旋轉(zhuǎn)機(jī)械故障特征提取新技術(shù)研究與應(yīng)用.pdf

1、隨著現(xiàn)代化工業(yè)及科學(xué)技術(shù)的迅猛發(fā)展，旋轉(zhuǎn)機(jī)械在工業(yè)領(lǐng)域也呈現(xiàn)出巨大的變化，并起著越來越重要的作用。尤其是電力工業(yè)中的主要機(jī)械設(shè)備和輔機(jī)正向著大型化、自動(dòng)化、高效率、機(jī)電一體化等方向發(fā)展，影響安全的因素也逐漸增多。因此，要保證這些大型旋轉(zhuǎn)機(jī)械安全，經(jīng)濟(jì)運(yùn)行，旋轉(zhuǎn)機(jī)械故障特征提取技術(shù)成為研究重點(diǎn)。本文主要研究了自回歸模型/(Autoregression Model，簡稱AR模型)，小波分析，短時(shí)傅里葉變換(Short-Time Fourie

2、r Transform，簡稱STFT)、維格納-威爾分布(Wigner-Ville Distribution，簡稱WVD)和希爾伯特黃變換(Hilbert-HuangTransform，簡稱HHT)，并開發(fā)了旋轉(zhuǎn)機(jī)械振動(dòng)信號分析系統(tǒng)。
　　 針于AR模型，主要研究了如何確定模型的階數(shù)，以及自相關(guān)估計(jì)、Burg法和改進(jìn)的協(xié)方差法的分辨率對比，并采用軸承局部故障信號和齒輪故障信號，討論AR模型參數(shù)估計(jì)功率譜，結(jié)果發(fā)現(xiàn)能得到分辨率和方

3、差性能較好的光滑譜線，能有效的提取故障特征。
　　 本文研究了小波變換的基礎(chǔ)理論；研究了它在旋轉(zhuǎn)機(jī)械的奇異性信號，多種混合信號和含噪信號中的應(yīng)用；并采用軸承局部故障信號和齒輪故障信號，討論小波分析在特征提取中的應(yīng)用，最后發(fā)現(xiàn)小波分析可以很好地應(yīng)用在旋轉(zhuǎn)機(jī)械故障信號特征提取中。
　　 為了能提取信號頻率隨時(shí)間的變化信息，研究了時(shí)頻分析技術(shù)中的STFT、WVD和HHT的理論，討論了STFT和WVD與傅里葉變換的區(qū)別，并研究了

4、STET和WVD各自的特點(diǎn)：STFT的分辨效果受窗函數(shù)的影響，WVD分析多分量信號時(shí)受交叉項(xiàng)的的干擾。研究了HHT中Hilbert變換引起的端點(diǎn)效應(yīng)，并采用周期延拓和對稱延拓兩種方法抑制端點(diǎn)效應(yīng)。本文對三種時(shí)頻分析技術(shù)進(jìn)行了對比，并將其應(yīng)用在旋轉(zhuǎn)機(jī)械振動(dòng)信號的特征提取中，驗(yàn)證了時(shí)頻分析技術(shù)可以得到信號的頻率隨時(shí)間變化的信息。
　　 最后，采用C++Builder和Matlab相結(jié)合的方法，開發(fā)了一個(gè)旋轉(zhuǎn)機(jī)械振動(dòng)信號分析系統(tǒng)，可以