旋转机械振动信号处理及故障诊断方法研究

发布时间：2020-12-23 02:42

　　旋振动信号处理及故障诊断是旋转机械故障检测及识别的核心部分,在工程领域中,旋转机械的振动信号携带着设备运行状态的重要特征信息,对这些信号的正确处理及准确的故障分析可以对设备的运行状态进行监测,对于提前预测设备突发性故障、降低因设备故障带来的风险,具有重要的意义。本文引入随机共振及对其改进算法和双极模糊理论分析等方法,通过对这些算法的深入研究,并将其应用到旋转机械振动信号的处理及故障诊断中,主要内容如下:在研究进行强背景噪声下微弱故障特征信号提取时,针对随机共振系统参数a、b、h和变分模态分解的惩罚因子α和模态分解个数K在提前预设时往往由于预设不理想导致处理效果不佳的缺陷,提出了基于混沌粒子群算法参数优化的随机共振和基于混沌粒子群算法参数优化的变分模态分解相结合信号处理方法。利用混沌粒子群算法先分别优化随机共振和VMD的参数,然后对信号进行处理,并通过仿真及实验表明,此方法可以有效提取到强背景噪声下的故障信号特征。研究了由隶属度和硬C聚类演化而来的模糊C均值聚类故障分类方法,将FCM的分类方法与随机共振和变分模态分解处理方法创新性的结合起来应用于故障分类上。根据计算经随机共振和变分模态分... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图１－１滚动轴承故障诊断流程图??本文在研宄传统时频分析方法的基础上，提出利用混沌粒子群参数优化随??

?下面以一组仿真信号说明以上方法的有效性。假设系统输入含噪信号为??ｘ（〇＝３ｓｉｎ（１００对）＋吨），其中ｎ⑴为高斯白噪声。图３－３为含噪信号，可以看出纯??净信号被高斯白噪声污染比较严重。??输入含噪信号??４?｜?ｋ?Ｉ?（?Ｉ?４?＾?｜?ｆ??ＪｆｆＰＩｆｉ：??＊?＿??＇０?０．０２?０．０４?０．０６?０．０８?０．１?０．１２?０．１４?０．１６?０．１８??Ｔｉｍｅ沖寸域??图３－４含噪信号??图３－５为参数优化的ＶＭＤ分解图，从图中可以初步判定前两个ＩＭＦ分量含有??特征信号，其它ＩＭＦ分量为噪声信号。??２２??

图３－６?ＶＭＤ处理后与纯净信号对比图??文献［４７］使用改进的ＶＭＤ分解中较新的基于变分模态分解和频谱特性的自??

【参考文献】：
期刊论文
[1]旋转机械振动故障机理及诊断方法分析[J]. 王吉,蒋海军,王喆,张少鹏,王强.  内燃机与配件. 2020(15)
[2]一种输气管道燃气轮机的综合故障诊断方法[J]. 李刚,谷思宇,贾东卓,闫斌斌.  油气储运. 2019(05)



本文编号：2932918