【摘要】： 機(jī)械故障診斷在現(xiàn)代生產(chǎn)中有著重要意義,從振動信號中提取反映機(jī)械設(shè)備振動狀態(tài)的信息和參數(shù)是故障診斷的主要方法之一。然而故障的發(fā)生和發(fā)展、設(shè)備工況的變化以及設(shè)備自身的非線性,使機(jī)械設(shè)備的動態(tài)信號表現(xiàn)出非平穩(wěn)性。傳統(tǒng)的信號處理手段是將信號假定為平穩(wěn)信號或局部平穩(wěn)信號,這種方法勢必影響到分析結(jié)果的準(zhǔn)確性。對非平穩(wěn)信號進(jìn)行準(zhǔn)確地建模,提取有用信息,抑制其他成分的干擾,將有助于提高信號的信噪比和故障診斷的質(zhì)量。 本課題在文獻(xiàn)調(diào)研和資料研究的基礎(chǔ)上,對現(xiàn)有振動信號分析和機(jī)械故障診斷技術(shù)的研究現(xiàn)狀進(jìn)行了綜合分析,提出了時變自回歸建模方法,該方法有著傳統(tǒng)非參數(shù)化時頻方法無法比擬的優(yōu)勢。并利用時變自回歸方法得到的時頻譜進(jìn)行時頻特征提取,利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障的自動診斷,大大提高了故障診斷的簡易性與準(zhǔn)確性。 針對復(fù)雜設(shè)備系統(tǒng)振動的非平穩(wěn)性,本文提出了一種新的參數(shù)化非平穩(wěn)信號處理方法,即時變自回歸(TVAR)建模方法。該方法有效地克服了傳統(tǒng)的時頻分析方法分辨率低,存在交叉項干擾等缺點,明顯提高故障診斷的準(zhǔn)確性與可靠性。不同的信號類型對應(yīng)的基函數(shù)的類型也不盡相同,如何根據(jù)信號本身的特性選擇合適的基函數(shù)目前尚沒有行之有效的方法與準(zhǔn)則,基于此本文研究了不同基函數(shù)對分析結(jié)果的影響,并最終確定了不同基函數(shù)的適用范圍。另外,模型的階數(shù)直接影響到TVAR頻率估計精度,本文還介紹了目前比較流行的模型定階準(zhǔn)則。 特征提取是當(dāng)前機(jī)械故障診斷中的瓶頸問題,它直接關(guān)系到故障診斷的準(zhǔn)確性和早期預(yù)報的可靠性。因此,借助信號處理等手段從采集的原始數(shù)據(jù)中提取特征信息,保證有效、準(zhǔn)確地進(jìn)行故障診斷,是旋轉(zhuǎn)機(jī)械故障診斷中必不可少的一個重要環(huán)節(jié)。本文介紹了基于時頻分析的故障特征提取方法與基于時頻譜的故障特征提取方法,并最終確定了基于能量分布的時頻譜特征提取方法。 實驗證明,時變自回歸算法能夠準(zhǔn)確地對非平穩(wěn)信號進(jìn)行參數(shù)化建模,得到分辨率較高的時頻譜。另外,利用基于能量分布的時頻譜特征提取技術(shù)能夠有效地提取故障特征,為下一步基于神經(jīng)網(wǎng)絡(luò)的故障自動診斷的準(zhǔn)確性提供了有利的技術(shù)保障,并結(jié)合BP神經(jīng)網(wǎng)絡(luò)進(jìn)行故障自動識別,避免了由于人為原因造成的診斷失誤。
【圖文】：

BP算法流程圖

它的頻率周期性變化；第三個信號為正弦波信號，它的頻率存在跳躍。所有的信號都是實信號并且只有一個頻率成分，，因此令模型階數(shù) p =2。分別采用LMS 算法、RLS 算法和一個極限制在單位圓上的 RLS 算法來分別對信號 1、信號 2 和信號 3 進(jìn)行時變頻率估計。LMS 算法中步長設(shè)為 0.5，RLS 算法中遺忘因子設(shè)為 0.7。采用適應(yīng)算法的結(jié)果如圖 2-1，圖 2-2 和圖 2-3。
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟宗;戴桂平;劉彬;;基于EMD時頻分析方法的性能研究[J];傳感技術(shù)學(xué)報;2006年04期

2 孫暉,朱善安;基于STFT和SVD的滾動軸承異常聲識別[J];軸承;2003年11期

3 曾珂;牛荻濤;商瑞霞;;新型隨機(jī)地震動模型[J];地震工程與工程振動;2005年06期

4 程道來,吳茜,呂庭彥,陳棟;國內(nèi)電站故障診斷系統(tǒng)的現(xiàn)狀及發(fā)展方向[J];動力工程;1999年01期

5 孫佰清,潘啟樹,馮英浚,張長勝;提高BP網(wǎng)絡(luò)訓(xùn)練速度的研究[J];哈爾濱工業(yè)大學(xué)學(xué)報;2001年04期

6 王琪;李言俊;江友誼;;基于旋轉(zhuǎn)和尺度不變性的圖像識別研究(英文)[J];紅外技術(shù);2006年10期

7 劉偉,劉光斌,毛端海;基于能量的時頻特征提取研究[J];紅外與激光工程;2004年03期

8 張桂才,史鐵林,楊叔子;基于高階統(tǒng)計量的機(jī)械故障特征提取方法研究[J];華中理工大學(xué)學(xué)報;1999年03期

9 張云;周劍利;;應(yīng)用Hilbert時頻譜和神經(jīng)網(wǎng)絡(luò)對發(fā)電機(jī)轉(zhuǎn)子故障進(jìn)行分類的方法研究[J];機(jī)床與液壓;2006年09期

10 王治華,傅惠民;回歸與時變自回歸模型[J];機(jī)械強(qiáng)度;2005年05期

本文編號：2616991