機(jī)械設(shè)備運(yùn)行中產(chǎn)生的振動信號中包含了豐富的故障信息,通過對其進(jìn)行處理與分析,可以得到機(jī)械設(shè)備零部件的狀態(tài)變化信息,從而判斷出機(jī)械設(shè)備或零部件的故障所在。時頻分析方法在機(jī)械故障特征提取中取得了廣泛的應(yīng)用,經(jīng)過數(shù)十年的發(fā)展歷程,已有大量的研究工作投注在多分量非平穩(wěn)信號的特征提取中,但仍然不能完全滿足實(shí)際工程應(yīng)用的需要。在此背景下,本文對小波變換、Hilbert-Huang變換(HHT)、Chirplet變換、迭代Hilbert變換(IHT)等信號分解方法,重分配譜、多窗譜等信號處理技術(shù),以及機(jī)械故障信號的消噪、解調(diào)、分解等特征提取技術(shù)進(jìn)行了深入的研究。 本文首先對具有多分辨分析特性的小波變換的理論體系進(jìn)行了研究,介紹了連續(xù)小波變換及其容許條件、二進(jìn)離散小波及其重構(gòu)條件、小波框架理論、多分辨分析原理以及Mallat算法。為解決小波變換對信號進(jìn)行分解時產(chǎn)生的頻率混疊問題,將諧波小波變換運(yùn)用在信號的特征提取中。分析了諧波小波系數(shù)所特有的幅頻保持特性,提出了用諧波小波系數(shù)來構(gòu)造改進(jìn)的諧波小波時頻圖,并通過推導(dǎo)得出,改進(jìn)后的諧波小波時頻圖的時頻剖面圖,即為該剖面對應(yīng)頻帶范圍內(nèi)信號分量的包絡(luò)。仿真和應(yīng)用表明了諧波小波多分量信號解調(diào)方法的有效性。 由于小波變換對于局部沒有自適應(yīng)性,因此會造成泄漏,從而使信號呈現(xiàn)出全局較為光滑,本文接下來對Hilbert Huang變換(HHT)進(jìn)行了深入研究。針對EMD方法缺乏嚴(yán)格的正交性的問題,介紹了EMD過程的施密特正交化方法,指出其并沒有從根本上實(shí)現(xiàn)EMD的正交化。接下來分析了用帶通濾波方法來獲得IMF的可行性,進(jìn)而提出了基于解析帶通濾波的正交化經(jīng)驗(yàn)?zāi)B(tài)分解(OEMD)方法,并從理論上證明了它的完備性和正交性,然后提出了OEMD的快速實(shí)現(xiàn)算法——IMF折半搜索法。在諧波檢測和奇異信號檢測的應(yīng)用實(shí)例表明,OEMD成功地解決了模態(tài)混疊和虛假模態(tài)等問題。在轉(zhuǎn)子實(shí)驗(yàn)臺和齒輪箱故障診斷中的應(yīng)用表明,OEMD無論是對于平穩(wěn)信號還是非平穩(wěn)信號都具有很好的分析效果。 Chirplet變換是對小波變換的擴(kuò)展。本文首先介紹了Chirplet變換的原理及Chirplet自適應(yīng)分解方法,并通過仿真實(shí)驗(yàn)驗(yàn)證了Chirplet自適應(yīng)分解在表征信號內(nèi)部結(jié)構(gòu)方面的優(yōu)越性。針對強(qiáng)噪聲背景下的信號特征提取問題,介紹了Chirplet最佳路徑追蹤算法,并指出了Chirplet變換與最佳路徑追蹤算法相結(jié)合提取信號分量方法的不足之處。針對這一問題,提出了將EMD與Chirplet最佳路徑追蹤算法相結(jié)合,以從強(qiáng)噪聲背景中提取出復(fù)雜多分量信號的方法。仿真實(shí)驗(yàn)表明了該方法的有效性和可行性,并將其應(yīng)用到輸油泵振動信號的分析中,得到了正確的故障診斷結(jié)果。 解調(diào)分析是機(jī)械故障特征提取中常用且有效的分析方法。本文對多分量信號的解調(diào)分析進(jìn)行了深入研究。介紹了常用解調(diào)方法及其局限性,接下來介紹了迭代Hilbert變換(IHT)對多分量信號的建模方法,迭代求解信號各分量的幅值包絡(luò)和瞬時頻率的步驟,闡明了迭代Hilbert變換中濾波器的具體設(shè)計方法。通過理論分析表明,直接利用變換過程中得到的相位信號的導(dǎo)數(shù)來求各分量的瞬時頻率具有一定的局限性,并提出了一種平滑的瞬時頻率估計(SIFE)方法,且通過仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性。將IHT和SIFE用于滾動軸承的早期故障診斷中,取得了較好的分析效果,從而為機(jī)械故障診斷提供了一種新的手段。 時頻譜重分配能顯著提高二次時頻表示的時頻聚集性,而多窗譜則具有優(yōu)良的估計方差。研究了時頻重分配技術(shù)的原理和性質(zhì),并介紹了各種不同時頻譜和尺度譜的重分配形式,接下來通過仿真表明了其在時頻聚集性方面的優(yōu)越性,并將其應(yīng)用到機(jī)械故障信息提取中,實(shí)際應(yīng)用表明了時頻重分配技術(shù)在多分量信號特征提取中的有效性。介紹了Thomson多窗譜估計方法,并介紹了其在非平穩(wěn)信號分析中的推廣。將重分配譜和多窗譜相結(jié)合,能保持各自的優(yōu)點(diǎn),實(shí)現(xiàn)從強(qiáng)噪聲背景中提取出信號的特征信息。利用該方法對轉(zhuǎn)軸不對中故障、滾動軸承外圈故障及齒輪箱故障進(jìn)行分析,并和重分配譜圖進(jìn)行比較,表明了該方法在機(jī)械故障特征提取中的有效性。 文章最后對全文工作進(jìn)行了總結(jié),并展望了下一步的研究方向。
【學(xué)位單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2008
【中圖分類】：TH17
【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題來源
    1.2 課題研究的背景與意義
    1.3 相關(guān)技術(shù)介紹及研究現(xiàn)狀
    1.4 本文的主要研究內(nèi)容和創(chuàng)新
2 基于小波變換的特征提取技術(shù)
    2.1 引言
    2.2 小波變換理論基礎(chǔ)
        2.2.1 連續(xù)小波變換
        2.2.2 離散化的小波變換
        2.2.3 多分辨分析
        2.2.4 小波變換對信號特征的提取
    2.3 諧波小波對信號的解調(diào)分析
        2.3.1 諧波小波的定義
        2.3.2 諧波小波的快速算法
        2.3.3 改進(jìn)諧波小波時頻圖的構(gòu)建方法
        2.3.4 諧波小波的解調(diào)特性
        2.3.5 實(shí)例分析
    2.4 本章小結(jié)
3 EMD 正交化及其在故障特征提取中的應(yīng)用
    3.1 引言
    3.2 EMD 方法
        3.2.1 固有模態(tài)函數(shù)
        3.2.2 EMD 過程
    3.3 EMD 的近似正交性及其正交化方法
        3.3.1 EMD 的近似正交性
        3.3.2 EMD 的施密特正交化
        3.3.3 仿真及實(shí)例分析
    3.4 正交經(jīng)驗(yàn)?zāi)B(tài)分解及其快速實(shí)現(xiàn)
        3.4.1 正交經(jīng)驗(yàn)?zāi)B(tài)分解的理論依據(jù)
        3.4.2 OEMD 的實(shí)現(xiàn)方法
        3.4.3 應(yīng)用與比較
    3.5 本章小結(jié)
4 基于 Chirplet 變換的特征提取技術(shù)
    4.1 引言
    4.2 Chirplet 變換的原理
    4.3 基于 Chirplet 的自適應(yīng)信號分解
        4.3.1 自適應(yīng)Chirplet 分解
        4.3.2 實(shí)例分析
    4.4 Chirplet 變換與最佳統(tǒng)計路線追蹤降噪
        4.4.1 多尺度chirplet 和chirplet 圖
        4.4.2 GLRT 檢驗(yàn)
        4.4.3 最佳路徑算法
        4.4.4 仿真分析
    4.5 基于 EMD 和 Chirplet 變換的特征提取
        4.5.1 基于 EMD 和 Chirplet 變換的特征提取原理
        4.5.2 仿真及實(shí)例分析
    4.6 本章小結(jié)
5 基于迭代 Hilbert 變換的多分量解調(diào)方法研究
    5.1 引言
    5.2 常用解調(diào)方法及其局限性
        5.2.1 Hilbert 解調(diào)
        5.2.2 Teager 能量算子解調(diào)
    5.3 IHT 的原理
        5.3.1 信號的正弦模型
        5.3.2 多分量的AM-FM 分解
    5.4 瞬時頻率的精確計算
        5.4.1 直接計算瞬時頻率的局限性
        5.4.2 平滑的瞬時頻率估計
        5.4.3 仿真與比較
    5.5 IHT 及SIFE 在機(jī)械故障診斷中的應(yīng)用
    5.6 本章小結(jié)
6 重分配譜和多窗譜在特征提取中的應(yīng)用
    6.1 引言
    6.2 重分配譜及其在機(jī)械故障特征提取中的應(yīng)用
        6.2.1 時間－頻率分布的重分配方法
        6.2.2 時間－尺度分布的重分配方法
        6.2.3 時頻重分配在機(jī)械故障特征提取中的應(yīng)用
    6.3 多窗譜估計方法
        6.3.1 Thomson 多窗譜估計
        6.3.2 多窗譜在非平穩(wěn)信號分析中的推廣
    6.4 重分配譜圖和多窗譜結(jié)合特征提取
        6.4.1 重分配譜圖和多窗譜結(jié)合特征提取方法
        6.4.2 仿真及應(yīng)用
    6.5 本章小結(jié)
7 總結(jié)和展望
    7.1 本文工作總結(jié)
    7.2 研究展望
致謝
參考文獻(xiàn)
附錄
    A. 作者在攻讀博士學(xué)位期間發(fā)表的論文目錄:
    B. 作者在攻讀博士學(xué)位期間撰寫的專著:
    C. 作者在攻讀博士學(xué)位期間參加的科研項目:

【引證文獻(xiàn)】

相關(guān)期刊論文 前1條

1 姜軍生;林近山;;基于迭代的集總經(jīng)驗(yàn)?zāi)Ｊ椒纸馑惴ǖ凝X輪箱故障特征提取[J];機(jī)械傳動;2011年12期

相關(guān)博士學(xué)位論文 前2條

1 蔣永華;旋轉(zhuǎn)機(jī)械非平穩(wěn)信號微弱特征提取方法研究[D];重慶大學(xué);2010年

2 鞠萍華;旋轉(zhuǎn)機(jī)械早期故障特征提取的時頻分析方法研究[D];重慶大學(xué);2010年

相關(guān)碩士學(xué)位論文 前2條

1 崔喜賀;發(fā)動機(jī)振動診斷虛擬儀器系統(tǒng)的研究[D];河北農(nóng)業(yè)大學(xué);2011年

2 李穎;基于LabVIEW電動機(jī)振動檢測系統(tǒng)的研究[D];河北農(nóng)業(yè)大學(xué);2012年

本文編號：2858832