基于字典學(xué)習(xí)理論的機(jī)械故障診斷方法研究.pdf

1、從第一次工業(yè)革命開始，科學(xué)技術(shù)和現(xiàn)代工業(yè)得到了飛速、蓬勃的發(fā)展，機(jī)械裝備不斷地朝著大型化、集成化、高速化、精度化、重載化等方向飛速發(fā)展。機(jī)械設(shè)備安全、穩(wěn)定、高效的運(yùn)轉(zhuǎn)牽涉到企業(yè)的經(jīng)濟(jì)利益與生產(chǎn)安全，一旦這些設(shè)備中某些關(guān)鍵部件發(fā)生故障，哪怕僅是局部的失靈，不僅會(huì)造成巨大的經(jīng)濟(jì)損失，更嚴(yán)重地可能會(huì)導(dǎo)致人員傷亡、環(huán)境污染等惡劣影響。因此機(jī)械設(shè)備狀態(tài)監(jiān)測、故障診斷以及故障預(yù)防，對企業(yè)保障經(jīng)濟(jì)效益、財(cái)產(chǎn)與工人生命安全有著重要意義。
　　本學(xué)

2、位論文主要以稀疏分解與字典學(xué)習(xí)為理論基礎(chǔ)，以旋轉(zhuǎn)機(jī)械中的關(guān)鍵部件如滾動(dòng)軸承、齒輪箱為研究對象，深入開展了基于字典學(xué)習(xí)理論的機(jī)械故障特征提取方法的研究，為機(jī)械設(shè)備維護(hù)提供依據(jù)。本文主要的研究工作包括三個(gè)方面：基于傳統(tǒng)字典學(xué)習(xí)的機(jī)械故障特征提取技術(shù)；基于特殊結(jié)構(gòu)字典學(xué)習(xí)的機(jī)械故障特征提??；基于設(shè)備狀態(tài)字典庫與稀疏特征的故障診斷方法。本文主要包括以下幾個(gè)方面的內(nèi)容：
　　(1)闡述了論文的課題來源和研究意義，總結(jié)機(jī)械故障特征提取方法、智

3、能診斷方法、性能退化評估方法及剩余壽命預(yù)測等方面的國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢。對信號稀疏分解與字典學(xué)習(xí)的發(fā)展歷程和研究現(xiàn)狀進(jìn)行了闡述，并總結(jié)了論文的主要研究思路。
　　(2)介紹了稀疏表征和字典學(xué)習(xí)的基本理論。詳細(xì)闡述了過完備表示、冗余字典、稀疏性度量的基本概念。在此基礎(chǔ)上，分別詳細(xì)介紹了幾種常用稀疏系數(shù)求解和字典學(xué)習(xí)的計(jì)算方法，為后續(xù)章節(jié)奠定理論基礎(chǔ)。
　　(3)首先介紹了含噪信號的稀疏表征模型以及基于KSVD字典學(xué)習(xí)的降噪

4、方法。其次闡述了滾動(dòng)軸承故障信號模型，通過軸承仿真信號驗(yàn)證了KSVD字典學(xué)習(xí)的故障特征提取能力，并分析了主要參數(shù)對字典學(xué)習(xí)降噪方法的影響。最后，考慮到KSVD算法對噪聲敏感性高，本文提出了一種基于最小熵解卷積和KSVD字典學(xué)習(xí)的故障特征提取方法，并將其應(yīng)用在滾動(dòng)軸承早期故障診斷中。
　　(4)介紹了一種具有特殊結(jié)構(gòu)的字典學(xué)習(xí)方法—移不變字典學(xué)習(xí)，并闡述了利用循環(huán)矩陣分解求解移不變字典學(xué)習(xí)的方法。然后提出了一種基于移不變字典學(xué)習(xí)的機(jī)

5、械故障特征提取方法，該方法可以有效地提取信號中周期性重復(fù)出現(xiàn)的信號特征。最后，對所述方法的可行性進(jìn)行了仿真和實(shí)驗(yàn)驗(yàn)證，并與其它常用方法進(jìn)行對比分析，驗(yàn)證了所提方法的有效性。
　　(5)提出了一種基于移不變字典相關(guān)分析的單通道盲源分離方法。該方法將移不變字典學(xué)習(xí)與字典頻域相關(guān)度分析相結(jié)合，實(shí)現(xiàn)了單通道信號的多源分離。在此基礎(chǔ)上，本文還提出了一種類類間相關(guān)系數(shù)的概念用以確定最佳的源數(shù)目。最后通過仿真分析、滾動(dòng)軸承復(fù)合故障實(shí)驗(yàn)以及齒輪箱