轉(zhuǎn)子系統(tǒng)聲振信號(hào)故障特征分析研究.pdf

1、旋轉(zhuǎn)機(jī)械在運(yùn)行過程中的聲振信號(hào)包含了大量的轉(zhuǎn)子運(yùn)行狀態(tài)信息，變速過程中故障聲信號(hào)特征的提取及其識(shí)別對(duì)于旋轉(zhuǎn)機(jī)械故障診斷是極其必要的。對(duì)于很多機(jī)械設(shè)備由于工作環(huán)境(例如，高溫、高濕、高腐蝕及有毒、有害環(huán)境)以及結(jié)構(gòu)限制，一般振動(dòng)信號(hào)不易測(cè)取或根本不能測(cè)取，因此對(duì)其進(jìn)行狀態(tài)檢測(cè)及正確的故障診斷存在一定的難度。作為機(jī)械振動(dòng)在傳聲媒質(zhì)中的一系列力學(xué)振動(dòng)傳遞表現(xiàn)，聲振信號(hào)同樣蘊(yùn)含著機(jī)械設(shè)備工作狀態(tài)的重要信息，基于聲振信號(hào)測(cè)量的聲學(xué)故障診斷技術(shù)具有

2、信號(hào)易于測(cè)取，非接觸式測(cè)量，不影響設(shè)備正常工作等優(yōu)點(diǎn)，是一種可行的快速故障診斷方法，目前許多學(xué)者開始研究聲學(xué)故障診斷方法。 聲信號(hào)故障診斷技術(shù)的主要問題在于觀測(cè)聲信號(hào)與現(xiàn)場(chǎng)噪聲信號(hào)的混合信號(hào)，待監(jiān)測(cè)設(shè)備的故障特征被淹沒在噪聲信號(hào)中，因此，尋求一種有效的噪聲識(shí)別去除方法與聲振信號(hào)故障特征提取方法是聲振信號(hào)故障診斷的關(guān)鍵。作為近年來出現(xiàn)的信號(hào)處理方法，如聲信號(hào)單邊譜、加速度信號(hào)全譜分析方法、經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭С窒蛄繖C(jī)技術(shù)，對(duì)解決復(fù)雜機(jī)

3、器聲振信號(hào)識(shí)別分離問題非常適合，為此，本文研究機(jī)器聲信號(hào)單邊譜和加速度信號(hào)全譜分析方法、經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭С窒蛄繖C(jī)技術(shù)及其在聲振信號(hào)故障特征提取中的應(yīng)用。全譜分析方法、經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭С窒蛄繖C(jī)技術(shù)在理論上已取得了一定成果，然而，目前很少有人將它們應(yīng)用到機(jī)器聲振信號(hào)識(shí)別、分離與聲振信號(hào)故障診斷領(lǐng)域，本文的研究目的是以復(fù)雜環(huán)境下的機(jī)器聲振信號(hào)作為監(jiān)測(cè)信號(hào)，研究聲信號(hào)單邊譜和加速度信號(hào)全譜分析方法、經(jīng)驗(yàn)?zāi)Ｊ椒纸夂椭С窒蛄繖C(jī)技術(shù)并解決其工程應(yīng)用問

4、題，從觀測(cè)的混合聲振信號(hào)中識(shí)別分離待監(jiān)測(cè)設(shè)備聲振信號(hào)并提取其特征，初步建立基于聲振信號(hào)故障診斷思想與系統(tǒng)，為進(jìn)一步完善聲振信號(hào)診斷理論與方法奠定理論與實(shí)踐基礎(chǔ)。 論文首先概述國內(nèi)外聲學(xué)診斷研究進(jìn)展，給出機(jī)器噪聲聲場(chǎng)的數(shù)學(xué)描述，討論了聲輻射等基本問題，最后對(duì)實(shí)驗(yàn)進(jìn)行了介紹，實(shí)驗(yàn)內(nèi)容包括試驗(yàn)總體介紹，傳感器布置與試驗(yàn)方案及工況三個(gè)部分，為后續(xù)章節(jié)研究作了必要的實(shí)驗(yàn)準(zhǔn)備與論證基礎(chǔ)。在此基礎(chǔ)上，論文的研究工作分為以下五個(gè)部分：

5、第一部分研究適用于聲振信號(hào)特征提取的識(shí)別分離算法，介紹并提出基于聲信號(hào)振動(dòng)、沖擊、噪聲國家重點(diǎn)實(shí)驗(yàn)室單邊譜、加速度信號(hào)全譜分析算法，以頻譜特征或時(shí)頻特征作為識(shí)別分離目標(biāo)，從混合信號(hào)中識(shí)別聲振信號(hào)頻譜特征或時(shí)頻特征，最大限度地保留了與聲振信號(hào)特征提取有關(guān)的頻譜特征或時(shí)頻特征，聲信號(hào)單邊譜、加速度信號(hào)全譜分析方法能在一定程度上識(shí)別設(shè)備噪聲信號(hào)之間的相互干擾，能夠鑒別出各個(gè)設(shè)備的主要特征，是一種有效的信號(hào)預(yù)處理方法，實(shí)驗(yàn)結(jié)果證實(shí)了算法的有效性

6、。 第二部分介紹支持向量機(jī)，支持向量機(jī)是近年來在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種新的模式識(shí)別方法，在解決小樣本、非線性及高維模式識(shí)別問題中表現(xiàn)出許多特有的優(yōu)勢(shì)。針對(duì)在升降速運(yùn)行時(shí)的故障特征數(shù)據(jù)樣本有限而制約有效智能診斷的問題，探討和提出了基于支持向量機(jī)和聲信號(hào)單邊譜、加速度信號(hào)全譜分析的聲振信號(hào)故障診斷方法。實(shí)驗(yàn)分析結(jié)果表明：該方法可實(shí)現(xiàn)對(duì)有一定背景噪聲下的故障聲振信號(hào)對(duì)轉(zhuǎn)子在升降速運(yùn)行時(shí)的多故障的識(shí)別和診斷。 第三部

7、分研究雙線性時(shí)頻分析及聲學(xué)故障特征提取方法和聲振監(jiān)測(cè)與診斷系統(tǒng)。給出基于獨(dú)立分量分析方法、經(jīng)驗(yàn)?zāi)Ｊ椒纸獾姆瞧椒€(wěn)聲振信號(hào)特征提取雙線性時(shí)頻分析方法，有效地消除了多分量信號(hào)的交叉項(xiàng)。并初步建立基于診斷知識(shí)的框架和規(guī)則表示的聲振監(jiān)測(cè)與診斷系統(tǒng)。 第四部分研究基于高階統(tǒng)計(jì)量和支持向量機(jī)的故障聲振信號(hào)特征提取方法，高階統(tǒng)計(jì)量可以大大提高信號(hào)的信噪比，并可定量描述隨機(jī)信號(hào)偏離正態(tài)分布的程度，信號(hào)的高階累積量的值越大，其偏離正態(tài)分布的程度就越

8、嚴(yán)重。而在許多機(jī)器中，其聲振信號(hào)偏離正態(tài)的程度恰恰反映了機(jī)器故障的沖擊程度，因而高階統(tǒng)計(jì)量可以作為信號(hào)預(yù)處理和機(jī)械故障聲振信號(hào)特征提取的方法推廣應(yīng)用。結(jié)合支持向量機(jī)和高階統(tǒng)計(jì)量可以對(duì)典型設(shè)備的不同工作狀態(tài)進(jìn)行有效監(jiān)測(cè)與故障診斷。 最后，研究了非線性、非平穩(wěn)、非高斯高階時(shí)頻分布在聲振信號(hào)特征提取中的應(yīng)用。提出了基于獨(dú)立分量分析和經(jīng)驗(yàn)?zāi)Ｊ椒纸獾奈焊窦{高階譜，給出了高階譜主切片在實(shí)測(cè)聲振信號(hào)分析中的應(yīng)用實(shí)例。實(shí)例研究證明了改進(jìn)后的高階