强噪声背景下旋转机械早期微弱故障特征提取方法研究

发布时间：2020-12-18 08:17

　　大型旋转机械在现代工业中占有重要地位,其故障将导致灾难性的事故和巨大的经济损失。振动信号承载着与旋转机械健康状况相关的关键信息,如何从振动信号中提取有用特征的研究一直备受关注。当机械转动部件发生损伤时,其振动信号表现为非线性、非平稳、非高斯特征,且早期故障特征微弱、调制性强、背景噪声大,使故障特征淹没在强背景噪声中,难以提取。本文对强噪声背景下信号的微弱故障特征提取进行了研究。奇异值分解(Singular Value Decomposition,SVD)被广泛应用于信号的降噪处理,然而对于强噪声背景下的微弱故障信号,微弱故障特征信息淹没在背景噪声中,使得SVD难以获得理想的降噪效果。本文提出了一种新的有效奇异值个数的确定方法,在有效去除噪声的同时,最大程度保留信号中的微弱故障特征信息。仿真实验证明了该方法对强白噪声背景下的微弱频率成分具有良好的处理效果。变分模态分解(Variational Mode Decomposition,VMD)作为一种新的时频分析方法,具有较好的噪声鲁棒性和频域分辨率,对于非平稳信号的处理有着独特的优势,在轴承故障信号的处理中得到了广泛的应用。对于VMD中存在... 

【文章来源】：燕山大学河北省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

故障诊断示意图

燕山大学工学硕士学位论文-18-2.2.3本征模态函数为使信号的瞬时频率有意义，Huang[18]等人提出了本征模态函数（IntrinsicModeFunction,IMF）的概念，并认为符合IMF定义的信号的瞬时频率都是存在的。本征模态函数要满足以下两个条件：（1）在整段数据上，极值点和过零点的个数必须相差不超过一个。（2）在任意时刻信号的局部极大值包络和局部极小值包络的均值为零，即上下包络线关于时间轴对称[67]。条件（1）相当于传统的对高斯平稳信号的窄带要求，条件（2）则保证了信号中不会有“骑波”的存在。根据这两个条件，IMF可以是调频、调幅或调频调幅的非稳态信号。IMF的定义满足了大部分信号对于其瞬时频率是否存在的判定，但是仍然有部分特殊的信号满足本征模态函数的定义却不存在瞬时频率，如图2-2中所示的锯齿波信号。a)信号时域波形b)信号瞬时相位c)信号瞬时频率图2-2锯齿波信号

燕山大学工学硕士学位论文-20-a)AM信号b)FM信号(fFM<<Δf)c)FM信号(fFM>>Δf)d)AM-FM信号图2-3典型情况的IMF分量波形及频谱图2-3中的红色实线表示载波频率fc的位置，红色虚线表示带宽的理论上下限，图2-3表明符合IMF分量定义的信号的带宽差异很大，其中调频调幅信号的带宽明显大于纯调频/调幅信号。2.2.4频率混合和外差解调频率混合是滚动轴承故障信号中的常见现象。当滚动轴承发生故障时，会周期性地对机械设备产生冲击，这种冲击会使本就存在的大小不一的频率成分产生频率混合。频率混合是两个信号的非线性结合，进而产生交叉频率项。最简单的频率混


本文编号：2923684