基于偏微分方程理論的機(jī)械故障診斷技術(shù)研究.pdf

1、機(jī)械設(shè)備是現(xiàn)代制造工程的關(guān)鍵組成部分，是經(jīng)濟(jì)建設(shè)和社會(huì)進(jìn)步的重要物質(zhì)基礎(chǔ)，但是隨著時(shí)間的推移，機(jī)械設(shè)備及其零部件在運(yùn)行過(guò)程中會(huì)受到損傷繼而出現(xiàn)故障，造成經(jīng)濟(jì)損失甚至災(zāi)難。機(jī)械故障診斷技術(shù)的研究是保證安全運(yùn)行、降低損失的重要手段，具有重大研究意義，其關(guān)鍵在于從信號(hào)中提取故障特征，由于振動(dòng)信號(hào)中蘊(yùn)含了大量設(shè)備運(yùn)行信息，所以振動(dòng)信號(hào)分析是常用的故障診斷方法。存在故障的機(jī)械設(shè)備，其振動(dòng)信號(hào)一般會(huì)表現(xiàn)出非平穩(wěn)的特性，傳統(tǒng)非平穩(wěn)信號(hào)分析方法如短時(shí)傅

2、立葉變換、希爾伯特黃變換、小波變換、局域均值分解、數(shù)學(xué)形態(tài)學(xué)變換等都各自存在一定的局限性，因此新的理論和方法的研究與探索仍是十分必要的。
　　偏微分方程（Partial Differential Equations，PDE）作為一個(gè)重要的數(shù)學(xué)分支，具有堅(jiān)實(shí)的理論基礎(chǔ)，而且具有很強(qiáng)的局域自適應(yīng)性、良好的保邊降噪性能和高度的靈活性，是一種數(shù)據(jù)驅(qū)動(dòng)的處理方法，因此被廣泛應(yīng)用于圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域，但是在一維信號(hào)分析中的應(yīng)用還很少。本

3、文的研究旨在運(yùn)用偏微分方程理論，實(shí)現(xiàn)常見(jiàn)機(jī)械設(shè)備如轉(zhuǎn)子系統(tǒng)、齒輪和軸承的故障診斷，主要工作和研究成果如下:
　　(1)列舉了圖像處理中幾種常用的偏微分方程，描述了各自的特點(diǎn)，介紹了偏微分方程的基本理論及數(shù)值求解方法，為后續(xù)章節(jié)的分析奠定理論基礎(chǔ)。
　　(2)對(duì)轉(zhuǎn)子系統(tǒng)典型故障的產(chǎn)生機(jī)理與振動(dòng)信號(hào)特征進(jìn)行闡述;針對(duì)偏微分方程中的經(jīng)典模型—P-M各向異性擴(kuò)散方程只對(duì)單一高斯噪聲有效，而不能有效濾除隨機(jī)脈沖噪聲的不足進(jìn)行改進(jìn)，提出

4、了一種自適應(yīng)梯度閾值的P-M擴(kuò)散模型，并將其用于轉(zhuǎn)子系統(tǒng)振動(dòng)信號(hào)降噪預(yù)處理，然后計(jì)算降噪后信號(hào)的關(guān)聯(lián)維數(shù)，最后采用LSSVM進(jìn)行故障識(shí)別，實(shí)驗(yàn)表明該方法能夠有效區(qū)分不同的運(yùn)行狀態(tài)。
　　(3)對(duì)齒輪典型故障的產(chǎn)生機(jī)理與振動(dòng)信號(hào)特征進(jìn)行闡述;針對(duì)傳統(tǒng)LMD算法中滑動(dòng)平均的平滑長(zhǎng)度選擇困難、計(jì)算成本高的問(wèn)題，提出了一種偏微分方程理論框架下的LMD算法—PDE-LMD算法，并將其應(yīng)用于齒輪振動(dòng)信號(hào)分解，然后計(jì)算不同PF分量的排列熵，實(shí)現(xiàn)

5、了多尺度上的排列熵分析，并將其作為齒輪狀態(tài)特征量，實(shí)驗(yàn)表明該方法可以有效識(shí)別不同的齒輪運(yùn)行狀態(tài)。
　　(4)對(duì)滾動(dòng)軸承典型故障的產(chǎn)生機(jī)理和振動(dòng)信號(hào)特征進(jìn)行了闡述;運(yùn)用偏微分方程分解技術(shù)對(duì)滾動(dòng)軸承振動(dòng)信號(hào)的小波時(shí)頻圖像進(jìn)行分解，得到結(jié)構(gòu)子圖像和紋理子圖像，然后以紋理子圖為研究對(duì)象，通過(guò)計(jì)算表征其紋理特征的灰度共生矩陣，并以其中六種特征量為軸承運(yùn)行狀態(tài)識(shí)別的依據(jù)，再通過(guò)LSSVM進(jìn)行分類(lèi)識(shí)別，實(shí)驗(yàn)表明特征向量選取合理，能夠有效識(shí)別滾動(dòng)