基于局域均值分解的旋轉(zhuǎn)機械故障特征提取方法及系統(tǒng)研究.pdf

1、機械設(shè)備故障診斷技術(shù)對于保證設(shè)備的安全、可靠、高效運行具有重要的理論意義和應(yīng)用價值。機械設(shè)備的信號處理和故障特征提取是機械設(shè)備故障診斷技術(shù)中的關(guān)鍵問題，是機械學(xué)科的研究熱點之一。局域均值分解(Local Mean Decomposition，LMD)是一種近年來新出現(xiàn)的時頻分析方法，該方法的特點是可以獲得信號在任何時刻的時頻分布及有物理意義的瞬時頻率，為機械設(shè)備故障診斷提供一種新的故障特征提取方法。本文結(jié)合國家自然科學(xué)基金項目，研究了基

2、于LMD的旋轉(zhuǎn)機械故障特征提取方法，并開發(fā)了基于嵌入式系統(tǒng)的故障診斷系統(tǒng)。論文的主要研究內(nèi)容和章節(jié)安排如下： 第一章論述了旋轉(zhuǎn)機械故障診斷的研究意義，介紹了旋轉(zhuǎn)機械故障診斷方法與技術(shù)的研究現(xiàn)狀；綜述了時頻分析方法的發(fā)展以及在機械故障診斷中的應(yīng)用；分析了基于LMD的時頻分析方法和故障診斷系統(tǒng)的國內(nèi)外研究現(xiàn)狀，提出了本文的研究思路與研究內(nèi)容。 第二章介紹了基于LMD時頻分析方法的一些基本概念，接著介紹LMD的理論基礎(chǔ)和算法，

3、然后給出實例說明LMD在旋轉(zhuǎn)機械故障特征提取中的應(yīng)用，最后比較LMD和經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)的不同之處，指出LMD在旋轉(zhuǎn)機械故障特征提取中的優(yōu)勢。 第三章研究了純調(diào)頻信號瞬時頻率的直接求取法，針對極值點附近畸變情況引進平滑處理以改進該算法，得到較好的效果；提出并證明了純調(diào)頻的瞬時頻率直接求取法適用性的判別條件：純調(diào)頻信號的極值點為±1；分別應(yīng)用直接法、Hilbert變換和

4、Teager能量法對仿真信號和旋轉(zhuǎn)機械實測振動信號進行分析比較，結(jié)果表明：直接法可以獲得調(diào)頻調(diào)幅信號的頻率和幅值隨時間變化情況，能夠直觀地反映波內(nèi)調(diào)制現(xiàn)象，驗證了瞬時頻率直接求取法的有效性，為旋轉(zhuǎn)機械故障振動信號時頻特征提取提供了一種方法。 第四章研究了采樣效應(yīng)對LMD分解的影響，給出純調(diào)頻信號的判據(jù)的實現(xiàn)方法，在實際信號處理時，必須在±1處設(shè)置—增減量δ。提出在信號的相鄰極值點距離變化比較大的情況下，應(yīng)用新的滑動平均跨度的選擇

5、方法，使LMD算法易于收斂。分析LMD端點效應(yīng)的特點，提出了一種LMD端點效應(yīng)的評價指標和一種基于端點延拓的LMD端點效應(yīng)抑制方法。 第五章建立了旋轉(zhuǎn)機械的故障模擬實驗裝置，開發(fā)基于LMD的旋轉(zhuǎn)機械故障分析原型系統(tǒng)；應(yīng)用基于LMD的時頻分析方法，研究了轉(zhuǎn)子裂紋、油膜渦動和軸不對中三種典型故障振動信號的時頻特征，驗證了該方法提取故障特征的有效性。應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對故障分類做了實驗研究。結(jié)論是：裂紋轉(zhuǎn)子的振動信號有明顯的波內(nèi)頻率調(diào)制

6、現(xiàn)象：油膜渦動振動信號LMD分解以后，可以得到0.5倍頻和1倍頻兩個頻率成分，邊緣譜的能量主要分布在0.5倍頻和1倍頻附近：不對中振動信號在時頻譜上主要表現(xiàn)為頻率調(diào)制現(xiàn)象，邊緣譜在1倍頻附近有一較寬的頻帶。LMD分解PF特征提取方法結(jié)合BP神經(jīng)網(wǎng)絡(luò)，與FFT頻譜特征方法比較可以有效地對裂紋轉(zhuǎn)子、油膜渦動和轉(zhuǎn)子不平衡三種故障分類。 第六章分析旋轉(zhuǎn)機械故障分析系統(tǒng)的結(jié)構(gòu)，給出了面向旋轉(zhuǎn)機械的嵌入式故障分析系統(tǒng)整體方案；設(shè)計了一種帶有