机械测试中多分量信号特征提取方法的研究

发布时间：2020-10-27 17:35

　　 机械设备运行中产生的振动信号中包含了丰富的故障信息,通过对其进行处理与分析,可以得到机械设备零部件的状态变化信息,从而判断出机械设备或零部件的故障所在。时频分析方法在机械故障特征提取中取得了广泛的应用,经过数十年的发展历程,已有大量的研究工作投注在多分量非平稳信号的特征提取中,但仍然不能完全满足实际工程应用的需要。在此背景下,本文对小波变换、Hilbert-Huang变换(HHT)、Chirplet变换、迭代Hilbert变换(IHT)等信号分解方法,重分配谱、多窗谱等信号处理技术,以及机械故障信号的消噪、解调、分解等特征提取技术进行了深入的研究。 本文首先对具有多分辨分析特性的小波变换的理论体系进行了研究,介绍了连续小波变换及其容许条件、二进离散小波及其重构条件、小波框架理论、多分辨分析原理以及Mallat算法。为解决小波变换对信号进行分解时产生的频率混叠问题,将谐波小波变换运用在信号的特征提取中。分析了谐波小波系数所特有的幅频保持特性,提出了用谐波小波系数来构造改进的谐波小波时频图,并通过推导得出,改进后的谐波小波时频图的时频剖面图,即为该剖面对应频带范围内信号分量的包络。仿真和应用表明了谐波小波多分量信号解调方法的有效性。 由于小波变换对于局部没有自适应性,因此会造成泄漏,从而使信号呈现出全局较为光滑,本文接下来对Hilbert Huang变换(HHT)进行了深入研究。针对EMD方法缺乏严格的正交性的问题,介绍了EMD过程的施密特正交化方法,指出其并没有从根本上实现EMD的正交化。接下来分析了用带通滤波方法来获得IMF的可行性,进而提出了基于解析带通滤波的正交化经验模态分解(OEMD)方法,并从理论上证明了它的完备性和正交性,然后提出了OEMD的快速实现算法——IMF折半搜索法。在谐波检测和奇异信号检测的应用实例表明,OEMD成功地解决了模态混叠和虚假模态等问题。在转子实验台和齿轮箱故障诊断中的应用表明,OEMD无论是对于平稳信号还是非平稳信号都具有很好的分析效果。 Chirplet变换是对小波变换的扩展。本文首先介绍了Chirplet变换的原理及Chirplet自适应分解方法,并通过仿真实验验证了Chirplet自适应分解在表征信号内部结构方面的优越性。针对强噪声背景下的信号特征提取问题,介绍了Chirplet最佳路径追踪算法,并指出了Chirplet变换与最佳路径追踪算法相结合提取信号分量方法的不足之处。针对这一问题,提出了将EMD与Chirplet最佳路径追踪算法相结合,以从强噪声背景中提取出复杂多分量信号的方法。仿真实验表明了该方法的有效性和可行性,并将其应用到输油泵振动信号的分析中,得到了正确的故障诊断结果。 解调分析是机械故障特征提取中常用且有效的分析方法。本文对多分量信号的解调分析进行了深入研究。介绍了常用解调方法及其局限性,接下来介绍了迭代Hilbert变换(IHT)对多分量信号的建模方法,迭代求解信号各分量的幅值包络和瞬时频率的步骤,阐明了迭代Hilbert变换中滤波器的具体设计方法。通过理论分析表明,直接利用变换过程中得到的相位信号的导数来求各分量的瞬时频率具有一定的局限性,并提出了一种平滑的瞬时频率估计(SIFE)方法,且通过仿真实验验证了该方法的有效性。将IHT和SIFE用于滚动轴承的早期故障诊断中,取得了较好的分析效果,从而为机械故障诊断提供了一种新的手段。 时频谱重分配能显著提高二次时频表示的时频聚集性,而多窗谱则具有优良的估计方差。研究了时频重分配技术的原理和性质,并介绍了各种不同时频谱和尺度谱的重分配形式,接下来通过仿真表明了其在时频聚集性方面的优越性,并将其应用到机械故障信息提取中,实际应用表明了时频重分配技术在多分量信号特征提取中的有效性。介绍了Thomson多窗谱估计方法,并介绍了其在非平稳信号分析中的推广。将重分配谱和多窗谱相结合,能保持各自的优点,实现从强噪声背景中提取出信号的特征信息。利用该方法对转轴不对中故障、滚动轴承外圈故障及齿轮箱故障进行分析,并和重分配谱图进行比较,表明了该方法在机械故障特征提取中的有效性。 文章最后对全文工作进行了总结,并展望了下一步的研究方向。
【学位单位】：重庆大学
【学位级别】：博士
【学位年份】：2008
【中图分类】：TH17
【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 课题来源
    1.2 课题研究的背景与意义
    1.3 相关技术介绍及研究现状
    1.4 本文的主要研究内容和创新
2 基于小波变换的特征提取技术
    2.1 引言
    2.2 小波变换理论基础
        2.2.1 连续小波变换
        2.2.2 离散化的小波变换
        2.2.3 多分辨分析
        2.2.4 小波变换对信号特征的提取
    2.3 谐波小波对信号的解调分析
        2.3.1 谐波小波的定义
        2.3.2 谐波小波的快速算法
        2.3.3 改进谐波小波时频图的构建方法
        2.3.4 谐波小波的解调特性
        2.3.5 实例分析
    2.4 本章小结
3 EMD 正交化及其在故障特征提取中的应用
    3.1 引言
    3.2 EMD 方法
        3.2.1 固有模态函数
        3.2.2 EMD 过程
    3.3 EMD 的近似正交性及其正交化方法
        3.3.1 EMD 的近似正交性
        3.3.2 EMD 的施密特正交化
        3.3.3 仿真及实例分析
    3.4 正交经验模态分解及其快速实现
        3.4.1 正交经验模态分解的理论依据
        3.4.2 OEMD 的实现方法
        3.4.3 应用与比较
    3.5 本章小结
4 基于 Chirplet 变换的特征提取技术
    4.1 引言
    4.2 Chirplet 变换的原理
    4.3 基于 Chirplet 的自适应信号分解
        4.3.1 自适应Chirplet 分解
        4.3.2 实例分析
    4.4 Chirplet 变换与最佳统计路线追踪降噪
        4.4.1 多尺度chirplet 和chirplet 图
        4.4.2 GLRT 检验
        4.4.3 最佳路径算法
        4.4.4 仿真分析
    4.5 基于 EMD 和 Chirplet 变换的特征提取
        4.5.1 基于 EMD 和 Chirplet 变换的特征提取原理
        4.5.2 仿真及实例分析
    4.6 本章小结
5 基于迭代 Hilbert 变换的多分量解调方法研究
    5.1 引言
    5.2 常用解调方法及其局限性
        5.2.1 Hilbert 解调
        5.2.2 Teager 能量算子解调
    5.3 IHT 的原理
        5.3.1 信号的正弦模型
        5.3.2 多分量的AM-FM 分解
    5.4 瞬时频率的精确计算
        5.4.1 直接计算瞬时频率的局限性
        5.4.2 平滑的瞬时频率估计
        5.4.3 仿真与比较
    5.5 IHT 及SIFE 在机械故障诊断中的应用
    5.6 本章小结
6 重分配谱和多窗谱在特征提取中的应用
    6.1 引言
    6.2 重分配谱及其在机械故障特征提取中的应用
        6.2.1 时间－频率分布的重分配方法
        6.2.2 时间－尺度分布的重分配方法
        6.2.3 时频重分配在机械故障特征提取中的应用
    6.3 多窗谱估计方法
        6.3.1 Thomson 多窗谱估计
        6.3.2 多窗谱在非平稳信号分析中的推广
    6.4 重分配谱图和多窗谱结合特征提取
        6.4.1 重分配谱图和多窗谱结合特征提取方法
        6.4.2 仿真及应用
    6.5 本章小结
7 总结和展望
    7.1 本文工作总结
    7.2 研究展望
致谢
参考文献
附录
    A. 作者在攻读博士学位期间发表的论文目录:
    B. 作者在攻读博士学位期间撰写的专著:
    C. 作者在攻读博士学位期间参加的科研项目:

【引证文献】

相关期刊论文 前1条

1 姜军生;林近山;;基于迭代的集总经验模式分解算法的齿轮箱故障特征提取[J];机械传动;2011年12期

相关博士学位论文 前2条

1 蒋永华;旋转机械非平稳信号微弱特征提取方法研究[D];重庆大学;2010年

2 鞠萍华;旋转机械早期故障特征提取的时频分析方法研究[D];重庆大学;2010年

相关硕士学位论文 前2条

1 崔喜贺;发动机振动诊断虚拟仪器系统的研究[D];河北农业大学;2011年

2 李颖;基于LabVIEW电动机振动检测系统的研究[D];河北农业大学;2012年

本文编号：2858832