【摘要】：現(xiàn)代工業(yè)生產(chǎn)中,滾動(dòng)軸承在旋轉(zhuǎn)類機(jī)械中發(fā)揮著極其重要的作用。然而,重大機(jī)械裝備在工作時(shí)常常面臨著工作載荷多變、工況復(fù)雜、轉(zhuǎn)速高等復(fù)雜的情況,使得軸承在這種環(huán)境下的故障發(fā)生概率大大地增加。由于軸承故障信息會(huì)在機(jī)械振動(dòng)信號(hào)中有所體現(xiàn),因此對(duì)設(shè)備運(yùn)轉(zhuǎn)過(guò)程中產(chǎn)生的振動(dòng)信號(hào)進(jìn)行監(jiān)測(cè)與分析,就能夠最大限度地挖掘設(shè)備的工作潛力,提前定位以及預(yù)示故障、了解故障產(chǎn)生的機(jī)理并及時(shí)針對(duì)機(jī)械故障采取相應(yīng)的措施,減小或盡可能避免故障所帶來(lái)的一些不必要的損失。機(jī)械設(shè)備運(yùn)轉(zhuǎn)過(guò)程中的狀態(tài)信息、故障信息都可以通過(guò)振動(dòng)信號(hào)的形式加以表現(xiàn)。傳統(tǒng)的信號(hào)采集方式主要依賴于香農(nóng)-奈奎斯特采樣定理,但該理論一個(gè)致命的缺陷是受制于被采信號(hào)頻率,如果在高轉(zhuǎn)速設(shè)備中依舊使用該定理采樣,不僅對(duì)采樣設(shè)備提出更高的要求,而且,即使在采樣設(shè)備滿足的條件下,也勢(shì)必會(huì)產(chǎn)生海量的數(shù)據(jù),這對(duì)于后續(xù)數(shù)據(jù)的傳輸,存儲(chǔ)和處理都帶來(lái)了巨大的壓力。2006年以來(lái),壓縮感知理論的提出,顛覆了傳統(tǒng)的香農(nóng)-奈奎斯特采樣理論對(duì)采樣頻率要求的限制,不僅實(shí)現(xiàn)了采樣與壓縮同時(shí)進(jìn)行,還可以對(duì)信號(hào)進(jìn)行準(zhǔn)確重構(gòu)恢復(fù)。壓縮感知理論主要有稀疏表示、測(cè)量矩陣的設(shè)計(jì)以及重構(gòu)方法三部分組成,其中重構(gòu)方法是其中的一個(gè)重要環(huán)節(jié),為此,本文以軸承振動(dòng)信號(hào)為對(duì)象,對(duì)重構(gòu)算法及其重構(gòu)精度的改善進(jìn)行了分析與研究,所取得的主要研究成果如下:(1)對(duì)壓縮感知理論和信號(hào)波形檢測(cè)理論進(jìn)行了研究。相比于傳統(tǒng)的香農(nóng)-奈奎斯特采樣理論隨著信號(hào)頻帶越來(lái)越寬,如果繼續(xù)對(duì)信號(hào)進(jìn)行采樣必然會(huì)帶來(lái)海量的數(shù)據(jù)和巨大的計(jì)算量,壓縮感知理論能夠突破這種限制,減少采樣數(shù)據(jù)量,為振動(dòng)信號(hào)的處理與檢測(cè)創(chuàng)造有利條件。通過(guò)對(duì)信號(hào)波形檢測(cè)理論的研究,將其運(yùn)用到基于壓縮感知理論的重構(gòu)算法對(duì)信號(hào)的重構(gòu)過(guò)程中,從而提高信號(hào)的重構(gòu)精度,減小重構(gòu)誤差。(2)由于采集到的滾動(dòng)軸承振動(dòng)信號(hào)一般都含有多種干擾信息,且具有隨機(jī)性、非平穩(wěn)性的特點(diǎn),因此不宜直接提取特征應(yīng)用于后續(xù)的分析處理。鑒于壓縮感知理論在信號(hào)處理方面優(yōu)秀的表現(xiàn)能力,結(jié)合局部均值方法(LMD)以及主成分分析法(PCA)在特征提取方面的優(yōu)越性,提出了一種基于局部均值方法和主成分分析方法的振動(dòng)信號(hào)壓縮域的故障特征提取方法。首先運(yùn)用LMD對(duì)信號(hào)的壓縮測(cè)量值進(jìn)行分解獲得信號(hào)的壓縮測(cè)量值不同的PF分量,同時(shí)運(yùn)用主成分分析方法對(duì)信號(hào)壓縮測(cè)量值進(jìn)行故障信息的分析研究。通過(guò)理論分析和仿真實(shí)驗(yàn)結(jié)果表明,在相同條件下用上述方法基于信號(hào)的壓縮測(cè)量值進(jìn)行故障的研究分析,能夠準(zhǔn)確地表現(xiàn)出來(lái)。(3)針對(duì)傳統(tǒng)的重構(gòu)算法在進(jìn)行振動(dòng)信號(hào)的重構(gòu)時(shí),總是先匹配能量較大的信號(hào)成分,而對(duì)于蘊(yùn)含有機(jī)械設(shè)備故障信息的能量較小的信號(hào)成分可能被忽略,從而造成重構(gòu)信號(hào)丟失重要關(guān)鍵信息的問(wèn)題,提出了一種基于奈曼-皮爾遜(Neyman-Pearson)準(zhǔn)則的振動(dòng)信號(hào)壓縮測(cè)量值的檢測(cè)與重構(gòu)方法。第一步,用隨機(jī)高斯測(cè)量矩陣對(duì)樣本信號(hào)進(jìn)行線性壓縮測(cè)量得到低維的壓縮測(cè)量值;第二步,基于奈曼-皮爾遜準(zhǔn)則對(duì)壓縮測(cè)量值進(jìn)行檢測(cè),得到影響信號(hào)重構(gòu)誤差的最佳參數(shù);第三步,重構(gòu)算法選用分段正交匹配追蹤算法對(duì)基于壓縮測(cè)量值的信號(hào)進(jìn)行重構(gòu)恢復(fù)。仿真實(shí)驗(yàn)結(jié)果表明:與傳統(tǒng)的經(jīng)典正交匹配追蹤算法(OMP)和分段正交匹配追蹤算法(StOMP)相比,本文所提的方法能夠大大減小信號(hào)的重構(gòu)誤差,更能準(zhǔn)確地恢復(fù)原始振動(dòng)信號(hào)。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH133.33
【圖文】：

精確地恢復(fù)原始振動(dòng)信號(hào)繼而影響到對(duì)振動(dòng)信號(hào)的后續(xù)處理進(jìn)程。如果能夠被精確地恢復(fù)，則后續(xù)處理能夠得到正確的結(jié)果，如果振動(dòng)信號(hào)被差較大，則后續(xù)處理很可能得到錯(cuò)誤的結(jié)果。傳統(tǒng)的重構(gòu)算法常常采用算法，其在對(duì)振動(dòng)信號(hào)進(jìn)行重構(gòu)恢復(fù)的過(guò)程中，總是先匹配能量較大的于能量較小部分最后可能被忽略，造成重構(gòu)誤差，從而引起重構(gòu)信號(hào)與差異，造成振動(dòng)信號(hào)一些關(guān)鍵信息的丟失。針對(duì)這一問(wèn)題，為了減小重本章首先基于奈曼-皮爾遜準(zhǔn)則對(duì)振動(dòng)信號(hào)的壓縮測(cè)量值進(jìn)行檢測(cè)，之后段正交匹配追蹤算法(StOMP)進(jìn)行重構(gòu)，仿真實(shí)驗(yàn)表明，該方法能夠大構(gòu)誤差，精確恢復(fù)原振動(dòng)信號(hào)。機(jī)械振動(dòng)信號(hào)壓縮測(cè)量值檢測(cè)與重構(gòu)方法整體方案設(shè)計(jì)對(duì)傳統(tǒng)的貪婪迭代重構(gòu)算法在匹配時(shí)可能會(huì)忽略能量比較小的信號(hào)，而比較小的信號(hào)部分可能蘊(yùn)含著有關(guān)機(jī)械設(shè)備故障的關(guān)鍵信息，為此，本一種基于奈曼-皮爾遜準(zhǔn)則的機(jī)械振動(dòng)信號(hào)壓縮測(cè)量值的檢測(cè)與重構(gòu)方的流程圖如圖 4.1 所示。

振動(dòng)信號(hào)的稀疏表示

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬志強(qiáng),司國(guó)東,李柏林;將領(lǐng)域與顯示分離重構(gòu)方法的應(yīng)用研究[J];信息技術(shù);2005年05期

2 劉紅普;王笛;;三維曲面重構(gòu)方法分析[J];企業(yè)技術(shù)開發(fā);2012年35期

3 莫軍;朱海;郭正東;;基于三次樣條插值重構(gòu)方法對(duì)西太平洋海洋要素時(shí)空分布的分析[J];海洋通報(bào);2008年04期

4 張丹;董雷剛;劉雅U

本文編號(hào)：2732938