本文關(guān)鍵詞： 滾動軸承 故障診斷 約束獨立分量 多小波 冗余提升　出處：《電子科技大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：當(dāng)今,科學(xué)技術(shù)的發(fā)展日新月異,各種先進的旋轉(zhuǎn)機械設(shè)備不斷朝著復(fù)雜、高速、重載和精密的方向發(fā)展。此類設(shè)備通常應(yīng)用于電力、冶金、石化等國民經(jīng)濟重要的支柱性產(chǎn)業(yè)中,其在運營當(dāng)中面臨著嚴(yán)苛的工作環(huán)境。滾動軸承做為旋轉(zhuǎn)機械的重要組成部分,具有極為廣泛的應(yīng)用,也是一種最容易失效的部件。旋轉(zhuǎn)機械設(shè)備在運行過程當(dāng)中,一旦滾動軸承發(fā)生故障,輕則可能破壞整臺設(shè)備,影響正常生產(chǎn)經(jīng)營,直接導(dǎo)致巨額經(jīng)濟損失;重則可能造成災(zāi)難性的后果,發(fā)生人員傷亡及設(shè)備損毀事件,對社會產(chǎn)生極為嚴(yán)重的負(fù)面影響。因此,如何在現(xiàn)有機械故障診斷方法的基礎(chǔ)上加以創(chuàng)新和提高,不斷地豐富和發(fā)展機械故障診斷技術(shù),真正做到對事故的早期預(yù)警,具有極為重要的意義。對滾動軸承在運轉(zhuǎn)過程中產(chǎn)生的振動信號進行分析是滾動軸承故障診斷的主要方法之一,其過程主要包括以下三個步驟:1)采集故障振動信號;2)提取故障特征;3)故障類型識別。在此過程中,最為關(guān)鍵的一步就是如何從采集的觀測信號中提取出滾動軸承的故障特征信息。本文以滾動軸承為研究對象,采用先進的信號處理工具:約束獨立分量分析和多小波分析方法,對滾動軸承故障特征信號的提取進行了相關(guān)研究,其主要研究內(nèi)容如下:(1)針對滾動軸承在運轉(zhuǎn)期間故障信號往往具有周期性沖擊的特點,根據(jù)源信號的統(tǒng)計獨立性和期望信號的某些先驗信息,選用基于方波參考信號的約束獨立分量分析方法來提取滾動軸承的故障信號。給出了約束獨立分量分析方法中選取參考信號應(yīng)滿足的必要條件�；诜讲▍⒖夹盘柕募s束獨立分量分析算法以Fast ICA算法為基礎(chǔ),將與滾動軸承的故障特征頻率相等的方波參考信號作為約束條件,使得算法朝著期望信號的方向收斂。鑒于經(jīng)典Fast ICA算法只具備二階收斂速度,為了提高算法運算效率,對經(jīng)典Fast ICA算法的基礎(chǔ)上,引入了一種五階收斂速度的牛頓迭代格式,使得改進后的約束獨立分量分析算法具有五階收斂速度。仿真和試驗結(jié)果表明,基于方波參考信號的約束獨立分量分析方法能夠很好地提取滾動軸承的故障特征信號,并且在算法收斂速度方面要快于傳統(tǒng)的Fast ICA算法。(2)以Fast ICA算法為基礎(chǔ),提出了基于滾動軸承故障理論模型的約束獨立分量分析算法。該算法是通過滾動軸承故障理論模型生成參考信號。盡管故障理論模型與實際故障并不完全一致,但模型誤差卻不影響算法朝著期望信號的方向收斂。與基于方波參考信號約束獨立分量分析算法相比,縮短了算法運行時間,主要原因在于滾動軸承故障理論模型比方波信號更接近于故障信號。(3)以健壯獨立分量分析算法為基礎(chǔ),結(jié)合故障信號的某些先驗信息,提出了約束健壯獨立分量分析方法。該算法通過引入期望信號與參考信號的接近性函數(shù),提出了約束健壯獨立分量分析對比函數(shù)。與傳統(tǒng)的基于峭度的Fast ICA算法相比,該算法的優(yōu)點是:1)通過引入?yún)⒖夹盘?使得該算法能夠直接朝著期望信號的方向收斂,提高了算法的運算效率;2)通過引入最優(yōu)步長技術(shù),使得每一次迭代運算都有全局最優(yōu)解;3)由于該算法對于輸入信號無需進行預(yù)白化處理,縮短了算法的運算時間。仿真和試驗結(jié)果表明該算法不論是在運行速度方面還是在算法精度方面都要優(yōu)于傳統(tǒng)的基于峭度的Fast ICA算法。(4)提出了一種多小波預(yù)處理的約束獨立分量分析算法。該算法對初始信號先期進行多小波降噪處理以提高信號的信噪比。之后應(yīng)用約束獨立分量分析方法提取故障特征信號。與小波獨立分量分析(W-ICA)算法相比較,該算法優(yōu)勢如下:1)采用多小波降噪技術(shù),比傳統(tǒng)的單小波降噪效果更加明顯,原因在于多小波具有單小波不能同時具有的對稱性、緊支性、正交性和高階消失矩等特點;2)引入方波參考信號,使得算法直接收斂于期望信號。仿真和試驗結(jié)果表明多小波降噪效果要優(yōu)于單小波降噪,多小波預(yù)處理的約束獨立分量分析比小波獨立分量分析(W-ICA)算法運算效率更高。(5)針對多小波所具有多個小波函數(shù)的特性,在機械設(shè)備復(fù)合故障診斷過程中多小波可同時匹配多個故障特征信號,因此具備了一次性提取出多個故障特征信息的能力。在多小波理論基礎(chǔ)上,提出了提升多小波包算法。以最小化信號殘差為目標(biāo)函數(shù),對提升框架的預(yù)測算子和更新算子進行優(yōu)化,實現(xiàn)了提升小波基自適應(yīng)地匹配輸入信號。并且對輸出信號進行Hilbert變換處理,能夠同時輸出多個故障信號,一次性提取復(fù)合故障。應(yīng)用該方法提取滾動軸承內(nèi)圈-滾動體和外圈-滾動體兩種復(fù)合故障信號,試驗結(jié)果表明該方法是可行的、有效的。
[Abstract]:......
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TH133.33

【參考文獻】

相關(guān)期刊論文 前10條

1 孫友偉;蘇少華;;基于獨立分量分析的電力線物聯(lián)網(wǎng)去噪[J];西安郵電大學(xué)學(xué)報;2015年06期

2 鐘麗莉;熊興中;;基于峭度的獨立分量算法的性能分析研究[J];四川理工學(xué)院學(xué)報(自然科學(xué)版);2014年04期

3 瞿金秀;張周鎖;何正嘉;;基于多小波包和鄰域粗糙集的故障診斷模型[J];振動.測試與診斷;2013年S1期

4 趙志宏;楊紹普;申永軍;;基于獨立分量分析與相關(guān)系數(shù)的機械故障特征提取[J];振動與沖擊;2013年06期

5 唐先廣;郭瑜;丁彥春;;基于獨立分量分析與希爾伯特-黃變換的軸承故障特征提取[J];振動與沖擊;2011年10期

6 蘇國東;黃小紅;陳曾平;;基于獨立分量分析的ISAR圖像特征提取方法[J];火力與指揮控制;2011年03期

7 張石;趙淼;王明全;吳春俐;;基于改進ICA算法的胎兒心電信號提取[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年01期

8 呂釗;吳小培;張超;李密;;卷積噪聲環(huán)境下語音信號魯棒特征提取[J];聲學(xué)學(xué)報;2010年04期

9 張波;謝松云;趙海濤;;一種改進ICA算法在腦功能區(qū)提取中的應(yīng)用[J];計算機仿真;2010年01期

10 方子帆;舒剛;何孔德;趙新澤;;齒輪傳動多體接觸動力學(xué)模型[J];機械傳動;2009年01期

，

本文編號：1502308