快速非平稳信号分析诊断与应用

发布时间：2017-03-24 11:00

  本文关键词：快速非平稳信号分析诊断与应用，，由笔耕文化传播整理发布。

【摘要】：非平稳信号广泛存在于自然界中,比如机械设备一旦出现故障时就会导致动态信号非平稳现象的出现。传统时频分析方法在不同的角度上对非平稳信号进行了分解,但是各自的缺陷却很难使其根据信号本身的特点实现自适应分解,而且很难达到分析所需要的精度。针对非平稳信号特点后来出现了经验模态分解方法,开辟了一条全新信号分析方法,通过筛分标准选取不同的尺度分量,然后配合希尔伯特变换提取信号中的时频信息。经验模态分解方法在使用过程中存在四大弊端问题,很多学者在这方面提出了各种各样的改进办法,但是仍然无法同时解决这四个弊端。比如EEMD方法的提出,解决了模态混叠效应但是却以牺牲计算时间为代价,得不偿失。机械设备的在线状态监测系统经过多年的发展,逐步走向专家化智能化。随着大型设备的结构、功能、工况、环境日趋复杂,对在线状态监测系统提出了全新的更高的要求。如何在更加复杂的信号环境中快速有效的挖掘出故障特征信息,是本文的一个研究重点。论文在传统EMD算法的基础上进行改进并且根据现有的二维快速自适应经验模态分解方法,提出了一种改进型的方法。因此,本论文主要研究内容有:第一,本文提出了改进型的一维快速自适应经验模态分解方法。首先,采用自适应窗口准则获取信号的峰峰值的统计特性;然后,采用顺序统计滤波器来获取信号的上下包络线;最后,提出自循环停止准则,给出信号分解停止的准则。这种算法的最大优点是避免了传统EMD算法的四大弊端,同时具备自适应分析能力。第二,将一维快速自适应经验模态分解方法应用到转子故障诊断、轴承故障诊断、减速箱故障诊断中,与传统EMD算法的分析结果对比,展示出了一维快速自适应经验模态分解方法的优越性能。同时将一维快速自适应经验模态分解方法和冲击脉冲法结合,提出了一套轴承故障诊断技术。最后,论文主要研究了在线状态监测系统基本情况,重点考虑旋转机械中的监测系统。通过分析冷轧机组和船舶轴系振动的特点,设计了两套在线状态监测系统。
【关键词】：快速自适应经验模态分解方法 故障诊断 在线监测 冲击脉冲法
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH17
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 非平稳信号分析研究的背景和意义11-12
• 1.2 时频分析方法的研究现状12-15
• 1.2.1 时频分析方法12-14
• 1.2.2 时频分析方法的挑战14-15
• 1.3 课题的主要研究内容及章节安排15-17
• 第二章 一维快速自适应经验模态分解理论基础17-41
• 2.1 引言17-18
• 2.2 传统经验模态分解方法理论基础18-27
• 2.2.1 传统经验模态分解基本概念18-19
• 2.2.2HHT基本原理19-23
• 2.2.3 传统经验模态分解方法的弊端23-27
• 2.3 一维快速自适应经验模态分解理论27-36
• 2.3.1 极值序列的获取28-29
• 2.3.2 滤波窗口尺寸29-31
• 2.3.3 顺序统计滤波器31-32
• 2.3.4 自循环32
• 2.3.5 包络线的绘制32-35
• 2.3.6 FAEMD的完备性和正交性35-36
• 2.4 改进型一维快速自适应经验模态分解36-39
• 2.4.1 滤波窗口-自适应窗口36-37
• 2.4.2 尺度连续性37-38
• 2.4.3 正交性38
• 2.4.4 改进型FAEMD方法流程38-39
• 2.5 本章小结39-41
• 第三章 快速自适应经验模态分解应用分析41-57
• 3.1 引言41
• 3.2 性能分析41-46
• 3.2.1 抑制端点效应以及在长信号分段处理中的优势41-42
• 3.2.2 抑制模态混叠效应42-43
• 3.2.3 微弱信号的处理和少量故障信号处理43-45
• 3.2.4 提高计算效率45-46
• 3.3 转子故障诊断实验验证46-54
• 3.3.1 转子故障46
• 3.3.2 模拟实验装置介绍46-47
• 3.3.3 实验安排47-48
• 3.3.4 实验验证48-54
• 3.4 风机减速箱故障诊断应用54-56
• 3.4.1 减速箱故障简介54-55
• 3.4.2 海上风力发电机组减速箱-工程信号分析应用55-56
• 3.5 本章小结56-57
• 第四章 基于冲击脉冲法快速滚动轴承故障诊断研究57-69
• 4.1 引言57
• 4.2 冲击脉冲法理论研究57-58
• 4.3 基于EFAEMD -SPM方法的滚动轴承故障诊断58-68
• 4.3.1 滚动轴承故障形式和原因58-59
• 4.3.2 滚动轴承的固有频率及损伤故障特征频率计算59-60
• 4.3.3 滚动轴承故障诊断常用方法60
• 4.3.4 基于快速经验模态分解解调的滚动轴承故障诊断方法60-61
• 4.3.5 滚动轴承损伤实验61-68
• 4.4 小结68-69
• 第五章 旋转机械在线状态监测及故障诊断系统研究69-90
• 5.1 引言69
• 5.2 在线状态监测系统及故障诊断系统的设计69-76
• 5.2.1 系统分析69-71
• 5.2.2 硬件设计71-73
• 5.2.3 软件设计73-76
• 5.3 冷轧机组在线监测与故障诊断系统76-83
• 5.3.1 硬件系统总体设计方案76-77
• 5.3.2 振动测点布置和传感器类型的选取77-79
• 5.3.3 关键技术79
• 5.3.4 软件系统设计方案79-81
• 5.3.5 界面设计81-82
• 5.3.6 案例分析82-83
• 5.4 船舶轴系振动监测系统83-89
• 5.4.1 振动测点布置和传感器类型选择84-85
• 5.4.2 硬件工装系统设计方案85-87
• 5.4.3 软件系统设计方案87-88
• 5.4.4 界面设计88-89
• 5.5 小结89-90
• 第六章 结论与展望90-93
• 6.1 研究结论90-91
• 6.2 研究展望91-93
• 参考文献93-99
• 攻读硕士期间发表论文、专利及获奖99-101
• 致谢101-103

【相似文献】

中国期刊全文数据库 前10条

1 宋立新;王祁;王玉静;梁X;;具有间断事件检测和分离的经验模态分解方法[J];哈尔滨工程大学学报;2007年02期

2 刘小峰;秦树人;柏林;;基于小波包的经验模态分解法的研究及应用[J];中国机械工程;2007年10期

3 杨智春;谭光辉;;一种基于样条插值的经验模态分解改进算法[J];西北工业大学学报;2007年05期

4 张西良;万学功;李萍萍;张建;徐云峰;;动态称量经验模态分解数据处理方法[J];江苏大学学报(自然科学版);2008年06期

5 周志峰;蔡萍;;基于经验模态分解的汽车轴重估计(英文)[J];Journal of Shanghai University(English Edition);2008年01期

6 李洪;郝豪豪;孙云莲;;具有独立分量的经验模态分解算法研究[J];哈尔滨工业大学学报;2009年07期

7 林玉荣;王强;;基于一维经验模态分解的图像细节提取方法[J];吉林大学学报(工学版);2011年06期

8 卢珍;;关于经验模态分解与整体经验模态分解的分离效果差别的探讨[J];科学技术与工程;2011年33期

9 钟佑明;赵强;周建庭;;实时经验模态分解的实现方法[J];振动.测试与诊断;2012年01期

10 刘海波;赵宇凌;;集合经验模态分解的稳健滤波方法研究[J];振动与冲击;2013年08期

中国重要会议论文全文数据库 前10条

1 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 秦毅;秦树人;毛永芳;;正交经验模态分解及其快速实现[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 杨永锋;;经验模态分解与非线性分析的协同研究[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 侯文文;邹俊忠;刘未来;;基于经验模态分解的眼电伪差去除研究[A];上海市化学化工学会2010年度学术年会论文集（自动化专题）[C];2010年

5 李关防;许春雷;惠俊英;;基于经验模态分解的特征提取算法研究[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年

6 薛志宏;李广云;周蓉;;一种基于经验模态分解的信号降噪方法[A];全国工程测量2012技术研讨交流会论文集[C];2012年

7 张飞涟;刘严萍;;经验模态分解与神经网络方法在降水预测领域的应用研究[A];中国系统工程学会第十八届学术年会论文集——A01系统工程[C];2014年

8 康春玉;章新华;;一种基于经验模态分解的信号降噪方法[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

9 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年

10 郝文峰;骆英;顾建祖;;基于经验模态分解-支持向量机的玻璃幕墙开胶损伤预测研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

中国博士学位论文全文数据库 前9条

1 葛光涛;二维经验模态分解研究及其在图像处理中的应用[D];哈尔滨工程大学;2009年

2 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年

3 张继红;经验模态分解及径向基函数的一些应用研究[D];大连理工大学;2012年

4 熊卫华;经验模态分解方法及其在变压器状态监测中的应用研究[D];浙江大学;2006年

5 杨贤昭;基于经验模态分解的故障诊断方法研究[D];武汉科技大学;2012年

6 高静;经验模态分解的改进方法及应用研究[D];北京理工大学;2014年

7 陈志刚;经验模态分解与Savitzky-Golay方法的自适应遥感影像融合[D];华东师范大学;2010年

8 周义;快速二维经验模态分解和相位追踪方法及其在导波无损检测中的应用[D];上海交通大学;2014年

9 石志晓;时频联合分析方法在参数识别中的应用[D];大连理工大学;2005年

中国硕士学位论文全文数据库 前10条

1 史玉君;基于经验模态分解的眼电伪迹去除方法的研究[D];兰州大学;2015年

2 梁江海;基于经验模态分解的通信信号细微特征分析[D];国防科学技术大学;2013年

3 赵强;基于EMD的齿轮故障诊断技术研究[D];东北石油大学;2015年

4 熊伟;试车台振动测试系统的关键技术研究[D];河南工业大学;2015年

5 陈凯;快速非平稳信号分析诊断与应用[D];上海交通大学;2015年

6 杨彩红;基于折线包络的经验模态分解方法及其应用[D];天津大学;2007年

7 付晓波;经验模态分解法理论研究与应用[D];太原理工大学;2013年

8 郭一粟;基于经验模态分解的动平衡测量系统信号处理方法研究[D];吉林大学;2015年

9 封学真;经验模态分解滤波在圆度评定中的研究[D];西安电子科技大学;2014年

10 徐双;经验模态分解理论研究及其在舰船辐射噪声线谱分析中的应用[D];昆明理工大学;2010年

  本文关键词：快速非平稳信号分析诊断与应用，由笔耕文化传播整理发布。

本文编号：265480