基于HHT的非平稳信号故障特征提取研究

发布时间：2020-05-04 20:35

【摘要】： 在机械设备故障诊断中,最重要、最关键,同时也是最困难的问题之一就是信号故障特征的提取,它直接关系到故障诊断的准确性和早期故障预报的可靠性。机械设备的故障信号一般为非平稳信号,而采用振动分析的故障信号频率特征是反映设备故障的主要信息。传统的基于线性、平稳假定的故障特征提取方法不能准确提取非平稳信号的时频变化特征,因此,本文采用适于处理非线性、非平稳信号的新方法——Hilbert-Huang变换,提取机械设备非平稳信号的故障特征。 本文主要研究了三方面的内容:首先通过与传统时频分析方法(短时傅立叶变换、魏格纳威尔分布及小波包分解)的仿真比较研究,证实HHT处理非平稳信号具有很大的优势。其次通过分析Hilbert-Huang变换的过程,得出影响该方法效果的三种因素,即包络线构造方法、筛选过程的停止标准及Hilbert变换,然后针对包络线构造方法进行研究,提出采用分段三次埃尔米特插值多项式(PCHIP)法构造包络线,经仿真比较得出,该改进的方法适于分析强非平稳信号。将改进的方法与原始的HHT及传统时频分析方法应用于往复压缩机四种工况的实测振动数据,证实了基于PCHIP的Hilbert-Huang变换,更能准确提取气阀振动信号的故障特征,为往复压缩机气阀故障提供了一种新的诊断方法。最后提出了基于经验模态分解与自相关分析相结合的方法,经仿真研究证实,该方法能够准确提取微弱正弦信号的幅值、频率,为提取淹没于强背景噪声中的微弱周期信号提供了一个新途径。
【图文】：

图 4.14 2D12 压缩机气阀布局Figure 4.14 Position of 2D12 compressor gas valve环状阀常见故障分析，实验进行两类气阀（吸气阀与排气阀）的四(正常状态)、气阀泄漏故障（阀座和阀片密封不严）、气阀弹簧刚片断裂故障。故障状态按如下方法模拟：通过在气阀阀片上开口来故障，通过人为折断阀片来模拟阀片断裂故障（如图 4.15 所示）通过减少弹簧个数来模拟。但是由于吸气阀与排气阀结构相同，仅文仅对二级气缸盖侧（D 处）的一个吸气阀进行研究。构条件的限制，在气阀机构故障的监测中很难将传感器安装在反映一般只能安装在附近的气缸盖上。气缸盖振动信号由压电式加速度于压电式加速度传感器频率响应高，并且自带温度补偿，它的输出正比。从缸盖上测得的振动信号同时包含有气体爆压冲击信号、排产生的冲击信号和进、排气阀落座冲击信号。对这些信号，应该根机构正常工作的规律，通过分析处理，找出信号的频率特征，进而的性质、原因进行判断。

并不是绝对完全符合上述固有模态函数的定义，而是一种近似，，其原因将在后面章节中得到阐述。图2.2显示的就是一个典型的固有模态函数。它是 x (t )= sin(2π ×0.01×t)+sin(2π×0.05×t)经过经验模态分解后得到的第一层固有模态函数，由图中可知，极值点的数目与过零点的数目相等，均为13，并且函数的极值包络曲线关于纵坐标为零的直线局部对称。其所对应的频率成分是0.05Hz。x(t) IMFiH(ω,t) h(ω)EMD HTIntegral
【学位授予单位】：大庆石油学院
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH165.3

【相似文献】

相关期刊论文 前10条

1 卢艳军;孟凡龙;李一波;;机电设备故障诊断中的模式识别技术[J];机械设计与制造;2009年03期

2 李允公;张金萍;戴丽;张占一;刘杰;;基于听觉模型ZCPA的故障诊断特征提取方法研究[J];中国机械工程;2009年24期

3 张福明;吴松林;;基于小波的消噪及BP神经网络的故障诊断[J];现代电子技术;2006年21期

4 祁晓钰;何鹏;王发智;;关于异步电机故障诊断分析与仿真[J];计算机仿真;2010年06期

5 朱松青;史金飞;;状态监测与故障诊断中的主元分析法[J];机床与液压;2007年01期

6 钟飞;谭中军;史铁林;郑晓斌;;基于ICA和小波变换的轴承故障特征提取[J];微计算机信息;2007年28期

7 段向阳;王永生;苏永生;;基于奇异值分解的信号特征提取方法研究[J];振动与冲击;2009年11期

8 胡金海;谢寿生;侯胜利;尉询楷;何卫锋;;核函数主元分析及其在故障特征提取中的应用[J];振动、测试与诊断;2007年01期

9 江四厚;陈小虎;阳能军;王汉功;;匹配追踪消噪在故障诊断中的应用[J];电光与控制;2008年07期

10 朱晓然;赵荣珍;黄义仿;;商空间理论及其在故障诊断中的应用[J];兰州理工大学学报;2008年01期

相关会议论文 前10条

1 郝如江;冯志鹏;褚福磊;;数学形态滤波器设计及应用研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

2 臧先峰;张正道;白瑞林;彭竹苗;;基于小波分析的故障特征提取研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 吴峰崎;孟光;张桂才;;基于高级统计量的碰摩不对中故障特征提取[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

4 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年

5 潘宏侠;黄晋英;毛鸿伟;刘振旺;;基于粒子群优化的故障特征提取技术研究[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

6 陈长征;勾轶;唐任远;;基于小波包频带能量分析的电机振动故障信号特征提取[A];先进制造技术论坛暨第二届制造业自动化与信息化技术交流会论文集[C];2003年

7 王晓丽;周浔;韩现刚;;小波变换和神经网络在机械故障诊断中的应用[A];2009全国虚拟仪器大会论文集（二）[C];2009年

8 杨佳;许强;余成波;雷绍兰;;基于ICA-QNN的高炉故障诊断研究[A];第二十九届中国控制会议论文集[C];2010年

9 李伟;何涛;吴庆华;;小波变换与滚动轴承振动的故障诊断方法研究[A];湖北省机械工程学会青年分会2006年年会暨第2届机械学院院长（系主任）会议论文集（上）[C];2006年

10 詹玉龙;刘明明;李邦辉;;基于支持向量机的船用主柴油机气缸盖故障诊断[A];第十五届全国大功率柴油机学术会议论文集[C];2007年

相关重要报纸文章 前10条

1 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年

2 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年

3 胡荣山 马巍;上海海大一课题列入国家“863”计划[N];中国船舶报;2007年

4 孙建阳　刘波;小型渔船柴油机故障诊断与排除[N];中国渔业报;2008年

5 见习记者 仝亚娜;孙彦广：冶金故障诊断设备前景广阔[N];机电商报;2005年

6 小田;网卡故障诊断[N];中国电脑教育报;2000年

7 陈全东;干式复合“粘边”故障诊断[N];中国包装报;2003年

8 龚献荣;大型天然气装置实现网络化监测[N];中国化工报;2005年

9 周传勇 杜慧;济钢网络化设备点检与故障诊断管理系统上线运行[N];世界金属导报;2008年

10 汤怀京;WLAN也有“线”[N];中国计算机报;2004年

相关博士学位论文 前10条

1 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学（河北）;2005年

2 曹龙汉;柴油机智能化故障诊断技术研究[D];重庆大学;2001年

3 徐德友;粗集信息分析在故障诊断中的应用及自修复飞行控制系统效能评估[D];南京航空航天大学;2002年

4 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年

5 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年

6 唐静远;模拟电路故障诊断的特征提取及支持向量机集成方法研究[D];电子科技大学;2010年

7 宋其江;基于有向图模型的故障诊断方法研究及其在航天中的应用[D];哈尔滨工业大学;2010年

8 陈非;基于过程信息融合的旋转机械信息（火用）故障诊断研究[D];华中科技大学;2010年

9 冯志鹏;计算智能在机械设备故障诊断中的应用研究[D];大连理工大学;2003年

10 刘文艺;风电机组振动监测与故障诊断研究[D];重庆大学;2010年

相关硕士学位论文 前10条

1 张庆涛;离心压缩机智能故障诊断方法研究[D];大庆石油学院;2006年

2 林洪彬;信息熵分析方法研究及其在故障诊断中的应用[D];燕山大学;2006年

3 肖圣光;基于虚拟仪器的轴心轨迹分析仪的研制[D];重庆大学;2009年

4 李君;基于变换域分析的发动机异响故障诊断研究[D];吉林大学;2006年

5 刘宏昱;基于HOC虚拟仪器的机械传动故障诊断系统研究[D];西北工业大学;2006年

6 许东;地空导弹混合智能故障诊断专家系统的设计与实现[D];西北工业大学;2002年

7 曹伟青;B样条模糊神经网络在刀具故障诊断中的应用[D];西南交通大学;2005年

8 程传胜;信息融合技术在机车牵引电机故障诊断中的应用研究[D];中南大学;2005年

9 刘一;基于小波分析的汽轮机故障诊断研究[D];河北工程大学;2010年

10 白维峰;基于全信息的机械故障特征提取方法研究[D];郑州大学;2009年

本文编号：2648959