基于EMD和ICA-R的旋转机械混合故障诊断方法的研究

发布时间：2017-07-16 00:07

  本文关键词：基于EMD和ICA-R的旋转机械混合故障诊断方法的研究

  更多相关文章： 旋转机械 混合故障 EMD ICA-R

【摘要】：旋转机械通过旋转传动部件传递运动和力。旋转机械中包含齿轮、轴承、轴等重要零部件，当这些部件发生故障而导致功能失效时，会导致停车乃至人员伤亡事故，因而对旋转机械健康状态进行监测和实时故障诊断是及其重要的。 旋转机械各部件相互影响，通常是多故障并发，受振动信号传递路径不确定和运行环境噪声大的影响，，传统的信号处理手段没有办法获得故障振动信息。本文针对旋转机械设备多故障并发的问题，提出了基于经验模态分解和带参考的独立分量分析提取故障振动信号的方法，并通过仿真实验和齿轮箱混合故障实验证明其实用性。本文的主要研究内容包括： 探讨了旋转机械多故障振动信号的混合模式，结合实验设备的结构、尺寸和刚度特性，根据齿轮、轴承的故障响应模型建立了线性瞬时混合的多故障仿真信号。 将基于白噪声EMD分解结果的统计特性的振动模式提取方法应用于混合信号预处理中，提取有效的振动模式，实现了单通道盲源分离问题的通道扩展，之后通过ICA-R方法提取目标振动信号。齿轮、轴承故障并发仿真实验结果证明了该方法的有效性。 根据本文研究的内容设计一款工程项目GUI软件，用于旋转机械混合故障特征提取。通过齿轮箱动态仿真系统模拟多故障并发的情况，采集混合故障振动信号，使用基于EMD和ICA-R的旋转机械混合故障诊断方法实现故障提取，并将结果与FASTICA故障分离结果进行对比。实验结果说明该方法是能够提取目标振动信号，实现混合故障诊断。
【关键词】：旋转机械 混合故障 EMD ICA-R
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-15
• 1.1 课题研究的背景及意义8-9
• 1.1.1 课题研究的背景8
• 1.1.2 研究的目的及意义8-9
• 1.2 旋转机械混合故障诊断研究现状9-12
• 1.2.1 国内外研究现状9-11
• 1.2.2 国内外文献综述简析11-12
• 1.3 EMD 和 ICA-R 技术的发展12-13
• 1.3.1 经验模态分解方法12
• 1.3.2 带参考信号的独立分量分析方法12-13
• 1.4 本课题的主要研究内容13-15
• 第2章 基于 EMD 的振动模式提取方法15-33
• 2.1 引言15
• 2.2 旋转机械故障信号混合形式及仿真信号建立方法15-21
• 2.2.1 旋转机械主要零部件的常见失效形势15-17
• 2.2.2 旋转机械振动信号的混合形式17-18
• 2.2.3 仿真信号的建立18-21
• 2.3 EMD 方法的基本原理21-25
• 2.3.1 瞬时频率和本征模态函数的定义21-22
• 2.3.2 EMD 方法的算法22-24
• 2.3.3 EMD 方法的完备性和正交性24
• 2.3.4 虚假振动模式24-25
• 2.4 基于 EMD 的振动信号预处理方法25-29
• 2.4.1 基于 HHT 和相关系数的 IMF 机械振动模式提取方法25-26
• 2.4.2 基于白噪声统计特性的机械振动模式提取方法26-29
• 2.5 基于白噪声统计特性的振动模式提取方法仿真实验29-32
• 2.6 本章小结32-33
• 第3章 基于 ICA-R 的故障信号提取33-42
• 3.1 引言33
• 3.2 振动信号的 ICA 分离33-36
• 3.2.1 ICA 的基本模型和不确定性33-34
• 3.2.2 ICA 算法的一般流程34-35
• 3.2.3 寻优判据和 ICA 典型算法35-36
• 3.2.4 ICA 的局限性36
• 3.3 基于 ICA-R 的故障提取36-39
• 3.3.1 ICA-R 算法37-38
• 3.3.2 参考信号的建立38-39
• 3.4 仿真实验39-41
• 3.4.1 机械故障信号仿真实验39-41
• 3.4.2 与 ICA 分离效果的对比41
• 3.5 本章小结41-42
• 第4章 实验验证42-56
• 4.1 引言42
• 4.2 实验装置和数据采集系统42-46
• 4.2.1 齿轮箱动态模拟系统42-43
• 4.2.2 基于 LabVIEW2009 数据采集系统43
• 4.2.3 软件设计43-46
• 4.3 实验数据分析46-54
• 4.3.1 混合信号预处理46-47
• 4.3.2 基于脉冲法的 ICA-R47-50
• 4.3.3 单故障振动信号建立参考信号的 ICA-R50-52
• 4.3.4 齿轮、轴承内圈、滚动体故障并发实验52-54
• 4.4 本章小结54-56
• 结论56-57
• 参考文献57-63
• 致谢63

【参考文献】

中国期刊全文数据库 前2条

1 胡勤;张清华;覃爱淞;;旋转机械的混合智能故障诊断技术[J];工业控制计算机;2012年10期

2 刘宗政;陈恳;陈振华;陈雁;黄元林;;滚动轴承的振动特性分析及典型故障诊断[J];机械设计与制造;2009年03期

本文编号：546303