机械故障特征提取的拓扑集分形稀疏字典

发布时间：2021-10-27 17:12

　　多尺度字典是实现机械动态信号中频域弱相干成分解耦的重要方法,但目前还欠缺围绕固定频率进行分辨率持续细化的系统性理论。基于近似解析小波变换构建了全新的拓扑集分形多分辨理论。提出了中心嵌套子空间簇,它随分析尺度深化实现了机械故障特征多目标同时追踪细化,在频域上表现为围绕一系列固定中心频率进行严格的二进细化。在数学上严格证明了:①任意中心嵌套子空间簇都是动态信号频域的拓扑空间;②各中心嵌套子空间簇按分析尺度具有严格自相似的分形特性。另外研究还揭示了二进制多分辨理论与拓扑集分形的深刻同构关联,即任意二进小波包唯一从属于某个中心嵌套子空间簇。其次,在扩展中心嵌套子空间诱导下,经典小波包变换可以化归成拓扑集分形的真子集。将拓扑集分形与旋转机械部件损伤动态模型结合提出了一种新的机械故障特征提取方法。该方法通过周期性成分稀疏测度优化和中心嵌套子空间搜索对冲击性机械故障特征的周期、瞬时动力学参数进行优化提取,从而提取物理意义更显著的单分量信息。将该方法应用于滚动轴承的故障诊断中,在含强噪声的振动信号中准确提取了表征轴承外圈剥落的多个单一模式分量。通过对比验证了所提出方法的噪声抑制能力显著优于以谱峭度和群... 

【文章来源】：振动与冲击. 2020,39(06)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

对比方法产生的最优小波尺度信息

图18 对比方法产生的最优小波尺度信息由以上结果可知,群组稀疏优化算法可以较好地识别冲击发生的时刻,但冲击的波形在分析过程中容易发生较大的畸变,不利于瞬时信息的提取。

该对比方法具有高度参数化的特点,而分析结果也高度依赖于参数的选择。对于复杂多分量耦合的信号,如本实验算例,也许存在揭示故障特征的最优参数组合,但往往需要大量的人工干预调整试验,工作量较大。6 结 论

【参考文献】：
期刊论文
[1]周期稀疏导向超小波在风力发电设备发电机轴承故障诊断中的应用[J]. 贺王鹏,訾艳阳,陈彬强,姚斌,张周锁.  机械工程学报. 2016(03)
[2]机械故障诊断的衍生增强离散解析小波分析框架[J]. 陈彬强,张周锁,訾艳阳,何正嘉.  机械工程学报. 2014(17)
[3]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠.  机械工程学报. 2013(01)



本文编号：3462035