论文部分内容阅读
高端装备制造产业是现代国家的核心竞争力,在战略性新兴产业中占据了重要地位。高端机械装备在运行过程中一般要经历各种复杂苛刻服役环境,如高速、高温、重载等,使得机械装备及其关键部件性能退化,出现故障。重要机械设备故障的发生会带来经济损失和人员伤亡。为了保障机械装备的安全可靠运行,需要准确及时地诊断出其服役过程中出现的故障。本文以先进的健康监测和故障诊断技术为研究目标,以自适应时-频特征增强为主题,针对传统时频方法分析非平稳快时变信号的时频聚集性差、时频脊线提取精度差以及微弱故障特征识别的问题,提出了高阶同步压缩小波变换提高信号时频能量集中程度;提出了自适应时频脊线提取算法,解决多脊线、交叉脊线和间断脊线的提取问题;提出了自适应谱峭度算法,从参数估计角度,自适应估计信号属性,提取微弱故障特征;提出了导波时频特征增强和导波传播模式估计算法实现了导波特征增强和导波混叠模式分离。为了处理非平稳快时变信号,提出了高阶同步压缩小波变换。其核心思想是构建高阶瞬时频率估计算子,通过提高时频平面上每点的瞬时频率估计精度,以达到提高信号时频能量集中程度的目的。根据Plancherel定理给出了该算法的实现格式。构建了高阶同步压缩小波变换的理论框架,给出了方法在时频聚集性、瞬时频率估计精度和信号时域重构精度的数学表达,并进行了详细地证明。多成分非平稳快时变仿真信号、行星齿轮箱实验台信号和工程实际信号验证了方法的有效性。为了估计时频重要参数---时频脊线,提出了自适应时频脊线提取算法。将时频脊线提取问题转为为目标跟踪问题,定义时频脊线目标为生存(转移)、新生和消失三种状态。在跟踪目标之前,先对峰值进行预处理,利用顺序统计滤波器有效地去除噪声干扰和虚假峰值;然后构建权重因子可变的惩罚函数跟踪时频脊线目标。自适应时频脊线提取算法可以有效地解决解决多脊线、交叉脊线和间断脊线的提取问题,对初值不敏感,可以抑制噪声干扰。多脊线仿真信号、交叉间断仿真信号和蝙蝠回声信号验证了方法的有效性。针对微弱故障特征提取问题,以滚动轴承为研究对象,提出了基于参数估计的自适应谱峭度算法。该算法构建了变结构元素的形态滤波器,得到了反映信号模式数量的峰值分布平面;利用大津算法通过分析峰值分布平面得到了频带分解信息;构建了基于Meyer小波的自适应滤波器组分解信号;分析分解频带以提取故障特征。该方法不用设定先验参数,分解个数与分解格式由待分析信号自适应确定,具有灵活的自适应划分格式。仿真信号和实验信号都验证了该算法的有效性。针对导波信号成分复杂、模式混叠问题,基于频散曲线开展了导波模式分离研究。以导波传播的基本理论为出发点,通过分析导波信号时频分布的Hessian矩阵并结合扩散张量理论,提出了特征近似性函数,增强了导波时频特征,有效地解决了由于激励能量低导致的时频特征不明显问题;根据提取的导波频散曲线,通过理论推导将导波模式的分离问题转化为Lasso回归优化问题,实现了多模式的分离。导波模式混叠实验信号和疲劳裂纹损伤实验信号验证了导波时频特征增强算法和导波模式估计算法的有效性。