基于声信号同步液压马达故障诊断方法及试验研究
发布时间：2021-08-13 20:06
同步液压马达经常工作于高负载条件下,对其进行在线故障监测可有效避免严重安全事故和经济损失。在实际工程应用中,信号处理和诊断过程是在线故障诊断的重要组成部分。作为非接触式采集信号,声学信号比振动信号更容易采集,因此提出了一种基于声信号的同步液压马达故障自动诊断方法。该方法包括基于位错叠加法（DSM）的声信号自动降噪方法（NRDSM）、基于信号特征自动提取与故障模式识别的自动故障诊断方法和同步液压马达故障诊断软、硬件系统的搭建。（1）NRDSM可以实现低信噪比同步液压马达声信号的自动降噪。首先,根据流量计获得同步液压马达的理论旋转周期。然后,根据流量计的测量精度和理论旋转周期对实际声信号进行DSM处理,利用皮尔森相关系数确定实际信号的最佳叠加长度和最佳初始位置。最后,利用设定的停止条件确定最佳叠加次数与叠加效果。（2）同步液压马达自动故障诊断方法可以实现信号特征的提取与诊断。其中利用皮尔森相关系数确定降噪信号的最佳小波包频率尺度范围与最佳分解层数,从而实现信号特征的自动提取。最后,使用K最近邻（KNN）分类器完成故障诊断过程。（3）以齿轮式同步液压马达为研究对象设计并搭建了同步液压马达试验...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．１齿轮式同步液压马达实物图??Ｆｉｇ．?１．１?Ｐｈｙｓｉｃａｌ?ｇｒａｐｈ?ｏｆ?ｇｅａｒｅｄ?ｓｙｎｃｈｒｏｎｏｕｓ?ｈｙｄｒａｕｌｉｃ?ｍｏｔｏｒ??
，研究一种基于??声信号的同步液压马达诊断故障方法是有意义的。??传统的故障诊断过程主要分为两部分，首先采集所需的信号再将得到的数据进行离??线处理分析。随着时代的进步，离线式故障诊断已不能满足自动化生产的要求。与此同??时在线故障诊断的需求在逐渐增大，因此开发一套同步液压马达实时故障诊断平台可实??现对现有技术的更新，有利于智能化生产进程的推进。基于声信号的同步液压马达故障??诊断主要分为三个步骤：声信号采集与自动降噪；声信号特征自动提取；利用分类器对??信号特征进行训练与识别，图１．２为同步液压马达在线故障诊断流程图。??声信号采集???＾?［???自动降噪???］?［???自动特征提取??Ｉ?Ｉ??ｉ?样本信号?待诊断信号丨??；?ｉ???ｉ???分类器训练?故障诊断｜??丨?……ｎ??图１．２同步液压马达在线故障诊断流程图??Ｆｉｇ．?１．２?Ｏｎｌｉｎｅ?ｆａｕｌｔ?ｄｉａｇｎｏｓｉｓ?ｆｌｏｗｃｈａｒｔ?ｏｆ?ｓｙｎｃｈｒｏｎｏｕｓ?ｈｙｄｒａｕｌｉｃ?ｍｏｔｏｒ??目前分类器相关研宄较为成熟，因此为了实现同步液压马达在线故障诊断应完成信??号自动降噪与特征自动提取的相关工作。本文将采用一种基于错位叠加法和小波包能量??法的自动信号降噪与特征提取方法来实现同步液压马达故障诊断的关键信号处理步骤，??为同步液压马达故障诊断提供理论支持。??１．２声信号处理方法介绍??由于从声音传感器直接采集得到的原始信号中含有大量背景噪音，因此为了提高故??障诊断的准确性需要对原始信号进行降噪处理。通常，将发生故障的部位所产生的声信??号称为有效信号，其余成分统称为噪声［７］
析的特点，即小??波变换的窗函数可以对待处理信号频率进行自适应调整：在低频部分采用长窗提高频域??分辨率，而在高频部分采用短窗提高时域分辨率［２３］。对于频率成分复杂且包含大量突变??信息的机械故障信号，小波分析具有良好的处理效果，因此目前广泛应用于机械故障诊??断领域。经过ｆ次小波分解的原始信号会得到／＋１个小波系数，其中从第２层开始每次??只对低频成分进行分解，对各个小波系数进行重构可以得到对应频率尺度的重构信号。??以３层小波分解为例，各重构信号与原始信号及小波分解次数的关系如图１．３所示。???Ｓ?????Ａ???Ｄ??＋?ｙ???ＡＡ???ＡＤ??Ｊ?Ｔ??ＡＡＡ?ＡＡＤ??图１．３?３层小波分解树示例??Ｆｉｇ．?１．３?Ｅｘａｍｐｌｅ?ｏｆ?ａ?３－ｌａｙｅｒ?ｗａｖｅｌｅｔ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｔｒｅｅ??－４?－??
【参考文献】：
期刊论文
[1]基于时频分析的高温振动环境螺栓连接件松动判别[J]. 曹芝腑,谭志勇,姜东,何顶顶,费庆国. 振动与冲击. 2019(17)
[2]基于小波包子带分析的柱塞泵松靴故障程度诊断[J]. 郑硕,王少萍,卢传奇. 系统仿真技术. 2017(03)
[3]基于参考信号频域半盲提取的机械故障特征声学诊断[J]. 羿泽光,潘楠,刘凤. 河北科技大学学报. 2015(04)
[4]机械故障诊断技术中的信号处理方法:时频分析[J]. 王金福,李富才. 噪声与振动控制. 2013(03)
[5]机械故障诊断技术中的信号处理方法:时域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(02)
[6]机械故障诊断的信号处理方法:频域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(01)
[7]基于降噪及独立分量分析的轴承故障声信号特征提取[J]. 吕勇,李友荣,肖涵,王志刚. 武汉科技大学学报(自然科学版). 2008(01)
[8]去噪小波包能量法在水声信号识别中的应用[J]. 杨亚菁,钟丽萍. 湛江海洋大学学报. 2005(01)
[9]基于改进小波包算法的水声信号消噪与重构研究[J]. 葛永,陈建安. 声学与电子工程. 2004(02)
[10]机动车声信号特征提取方法及在目标识别中的应用[J]. 袁小滨,李京华. 长安大学学报(建筑与环境科学版). 2003(04)
博士论文
[1]风电齿轮箱运行状态监测与故障诊断[D]. 窦春红.北京交通大学 2019
[2]基于多尺度非线性状态特征增强的旋转机械故障诊断方法研究[D]. 王俊.中国科学技术大学 2015
[3]机械噪声监测中盲信号处理方法研究[D]. 王宇.昆明理工大学 2010
硕士论文
[1]地震信号去噪及检测方法研究[D]. 韩若楠.北京邮电大学 2019
[2]基于特征提取的风机齿轮箱故障诊断方法研究[D]. 胡亚威.新疆大学 2019
[3]基于振动信号的滚动轴承故障诊断与状态识别方法研究[D]. 彭刘阳.中国矿业大学 2019
[4]涡轮机热端部件健康监测技术研究[D]. 王丽.哈尔滨工程大学 2018
[5]基于声音信号的故障诊断研究及应用[D]. 穆峰.山东大学 2016
[6]基于KNN算法的柴油机故障诊断方法研究[D]. 朱向利.哈尔滨工程大学 2016
[7]基于声信号的运动车辆识别算法研究与实现[D]. 周莹.电子科技大学 2013
[8]基于音频信号的汽车状态与故障分析[D]. 宋春雷.沈阳理工大学 2013
[9]小波滤波在摩托车发动机异响诊断中的应用[D]. 夏鲁宁.重庆大学 2012
[10]小波分析在摩托车发动机异响诊断中的应用[D]. 冯焘.重庆大学 2011
本文编号：3341059
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．１齿轮式同步液压马达实物图??Ｆｉｇ．?１．１?Ｐｈｙｓｉｃａｌ?ｇｒａｐｈ?ｏｆ?ｇｅａｒｅｄ?ｓｙｎｃｈｒｏｎｏｕｓ?ｈｙｄｒａｕｌｉｃ?ｍｏｔｏｒ??
，研究一种基于??声信号的同步液压马达诊断故障方法是有意义的。??传统的故障诊断过程主要分为两部分，首先采集所需的信号再将得到的数据进行离??线处理分析。随着时代的进步，离线式故障诊断已不能满足自动化生产的要求。与此同??时在线故障诊断的需求在逐渐增大，因此开发一套同步液压马达实时故障诊断平台可实??现对现有技术的更新，有利于智能化生产进程的推进。基于声信号的同步液压马达故障??诊断主要分为三个步骤：声信号采集与自动降噪；声信号特征自动提取；利用分类器对??信号特征进行训练与识别，图１．２为同步液压马达在线故障诊断流程图。??声信号采集???＾?［???自动降噪???］?［???自动特征提取??Ｉ?Ｉ??ｉ?样本信号?待诊断信号丨??；?ｉ???ｉ???分类器训练?故障诊断｜??丨?……ｎ??图１．２同步液压马达在线故障诊断流程图??Ｆｉｇ．?１．２?Ｏｎｌｉｎｅ?ｆａｕｌｔ?ｄｉａｇｎｏｓｉｓ?ｆｌｏｗｃｈａｒｔ?ｏｆ?ｓｙｎｃｈｒｏｎｏｕｓ?ｈｙｄｒａｕｌｉｃ?ｍｏｔｏｒ??目前分类器相关研宄较为成熟，因此为了实现同步液压马达在线故障诊断应完成信??号自动降噪与特征自动提取的相关工作。本文将采用一种基于错位叠加法和小波包能量??法的自动信号降噪与特征提取方法来实现同步液压马达故障诊断的关键信号处理步骤，??为同步液压马达故障诊断提供理论支持。??１．２声信号处理方法介绍??由于从声音传感器直接采集得到的原始信号中含有大量背景噪音，因此为了提高故??障诊断的准确性需要对原始信号进行降噪处理。通常，将发生故障的部位所产生的声信??号称为有效信号，其余成分统称为噪声［７］
析的特点，即小??波变换的窗函数可以对待处理信号频率进行自适应调整：在低频部分采用长窗提高频域??分辨率，而在高频部分采用短窗提高时域分辨率［２３］。对于频率成分复杂且包含大量突变??信息的机械故障信号，小波分析具有良好的处理效果，因此目前广泛应用于机械故障诊??断领域。经过ｆ次小波分解的原始信号会得到／＋１个小波系数，其中从第２层开始每次??只对低频成分进行分解，对各个小波系数进行重构可以得到对应频率尺度的重构信号。??以３层小波分解为例，各重构信号与原始信号及小波分解次数的关系如图１．３所示。???Ｓ?????Ａ???Ｄ??＋?ｙ???ＡＡ???ＡＤ??Ｊ?Ｔ??ＡＡＡ?ＡＡＤ??图１．３?３层小波分解树示例??Ｆｉｇ．?１．３?Ｅｘａｍｐｌｅ?ｏｆ?ａ?３－ｌａｙｅｒ?ｗａｖｅｌｅｔ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｔｒｅｅ??－４?－??
【参考文献】：
期刊论文
[1]基于时频分析的高温振动环境螺栓连接件松动判别[J]. 曹芝腑,谭志勇,姜东,何顶顶,费庆国. 振动与冲击. 2019(17)
[2]基于小波包子带分析的柱塞泵松靴故障程度诊断[J]. 郑硕,王少萍,卢传奇. 系统仿真技术. 2017(03)
[3]基于参考信号频域半盲提取的机械故障特征声学诊断[J]. 羿泽光,潘楠,刘凤. 河北科技大学学报. 2015(04)
[4]机械故障诊断技术中的信号处理方法:时频分析[J]. 王金福,李富才. 噪声与振动控制. 2013(03)
[5]机械故障诊断技术中的信号处理方法:时域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(02)
[6]机械故障诊断的信号处理方法:频域分析[J]. 王金福,李富才. 噪声与振动控制. 2013(01)
[7]基于降噪及独立分量分析的轴承故障声信号特征提取[J]. 吕勇,李友荣,肖涵,王志刚. 武汉科技大学学报(自然科学版). 2008(01)
[8]去噪小波包能量法在水声信号识别中的应用[J]. 杨亚菁,钟丽萍. 湛江海洋大学学报. 2005(01)
[9]基于改进小波包算法的水声信号消噪与重构研究[J]. 葛永,陈建安. 声学与电子工程. 2004(02)
[10]机动车声信号特征提取方法及在目标识别中的应用[J]. 袁小滨,李京华. 长安大学学报(建筑与环境科学版). 2003(04)
博士论文
[1]风电齿轮箱运行状态监测与故障诊断[D]. 窦春红.北京交通大学 2019
[2]基于多尺度非线性状态特征增强的旋转机械故障诊断方法研究[D]. 王俊.中国科学技术大学 2015
[3]机械噪声监测中盲信号处理方法研究[D]. 王宇.昆明理工大学 2010
硕士论文
[1]地震信号去噪及检测方法研究[D]. 韩若楠.北京邮电大学 2019
[2]基于特征提取的风机齿轮箱故障诊断方法研究[D]. 胡亚威.新疆大学 2019
[3]基于振动信号的滚动轴承故障诊断与状态识别方法研究[D]. 彭刘阳.中国矿业大学 2019
[4]涡轮机热端部件健康监测技术研究[D]. 王丽.哈尔滨工程大学 2018
[5]基于声音信号的故障诊断研究及应用[D]. 穆峰.山东大学 2016
[6]基于KNN算法的柴油机故障诊断方法研究[D]. 朱向利.哈尔滨工程大学 2016
[7]基于声信号的运动车辆识别算法研究与实现[D]. 周莹.电子科技大学 2013
[8]基于音频信号的汽车状态与故障分析[D]. 宋春雷.沈阳理工大学 2013
[9]小波滤波在摩托车发动机异响诊断中的应用[D]. 夏鲁宁.重庆大学 2012
[10]小波分析在摩托车发动机异响诊断中的应用[D]. 冯焘.重庆大学 2011
本文编号：3341059
本文链接：https://www.wllwen.com/shoufeilunwen/boshibiyelunwen/3341059.html
