微弱信号检测及机械故障诊断系统研究

发布时间：2020-05-17 19:09

【摘要】： 在机械设备故障诊断中,信号处理算法起着至关重要的作用,如何从含有噪声的混合信号中尽可能还原真实信号、如何从背景噪声中检测微弱故障特征信号等都是需要重点研究的课题。故障诊断系统完成信号采集、信号分析等任务,为设备维护人员作出诊断决策提供直接的依据。所以,故障诊断系统的发展直接影响到故障诊断行业的发展。本论文以机电设备为对象,对滤波、微弱信号检测以及故障诊断系统进行了研究。对于被色噪声污染的信号,如果产生色噪声的源头是白噪声,并且白噪声是可以测量的,此时在不知道从白噪声转变到色噪声的这个非线性中间环节的情况下,应用ANFIS可以对色噪声进行逼近,从而达到滤波的目的。EMD可以将混合信号分解为一系列的IMF分量,从而将非平稳信号分解为近似平稳信号。将含噪信号先用EMD进行处理,再对IMF分量所含的色噪声应用ANFIS实现非线性逼近,仿真结果表明,这种结合可以提高滤波的精度。而且由于EMD也是一种独立于信号特性的自适应方法,所以不会影响滤波的整体自适应性。非均匀采样可以突破采样定理的限制,但是由于采样时刻的伪随机性,幅值低于强信号幅值10%的弱信号的频率在非均匀采样的频谱中不能被识别出来。利用独立分量分析对信号幅值不敏感而只对信号是否正交敏感的特性,在非均匀采样的频谱识别中引入FastICA算法,通过构造虚拟通道信号的方法,成功的在非均匀采样的频谱中提取出了弱信号的频率。针对非均匀采样的缺点,将一种新的从均匀分布白噪声中提取弱正弦信号的算法引入,在非均匀采样的频谱中成功检测出了弱信号的频率。开发了两套便携式故障诊断系统,一个基于片上系统和实时操作系统,具有较高的性价比;一个基于DSP和FPGA以及LabVIEW,具有接口类型较多、可以实现无线通讯、系统功能在线可重构等特点。在便携式故障诊断系统中,分别在片上系统和FPGA中,实现了EMD算法和变步长随机共振算法,为这两种算法的工程应用打下了良好的基础。在EMD算法的实现中,采用了“降阶分解”的方法,有效的解决了嵌入式系统存储空间的问题。
【图文】：

曲线,测量信号,噪声,有用信号

图 2-4 测量信号和滤波生成的噪声逼近图2-5 有用信号和模糊滤波后恢复的估计信号原始有用信号和 ANFIS 模糊滤波后的信号估计的差值曲线如图 2-6 所示。图 2-6 ANFIS 估计信号误差曲线以估计误差作为衡量有用信号估计质量的指标：估计误差(dB)=∑ = 1102(()_())10logNNixiestxi（2-9）

曲线,模糊滤波,有用信号,信号估计

天津大学博士学位论文20图 2-4 测量信号和滤波生成的噪声逼近图2-5 有用信号和模糊滤波后恢复的估计信号原始有用信号和 ANFIS 模糊滤波后的信号估计的差值曲线如图 2-6 所示。图 2-6 ANFIS 估计信号误差曲线以估计误差作为衡量有用信号估计质量的指标：估计误差(dB)=∑∑ = = 102102()(()_())10logNiNixixiestxi（2-9）式（2-9）中，“x”是原始有用信号，“ est _ x”为模糊滤波后的有用信号估计。按照式（2-9）计算，前述模拟信号估计的估计误差为-16.2256 dB。2.3 EMD 算法及其仿真分析EMD 算法是 1998 年由美国学者 Norden E.Huang 等人提出的[96]，EMD 和与
【学位授予单位】：天津大学
【学位级别】：博士
【学位授予年份】：2008
【分类号】：TH17

【引证文献】