發(fā)布時(shí)間：2019-01-22 11:04

【摘要】：針對(duì)轉(zhuǎn)子故障診斷問題,提出一種基于變分模態(tài)分解(variational mode decomposition,簡(jiǎn)稱VMD)的信號(hào)處理方法。該方法在獲取分解分量的過(guò)程中通過(guò)迭代搜尋變分模型最優(yōu)解來(lái)確定每個(gè)分量的頻率中心及帶寬,從而能夠自適應(yīng)地實(shí)現(xiàn)信號(hào)的頻域剖分及各分量的有效分離,對(duì)各單分量信號(hào)進(jìn)行希爾伯特變換,即可得到瞬時(shí)的頻率和幅值信息。對(duì)仿真信號(hào)和典型轉(zhuǎn)子故障信號(hào)進(jìn)行VMD方法和經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,簡(jiǎn)稱EMD)方法的分析比較,以驗(yàn)證所提方法的有效性。仿真信號(hào)的分解結(jié)果表明,變分模態(tài)能夠準(zhǔn)確分離出信號(hào)中的固有模態(tài)分量且不存在模態(tài)混疊;轉(zhuǎn)子故障實(shí)驗(yàn)信號(hào)的分析結(jié)果表明,所提方法能夠有效提取出明顯的故障特征,從而準(zhǔn)確診斷出轉(zhuǎn)子存在的故障。
[Abstract]:A signal processing method based on variational mode decomposition (variational mode decomposition,) is proposed for rotor fault diagnosis. In the process of obtaining decomposed components, the frequency center and bandwidth of each component can be determined by iterative search for the optimal solution of the variational model, so that the frequency domain partition and the effective separation of each component can be realized adaptively. The instantaneous frequency and amplitude information can be obtained by Hilbert transform of each single component signal. The simulation signal and typical rotor fault signal are analyzed and compared with the VMD method and the empirical mode decomposition (EMD) method to verify the effectiveness of the proposed method. The decomposition results of the simulation signal show that the variational mode can accurately separate the inherent modal components of the signal and there is no mode aliasing. The analysis results of rotor fault test signals show that the proposed method can extract obvious fault features effectively and diagnose the rotor faults accurately.
【作者單位】： 華北電力大學(xué)機(jī)械工程系;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51675178,51475164)
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫斌;尚達(dá);;復(fù)雜網(wǎng)絡(luò)在轉(zhuǎn)子故障診斷中的應(yīng)用[J];振動(dòng).測(cè)試與診斷;2012年06期

2 張宏輝;唐錫寬;;基于知識(shí)的轉(zhuǎn)子故障診斷系統(tǒng)的研究[J];振動(dòng)、測(cè)試與診斷;1996年02期

3 張?zhí)?蔣桂林;李新春;陸利威;;基于基座多振動(dòng)信號(hào)融合的轉(zhuǎn)子故障診斷[J];機(jī)械工程師;2010年05期

4 孫斌;薛廣鑫;;基于等距特征映射和支持矢量機(jī)的轉(zhuǎn)子故障診斷方法[J];機(jī)械工程學(xué)報(bào);2012年09期

5 畢云龍;;回轉(zhuǎn)機(jī)械轉(zhuǎn)子故障診斷及計(jì)算機(jī)識(shí)別介紹[J];石油化工設(shè)備技術(shù);1988年04期

6 陳果;;一種改進(jìn)的諧波小波及其在轉(zhuǎn)子故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2011年01期

7 裴小亮;林田;;多征兆信息融合理論在轉(zhuǎn)子故障診斷中的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2011年10期

8 何杉;;基于圓形視圖的轉(zhuǎn)子故障診斷新方法[J];中國(guó)設(shè)備工程;2013年03期

9 李巍華;史鐵林;楊叔子;;基于核函數(shù)估計(jì)的轉(zhuǎn)子故障診斷方法[J];機(jī)械工程學(xué)報(bào);2006年09期

10 鄒劍,陳進(jìn),牛軍川,宋孔杰,耿遵敏;基于幅值與相角小波映射的裂紋轉(zhuǎn)子故障診斷[J];機(jī)械工程學(xué)報(bào);2003年02期

相關(guān)會(huì)議論文 前4條

1 陳果;;一類分類方法在轉(zhuǎn)子故障診斷中的應(yīng)用研究[A];第二十一屆全國(guó)振動(dòng)與噪聲高技術(shù)及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

2 王冉;陳進(jìn);;支持向量機(jī)決策樹分類器在轉(zhuǎn)子故障診斷中的應(yīng)用[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

3 劉曉波;沈亮霓;;基于分形盒維數(shù)的裂紋轉(zhuǎn)子故障診斷的實(shí)驗(yàn)研究[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

4 劉曉波;馬善紅;;基于分形盒維數(shù)的裂紋轉(zhuǎn)子故障診斷[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

相關(guān)碩士學(xué)位論文 前4條

1 劉江煒;聚類算法在轉(zhuǎn)子故障診斷中的應(yīng)用[D];西安工業(yè)大學(xué);2015年

2 龔海鵬;小波變換在轉(zhuǎn)子故障診斷中若干問題的研究[D];上海交通大學(xué);2008年

3 于昊;基于LMD和HMM的轉(zhuǎn)子故障診斷方法[D];蘭州理工大學(xué);2012年

4 孟昭燃;智能優(yōu)化算法在轉(zhuǎn)子故障診斷中的應(yīng)用方法研究[D];蘭州理工大學(xué);2014年

，

本文編號(hào)：2413159