机械系统微弱故障信号检测及特征提取方法研究

发布时间：2020-07-12 01:03

【摘要】： 故障信号的特征提取是机械故障诊断中的关键问题，而噪声的干扰是影响故障信号特征正确识别的重要因素。机械系统早期故障引起的异常信号一般都很微弱，通常被淹没在很强的背景噪声中，对信号检测技术要求高。本文根据机械测试中振动信号的特点，研究了现代信号处理理论应用于机械故障信号检测和特征提取的方法，并做了大量的仿真和实验。 论文首先叙述了该课题的意义、弱信号检测的方法，介绍了机械故障特征提取方法及研究现状。 针对复杂机械故障产生的非平稳振动信号检测，研究了时间—频率分布在故障信号检测和特征提取中的应用。仿真分析和齿轮早期故障检测实验证明，通过核函数的合理设计，能够有效滤除噪声，实现对机械设备早期故障产生的微弱异常振动信号的检测。 讨论了小波基函数选取对信号处理结果的影响。详细论述了基于小波变换的奇异性检测理论，提出了利用三层以上细节信号的乘积作为检测信号求解多尺度模极大值的方法，以实现噪声中信号奇异点的检测和定位。研究了基于小波变换的弱信号检测方法，利用该方法把齿轮的异常振动信号从噪声信号中提取出来，实现齿轮故障信号特征的提取。 最后利用高阶统计量可以抑制加性高斯噪声的特殊性质，将高阶统计量作为机械微弱故障信号检测的方法进行了研究。对双谱信号检测作了重点介绍，并利用双谱进行了齿轮故障诊断。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH165.3
【图文】：

吓T(65点Hamming窗)图2一45件T(17点Hamming窗)

因此它在时频两域都具有很强的表征信号局部特征的能力，被广泛用于信号处理领域。小波变换和短时傅里叶变换都属于线性变换，它们把信号表示在联合时间一频率(尺度)平面内，可以将动态信号的能量集中在信号所发生的时间和频率附近，使微弱瞬时信号的能量变化能较明显地显示出来，对瞬时信号的检测比较有利。但小波变换在不同位置使用不同的窗宽，对瞬时信号的检测更加有利。设一个具有高斯调幅的线性调频信号，初始频率为0.1Hz，终止频率为0.3Hz，持续时间为128秒，原始信号和含噪信号(信噪比SNR=一sdB)分别如图2一5与图2一6所示。对含噪信号进行短时傅里叶变换和小波变换，窗函数选用27点高斯窗，小波变换采用Morlet小波，含噪信号的S吓T和WT的立体图如图2一7与图2一8所示。由仿真结果可以看出，WT的检测性能明显优于S吓T。2，临0e

了Heisenberg不等式给出的下界。wigner-ville分布几乎满足时频分布全部性质。由于这种分布许多良好的性质，它在实际工程中得到广泛的应用。如图2一9、图2一10为单分量线性调频信号(LFM)的WVD和谱图(等高线图)。与谱图相比WVD检测线性调频信号分辨率较高，能更准确的描述频率的变化，对单分量信号的检测效果很好。肠确肚”-..二月声二刁刁刁刁刁之二.喊啥的..I，oJ之…喊习翻组.口翻.一I匆州脚“.1口胡二口I…万目脚”，图2一9单LFM的wVD图2一10单LFM的谱图Fig.2一 9WVDofsingleLFMFig.2一 10SPeetrogramofsingleLFMWigner一Ville分布是双线性变换，对于多分量信号，它不符合线性叠加原理。以含有两个分量的信号为例，若信号x(t)=xl(t)+xZ(t)，其WVD为溅(‘，f)一溅1(扩

【相似文献】

相关期刊论文 前10条

1 陈明津;;机动车常见故障总结及对策[J];科技致富向导;2011年24期

2 李英杰;;电动机常见故障的诊断和排除[J];科技致富向导;2011年24期

3 朱莉;;氧传感器在故障诊断中的作用探讨[J];科技致富向导;2011年21期

4 肖翔;;支持向量机在变压器故障诊断中的应用[J];科技资讯;2011年15期

5 郭玉鹏;时和平;巢蕾;;通信装备故障诊断贝叶斯网络[J];兵工自动化;2011年07期

6 喻步贤;;数控磨床电主轴常见故障诊断与分析[J];机床与液压;2011年12期

7 魏亦东;;浅谈变电设备试行状态的检修[J];科技促进发展(应用版);2010年08期

8 王思臣;于潞;刘水;周洪霞;;自动测试技术在故障诊断中的应用综述[J];科技信息;2011年17期

9 史丽萍;时培磊;常伟;高月奎;;煤矿继电保护专家系统的开发[J];煤矿安全;2011年08期

10 张海南;胡学雄;;振动分析技术在轧辊磨床故障判断中的应用[J];中国设备工程;2011年08期

相关会议论文 前10条

1 于秀敏;刘乐;杨世春;钟祥麟;;小波算法对转速信号用于失火检测方法的改进[A];2007年APC联合学术年会论文集[C];2007年

2 刘仁德;胡申辉;徐家倬;;磨煤机的故障诊断[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

3 戴乐云;李建康;;振动信号时间序列建模在故障诊断中的应用[A];振动工程学报（工程应用专辑）[C];2001年

4 李晓栋;胡清华;;汽轮机故障诊断文本支持系统的研究与建立[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年

5 王航;于歆杰;;遗传算法在故障诊断中应用的新方法[A];2005年中国智能自动化会议论文集[C];2005年

6 单鸿鹏;关月红;;频谱分析技术在滚动轴承故障诊断中的应用[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

7 张珍;韩厚德;陈宝忠;;基于卫星通信的船舶冷藏集装箱远程故障诊断系统[A];制冷空调新技术进展——第四届全国制冷空调新技术研讨会论文集[C];2006年

8 卫红梅;段滋华;;高速回转轴油膜振荡故障诊断分析[A];2006年石油和化工行业节能技术研讨会会议论文集[C];2006年

9 阳能军;汤伟;龙宪海;雷涛;;EMD及其在声发射检测中的应用研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

10 蔡勇;王晓武;潘卫明;;基于瞬时转速的斯特林发动机循环系统故障诊断研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

相关重要报纸文章 前10条

1 李春成，查道军;汽车驱动桥故障诊断口诀[N];中国汽车报;2002年

2 王斌;电脑的日常维护与故障诊断[N];中国老年报;2001年

3 王梅霞;莱钢快速推进设备状态监测与故障诊断工作全面启动[N];世界金属导报;2007年

4 陈全东;BGF11-600型干式复合故障诊断[N];中国包装报;2003年

5 湖南 朱晶泽;多媒体音箱故障诊断经验谈[N];电脑报;2001年

6 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年

7 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年

8 周传勇 杜慧;济钢设备点检与故障诊断管理系统上线运行[N];中国冶金报;2008年

9 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

10 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

相关博士学位论文 前10条

1 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

2 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

3 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

4 何小斌;基于统计学方法的自适应过程监控与故障诊断[D];上海交通大学;2009年

5 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年

6 李敏;复杂机械基于数据的建模与故障诊断[D];太原理工大学;2010年

7 鲁峰;航空发动机故障诊断的融合技术研究[D];南京航空航天大学;2009年

8 蒋斌;机电系统故障诊断的理论与应用研究[D];浙江大学;2002年

9 盛晨兴;挖泥船动力机械远程诊断系统关键技术研究[D];武汉理工大学;2009年

10 曹龙汉;柴油机智能化故障诊断技术研究[D];重庆大学;2001年

相关硕士学位论文 前10条

1 王明秀;大型汽轮发电机故障诊断专家系统诊断处理子系统的研究[D];华北电力大学;2001年

2 刘峰;基于神经网络的水轮发电机组振动故障诊断专家系统的研究[D];西安理工大学;2003年

3 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

4 石金彦;基于规则的数据挖掘方法在故障诊断中的应用[D];郑州大学;2003年

5 周春健;基于小波变换的旋转机械故障诊断[D];南京航空航天大学;2004年

6 陈洁;基于Web的远程监测与故障诊断系统研究[D];武汉科技大学;2004年

7 辛惠娟;汽车发动机故障诊断专家系统的开发研究[D];华北电力大学（河北）;2004年

8 刘满国;基于小波的导弹测试信号处理与故障诊断[D];西北工业大学;2005年

9 朱胜利;关于独山子炼油厂进料泵的故障诊断[D];新疆大学;2002年

10 李晓彬;基于神经网络的工程结构在线监测与故障诊断研究[D];武汉理工大学;2002年

本文编号：2751191