自適應形態(tài)濾波與局域波分解理論及滾動軸承故障診斷
發(fā)布時間:2017-12-29 19:17
本文關鍵詞:自適應形態(tài)濾波與局域波分解理論及滾動軸承故障診斷 出處:《中北大學》2013年博士論文 論文類型:學位論文
更多相關文章: 多結構形態(tài)濾波 局域波分解 端點匹配 特征波延拓 能量守恒及相關分析 形態(tài)及移頻變換 模糊聚類 軸承 故障診斷
【摘要】:振動信號是滾動軸承運行狀態(tài)的信息載體,周期性重復沖擊及幅值調制是滾動軸承在缺陷與故障時的核心特征,這兩者均有一個共同的特點,即不僅與時間有關,而且與頻率也密切相關,因此如果割裂時頻特征,僅僅從時域或頻域的角度分析這類信號,則很難獲得有關信號特征的全貌,而從聯(lián)合的時頻域的角度來識別這類信號,無疑會提高診斷的準確性和可靠性。另外強背景噪聲及沖擊振動也是滾動軸承振動信號不可忽視的特點,因此本文擬采用自適應形態(tài)濾波法,以滾動軸承的故障特征頻率為判據構造自適應多結構多尺度形態(tài)濾波器進行背景噪聲的濾除及沖擊信號的提取,在此基礎上結合局域波分解法對滾動軸承振動信號進行處理,進而提取有效的特征參量局域波相關尺度熵,最后利用模糊聚類的方法對滾動軸承的運行狀態(tài)進行識別,主要工作如下: (1)數(shù)學形態(tài)學摒棄了傳統(tǒng)數(shù)值建模及分析的觀點,從集合的角度刻畫和分析被處理信號,設計了一個“探針”(結構元素)的來探測信號的信息,利用該探針在被處理信號中不斷平移,完成信號與結構元素間的匹配,達到信號提取、細節(jié)保持和噪聲抑制的目的。按照振動信號處理中頻響函數(shù)測量原理,研究了結構元素寬度、采樣頻率、分析點數(shù)與濾波特性間的定量關系,給出了數(shù)學形態(tài)濾波器特性的定量描述。提出一種自適應多結構多尺度形態(tài)組合濾波方法,詳細討論自適應多結構多尺度結構元素的構造,以被處理信號的特征頻率強度系數(shù)為判據,利用敏感的結構元素組合出多尺度多結構的自適應均值濾波器,取得了較好的低頻信號提取效果。 (2)局域波法是基于信號局部特征的自適應時變分解算法,其分解過程就是把被處理信號分解成多個IMF分量和一個趨勢項的和,且局域波分解的基函數(shù)是根據被處理信號自適應產生,因此具有良好的信號局部表征能力。在詳細分析局域波分解產生端點效應機理的基礎上,提出了端點匹配特征波延拓抑制端點效應的方法,該方法在波形匹配過程中充分考慮了被處理信號端點處的數(shù)據特性,將載入數(shù)據的首末端點處的數(shù)據作為匹配基元,從而改變了端點處不受約束的狀況,仿真測試結果表明有效抑制了端點效應。 (3)按照局域波分解的完備性、能量守恒及虛假分量的性質,檢驗并去除虛假分量,抵消主導模態(tài)分量中的誤差分量,針對局域波分解過程中虛假分量的產生機理,本文提出基于能量守恒及相關分析的抗虛假分量方法,利用相關分析判別信號的主導模態(tài)分量,,結合能量守恒原理,給出了虛假分量屬性判別依據及模態(tài)更新的原則; (4)根據模態(tài)混疊不同的產生機理,本文提出形態(tài)運算及移頻變換抗模態(tài)混疊方法,形態(tài)運算是有效提取間斷信號、脈沖干擾強有力的工具,因此提出基于形態(tài)運算抗異常事件引起的模態(tài)混疊方法,仿真結果表明形態(tài)運算對脈沖干擾,間斷信號引起的模態(tài)混疊能起到理想的效果;移頻變換有效解決了由于信號間相互作用導致模態(tài)混疊問題,通過多組數(shù)據處理發(fā)現(xiàn)當復合信號滿足局域波分解的充分條件二時,充分條件一可放寬到120.95,利用本文提出的方法都能有效提取出與原組分匹配的IMF分量,圓滿完成局域波的分解過程。 (5)對實測的不同運行狀態(tài)下滾動軸承的振動信號進行自適應形態(tài)濾波與局域波分解,在此基礎上利用模糊聚類的方法,提取局域波相關特征尺度熵,進行極值歸一化及標定處理,然后改造為等價模糊關系矩陣完成聚類分析。該方法簡單實用,是滾動軸承故障診斷較為有效的方法。 以上研究工作在一定程度上豐富和完善了形態(tài)濾波與局域波分解方法,診斷應用表明本文提出的方法能有效區(qū)分不同運行狀態(tài),解決實際問題。
[Abstract]:......
【學位授予單位】:中北大學
【學位級別】:博士
【學位授予年份】:2013
【分類號】:TH165.3;TH133.33
【引證文獻】
相關碩士學位論文 前2條
1 董安;基于形態(tài)濾波和灰色理論的柴油機故障診斷研究[D];中北大學;2014年
2 扈玉辰;基于LMD和循環(huán)平穩(wěn)解調的齒輪箱故障診斷技術[D];中北大學;2014年
本文編號:1351507
本文鏈接:http://sikaile.net/kejilunwen/jixiegongcheng/1351507.html