本文選題：故障診斷 + 自適應(yīng)特征尺度分解��； 參考：《湖南大學(xué)》2015年博士論文

【摘要】：旋轉(zhuǎn)機(jī)械故障診斷技術(shù)的研究有著重要的意義,其關(guān)鍵在于故障特征信息的提取。然而,旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)大都是非平穩(wěn)信號(hào)。因此,采用合適的信號(hào)分析方法從復(fù)雜的振動(dòng)信號(hào)中提取狀態(tài)特征信息一直是研究的重點(diǎn)和熱點(diǎn)。作為目前被公認(rèn)的有效非平穩(wěn)信號(hào)分析與處理手段,時(shí)頻分析方法在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域得到了廣泛應(yīng)用。近年來,小波分析(Wavelet Analysis,WA)、經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)、局部均值分解(Local Mean Decomposition,LMD)等時(shí)頻分析方法由于適合處理復(fù)雜的振動(dòng)信號(hào),均已被應(yīng)用到旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域,并取得了許多有益的研究成果。但是,這些方法都具有一定的局限性。局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)是最近提出的一種自適應(yīng)時(shí)頻分析方法。該方法在定義瞬時(shí)頻率具有物理意義的單分量信號(hào)—內(nèi)稟尺度分量(Intrinsic Scale Component,ISC)基礎(chǔ)上,通過提取數(shù)據(jù)本身的特征尺度參數(shù),可自適應(yīng)地將復(fù)雜信號(hào)分解為若干個(gè)ISC分量之和。相對(duì)EMD和LMD等方法,LCD方法在分解速度、抑制端點(diǎn)效應(yīng)和模態(tài)混疊等方面具有一定優(yōu)勢(shì)。但LCD在均值曲線定義方面還存在一些不足,同時(shí)也存在模態(tài)混疊等問題,其理論也仍需進(jìn)一步發(fā)展和完善。論文在國(guó)家自然科學(xué)基金項(xiàng)目(51075131)的資助下,對(duì)LCD方法的理論進(jìn)行了進(jìn)一步研究和完善,提出了一種新的自適應(yīng)信號(hào)分解方法—自適應(yīng)特征尺度分解(Adaptive Characteristic-scale Decomposition,ACD),并將ACD方法應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷。論文主要研究工作和創(chuàng)新點(diǎn)如下:(1)對(duì)LCD均值曲線進(jìn)行了改進(jìn)。(1)LCD均值曲線的插值點(diǎn)是由連接兩相鄰?fù)悩O值點(diǎn)的連線計(jì)算產(chǎn)生,插值點(diǎn)的屬性主要由相鄰兩同類極值點(diǎn)的屬性決定,因而可能降低分解精度。針對(duì)這一問題,提出了基于Lagrange插值的局部特征尺度分解(Lagrange Interpolation based Local Characteristic-scale Decomposition,LILCD)方法。(2)對(duì)于基于篩分的自適應(yīng)信號(hào)分解方法,定義合理的均值曲線是其關(guān)鍵所在,均值曲線定義的優(yōu)劣,對(duì)方法的精確性和有效性都有著直接的影響。針對(duì)這一問題,提出了廣義局部特征尺度分解(Generalized Local Characteristic-scale Decomposition,GLCD)方法。(2)對(duì)LCD模態(tài)混疊抑制方法進(jìn)行了研究。(1)提出了基于微分算子的局部特征尺度分解(Differential Operator based Local Characteristic-scale Decomposition,DOLCD)方法。該方法通過改變?cè)夹盘?hào)各分量的幅值比,提升LCD抑制模態(tài)混疊的能力。(2)提出了致密局部特征尺度分解(Compact Local Characteristic-scale Decomposition,CLCD)方法。該方法通過確定待分解信號(hào)的最小信號(hào)極值尺度來度量其信號(hào)尺度,再采用新增偽極值點(diǎn)均勻化信號(hào)尺度的方法,可有效地抑制模態(tài)混疊的產(chǎn)生。(3)在對(duì)LCD方法研究的基礎(chǔ)上,綜合GLCD和CLCD的優(yōu)勢(shì),并充分借鑒EMD和LCD等這類基于篩分的信號(hào)分解方法的思路,定義了一種新的瞬時(shí)頻率具有物理意義的單分量信號(hào)—內(nèi)稟致密尺度分量(Intrinsic Compact-scale Component,ICC),并提出了一種新的自適應(yīng)信號(hào)分解方法—自適應(yīng)特征尺度分解(ACD)。同時(shí),給出ICC了分量評(píng)價(jià)準(zhǔn)則。通過對(duì)ACD每階篩分中由不同均值曲線和致密系數(shù)取值得到一組不同的分解分量進(jìn)行對(duì)比,選取最優(yōu)分量作為該階篩分的ICC分量,從而保障最終分解效果優(yōu)于LCD。(4)由于廣義局部頻率解調(diào)(General Local Frequency Demodulation,GLFD)采用的平滑算法可能無法很好地反應(yīng)數(shù)據(jù)的波動(dòng)性和變化規(guī)律,尤其在廣義局部頻率(General Local Frequency,GLF)和廣義局部幅值(General Local Amplitude,GLA)的值存在突變時(shí)會(huì)出現(xiàn)較大偏差。針對(duì)這一問題,提出了改進(jìn)的廣義局部頻率解調(diào)(Improved General Local Frequency Demodulation,IGLFD)方法。該方法采用強(qiáng)局部加權(quán)回歸(Robust Locally Weighted Regression,RLWR)算法平滑GLF和GLA曲線以改進(jìn)平滑效果,通過在GLF和GLA值序列中增加偽端點(diǎn)(Pseudo-endpoint,PE)來優(yōu)化平滑跨度值的選擇。(5)采用仿真信號(hào)和實(shí)驗(yàn)數(shù)據(jù)對(duì)上述方法分別進(jìn)行驗(yàn)證,結(jié)果表明了方法的有效性。
[Abstract]:In recent years , the methods of wavelet analysis ( WA ) , Empirical Mode Decomposition ( EMD ) and Local Mean Decomposition ( LMD ) have been widely used in the field of rotating machinery fault diagnosis . ( 1 ) The interpolation point of the mean curve of the LCD is generated by the connection between two adjacent extremal points , the attribute of the interpolation point is mainly determined by the attribute of two adjacent extremal points , and the method of local characteristic scale decomposition ( LILCD ) based on the Lagrange interpolation is proposed . ( 3 ) Based on the research of LCD method , the advantages of GLCD and CLCD are integrated , and a new adaptive signal decomposition method - Adaptive Feature Scale Component ( ICC ) is proposed . A new adaptive signal decomposition method - Adaptive Feature Scale Component ( ICC ) is proposed . A new adaptive signal decomposition method called adaptive feature scale decomposition ( ACD ) is proposed .

【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 邱劍;顧兆林;王贊社;;一種改進(jìn)后的亞格子特征尺度表達(dá)式[J];計(jì)算物理;2007年06期

相關(guān)博士學(xué)位論文 前1條

1 吳占濤;自適應(yīng)特征尺度分解方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D];湖南大學(xué);2015年

，

本文編號(hào)：1870954