基于多尺度非線性狀態(tài)特征增強的旋轉(zhuǎn)機械故障診斷方法研究.pdf_第1頁
已閱讀1頁,還剩201頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、本論文以旋轉(zhuǎn)機械設備的精確故障診斷為目標,著眼于多尺度非線性分析在設備狀態(tài)監(jiān)測與故障診斷中的應用研究,通過分析正在發(fā)展中的基于時頻分析的多尺度方法和隨機共振與流形學習等兩種典型的非線性分析方法在該領域的研究現(xiàn)狀和存在的問題,把這兩種之前相互獨立的研究相互結合,實現(xiàn)優(yōu)勢互補,并統(tǒng)一在了一個研究體系之下,即采用多尺度非線性分析方法增強設備狀態(tài)特征,分三個部分就有關問題進行了深入的研究。
  第一部分是基于多尺度隨機共振分析的方法及其在

2、旋轉(zhuǎn)機械微弱狀態(tài)特征增強上的應用研究。以設備測量信號原始包絡為處理對象,分析了信號中噪聲的有色性和故障特征的微弱性及頻率高的特點,引入隨機共振的方法,根據(jù)信號在多個尺度上的噪聲對系統(tǒng)輸出的影響,提出了一種新的多尺度噪聲調(diào)節(jié)隨機共振(MSTSR)方法。新方法能調(diào)節(jié)并優(yōu)化噪聲分布模型,從而實現(xiàn)在固定噪聲水平和類型情況下微弱大頻故障特征的增強。研究構造了一種新的加權功率譜峭度(WPSK)指標,用以評估MSTSR系統(tǒng)輸出的效果,從而在無先驗知識

3、情況下優(yōu)化該方法中的參數(shù),自適應輸出最優(yōu)增強結果。進一步改進了MSTSR方法中的多尺度噪聲調(diào)節(jié)方式,并拓展了其在多瞬態(tài)故障診斷中的應用,改進方法可以對多頻待測信號依次單獨增強,排除了相互之間的干擾。
  第二部分是基于多尺度流形學習分析的方法及其在設備狀態(tài)本質(zhì)特征挖掘中的應用研究。以設備原始測量信號為處理對象,通過結合相空間重構(PSR)和連續(xù)小波變換(CWT),構造了包含信號非平穩(wěn)信息的高維多尺度相空間,把流形學習應用于高維相空

4、間中,提取出了一種新的時間尺度流形(TSM)標簽,用以表征設備的本質(zhì)狀態(tài)特征。從TSM中提取脊線以直接解調(diào)出故障特征頻率,并提出了一種脊線替換解調(diào)方法增強帶內(nèi)噪聲去除效果。此外,通過利用流形學習非線性地結合了信號在多個特征尺度上的小波包絡,提取出了一種新的多尺度包絡流形(MEM)特征,獲得故障脈沖的真實包絡結構。本文提出的基于多尺度流形學習的解調(diào)方法在實際軸承和齒輪箱故障診斷的應用中顯示了與傳統(tǒng)包絡分析方法相比的優(yōu)越性。
  第三

5、部分是基于多尺度非線性分析的軌邊聲學信號處理方法及其在軌道列車軸承軌邊聲學故障診斷中的應用研究。以軸承軌邊聲學信號為分析對象,首先提出了基于時頻分布(TFD)瞬時頻率估計的信號動態(tài)重采樣方法去除原始信號中的多普勒效應,然后引入MSTSR方法增強多普勒效應去除后包絡信號中的微弱故障特征頻率。分析了軌邊聲學信號中可能存在的雙調(diào)制現(xiàn)象,提出了一種變分辨率脊線解調(diào)(VRRD)方法直接從軌邊聲學信號中提取故障脈沖的包絡,接著對包絡信號進行動態(tài)重采

6、樣以直接恢復出故障特征頻率,最后通過對數(shù)變換和分段線性趨勢去除方法,壓制可能存在的低頻調(diào)制現(xiàn)象并去除低頻非線性趨勢。仿真和實驗分析的結果表明所提方法能從列車軸承軌邊聲學信號中提取出無多普勒效應且信噪比提升的故障特征頻率。
  此外,以上研究都建立在了仿真和實驗驗證基礎之上。本論文根據(jù)研究對象和所采用方法的不同構造了不同的仿真模型,所分析的實驗數(shù)據(jù)包括具有齒輪磨損故障的齒輪箱振動信號、具有各種局部故障的不同型號軸承的振動/聲學信號以

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論