基于LMD旋轉機械故障診斷方法的研究及特征提取分析.pdf

1、二次工業(yè)革命之后,機械取代了原有的生產工具,逐漸成為人們生活中不可或缺的生產工具。旋轉機械例如渦輪機,大型發(fā)電機等旋轉機械設備也隨之進入人們的生活生產領域。而隨著轉速的不斷提高,對機械性能的要求也就越高,尤其是在穩(wěn)定性方面,且發(fā)生故障的概率也越大。而大型機械的停機維護不僅浪費人力還需要消費很大的經濟成本,故障診斷就是在這種背景下應運而生的。
　　論文首先介紹了故障診斷的方法以及對旋轉機械進行故障診斷的意義,然后指出振動診斷法是本文

2、所用的方法。并且列舉了幾種故障特征提取的方法例如FFT、小波變換、HHT以及局域均值分解等等。最后通過分析比對選擇了時頻分析法作為本文的主要方法。
　　希爾伯特-黃變換和局域均值分解作為時頻域分析法的兩種典型方法,都有著各自的獨特優(yōu)勢。本文主要是對該兩種方法的算法實現(xiàn)進行了詳細的分析,然后通過實驗仿真對他們的診斷效果進行比較,顯示了LMD的優(yōu)勢,指出LMD為本文所采用的信號分析方法。因此本文主要研究局域均值分解的相關理論,并且給出

3、了LMD直接法求取瞬時頻率的實驗仿真。
　　LMD作為經驗式的信號處理方法,也存在一些缺陷。因此對LMD分解的采樣效應與影響LMD分解精度的因素進行研究分析,然后對LMD的滑動平均跨度的選擇、LMD均值函數(shù)不同包絡畫法等進行分析,結合試驗仿真,最后結果表明,采用合適的滑動平均跨度,包絡均值求取方法能夠提高LMD的分解精度,從而有效的抑制端點效應。
　　最后基于以上改進的LMD算法,提出了兩種基于LMD瞬時頻率旋轉機械特征提取