強(qiáng)噪聲背景下機(jī)械設(shè)備微弱信號(hào)的提取與檢測(cè)技術(shù)研究.pdf

1、在實(shí)際的機(jī)械設(shè)備故障診斷中，由于現(xiàn)場(chǎng)環(huán)境比較惡劣，所測(cè)得的振動(dòng)信號(hào)除包含有用的特征信息外還存在大量的噪聲干擾。尤其是機(jī)械設(shè)備的早期故障，特征信號(hào)比較微弱，往往被強(qiáng)噪聲所淹沒(méi)，極大地影響了設(shè)備狀態(tài)信息的準(zhǔn)確獲取。因此，論文以機(jī)械設(shè)備為對(duì)象，研究了強(qiáng)噪聲背景下微弱信號(hào)的提取和檢測(cè)技術(shù)。
　　 設(shè)備工況的變化以及其自身的非線性使機(jī)械設(shè)備的動(dòng)態(tài)信號(hào)表現(xiàn)出非平穩(wěn)性。經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄊ且环N處理非線性非平穩(wěn)信號(hào)的有效工具，但是對(duì)于強(qiáng)噪聲背景下

2、的微弱信號(hào)，噪聲干擾會(huì)加重經(jīng)驗(yàn)?zāi)Ｊ椒纸獾倪吔缧?yīng)，影響分解的質(zhì)量和效果。為此，本文提出一種基于級(jí)聯(lián)雙穩(wěn)隨機(jī)共振降噪的經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒?，利用隨機(jī)共振在微弱信號(hào)檢測(cè)方面的優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)微弱非平穩(wěn)信號(hào)的提取。仿真實(shí)驗(yàn)以及滾動(dòng)軸承的故障診斷實(shí)例驗(yàn)證了該方法的有效性。
　　 奇異值分解是一種非線性濾波方法，廣泛應(yīng)用于信號(hào)的消噪和檢測(cè)工作中。但是傳統(tǒng)的奇異值分解通常是在時(shí)域中進(jìn)行，由于奇異值對(duì)噪聲比較敏感，因此奇異值分解只適用于弱噪聲的情況。

3、針對(duì)這個(gè)問(wèn)題，論文提出了基于頻域的奇異值分解方法，通過(guò)傅立葉變換將時(shí)域信號(hào)轉(zhuǎn)換到頻域進(jìn)行處理，增強(qiáng)了奇異值分解的抗噪能力。此外，針對(duì)單層奇異值分解降噪效果的有限性，論文又提出了級(jí)聯(lián)奇異值分解方法。對(duì)于強(qiáng)噪聲背景下的微弱信號(hào)，通過(guò)級(jí)聯(lián)的形式，實(shí)現(xiàn)噪聲的逐級(jí)濾除。仿真實(shí)驗(yàn)表明該方法可以有效提高信噪比，實(shí)現(xiàn)微弱信號(hào)的檢測(cè)。
　　 論文還分析了大信號(hào)干擾下的微弱信號(hào)識(shí)別問(wèn)題。從剔除大信號(hào)干擾、分離微弱信號(hào)的角度，提出了基于獨(dú)立分量分析的

4、信噪分離方法，并通過(guò)一個(gè)轉(zhuǎn)軸的偏心故障實(shí)例表明該方法具有良好的工程應(yīng)用前景。此外，從減少頻率泄露、增強(qiáng)微弱信號(hào)的角度，將多窗譜分析成功用于早期油膜渦動(dòng)的故障診斷中。
　　 為了滿足不同廠礦企業(yè)的要求，同時(shí)作為本課題關(guān)鍵技術(shù)的載體，論文設(shè)計(jì)開發(fā)了一款功能完善、價(jià)格低廉的便攜式數(shù)采分析儀，該儀器采用雙CPU的硬件構(gòu)架并以Linux操作系統(tǒng)為平臺(tái)進(jìn)行軟件設(shè)計(jì)，可以實(shí)現(xiàn)高速多任務(wù)的實(shí)時(shí)采集。此外，儀器還配有多種通信接口，方便與上位機(jī)進(jìn)行