曲線的插值點(diǎn)是由連接兩相鄰?fù)悩O值點(diǎn)的連線計(jì)算產(chǎn)生，插值點(diǎn)的屬性主要由相鄰兩同類極值點(diǎn)的屬性決定，因而可能降低分解精度。針對(duì)這一問(wèn)題，提出了基于Lagrange插值的局部特征

5、尺度分解(Lagrange Interpolationbased Local Characteristic-scale Decomposition, LILCD)方法。
　?、趯?duì)于基于篩分的自適應(yīng)信號(hào)分解方法，定義合理的均值曲線是其關(guān)鍵所在，均值曲線定義的優(yōu)劣，對(duì)方法的精確性和有效性都有著直接的影響。針對(duì)這一問(wèn)題，提出了廣義局部特征尺度分解(Generalized Local Characteristic-scaleDecompo

6、sition，GLCD)方法。
　　(2)對(duì)LCD模態(tài)混疊抑制方法進(jìn)行了研究。
　?、偬岢隽嘶谖⒎炙阕拥木植刻卣鞒叨确纸?Differential Operator based Local Characteristic-scale Decomposition，DOLCD)方法。該方法通過(guò)改變?cè)夹盘?hào)各分量的幅值比，提升LCD抑制模態(tài)混疊的能力。
　?、谔岢隽酥旅芫植刻卣鞒叨确纸?Compact Local Chara

7、cteristic-scaleDecomposition，CLCD)方法。該方法通過(guò)確定待分解信號(hào)的最小信號(hào)極值尺度來(lái)度量其信號(hào)尺度，再采用新增偽極值點(diǎn)均勻化信號(hào)尺度的方法，可有效地抑制模態(tài)混疊的產(chǎn)生。
　　(3)在對(duì)LCD方法研究的基礎(chǔ)上，綜合GLCD和CLCD的優(yōu)勢(shì)，并充分借鑒EMD和LCD等這類基于篩分的信號(hào)分解方法的思路，定義了一種新的瞬時(shí)頻率具有物理意義的單分量信號(hào)—內(nèi)稟致密尺度分量(Intrinsic Compact-

8、scaleComponent，ICC)，并提出了一種新的自適應(yīng)信號(hào)分解方法—自適應(yīng)特征尺度分解(ACD)。同時(shí)，給出ICC了分量評(píng)價(jià)準(zhǔn)則。通過(guò)對(duì)ACD每階篩分中由不同均值曲線和致密系數(shù)取值得到一組不同的分解分量進(jìn)行對(duì)比，選取最優(yōu)分量作為該階篩分的ICC分量，從而保障最終分解效果優(yōu)于LCD。
　　(4)由于廣義局部頻率解調(diào)(General Local Frequency Demodulation，GLFD)采用的平滑算法可能無(wú)法很好

9、地反應(yīng)數(shù)據(jù)的波動(dòng)性和變化規(guī)律，尤其在廣義局部頻率(General Local Frequency，GLF)和廣義局部幅值(General Local Amplitude，GLA)的值存在突變時(shí)會(huì)出現(xiàn)較大偏差。針對(duì)這一問(wèn)題，提出了改進(jìn)的廣義局部頻率解調(diào)(Improved General Local Frequency Demodulation，IGLFD)方法。該方法采用強(qiáng)局部加權(quán)回歸（Robust Locally Weighted Re