旋转机械是工业部门中应用最为广泛的一类机械设备,因而其故障诊断具有重要的现实意义。旋转机械故障诊断的关键是从旋转机械故障振动信号中提取故障特征,信号分析和处理是特征提取最常用的方法。由于大多数旋转机械故障振动信号是非平稳信号,因此有必要选择恰当的适合于非平稳信号分析的信号处理方法。 由于时频分析方法能同时提供振动信号的时域和频域信息,因而在旋转机械故障诊断中应用最为广泛。但是常用的时频分析方法如窗口傅里叶变换(Windowed Fourier Transform)、WVD(Wigner-Ville Distribution)、小波变换等都有各自的局限性。因此,迫切需要新的理论和信号处理方法来提高现有的旋转机械故障诊断技术水平。近来,一种适合于处理非平稳信号的时频分析方法Hilbert-Huang变换(Hilbert-Huang Transform,简称HHT)被提出来以后,经验证在很多方面的应用效果都优于其它的信号处理方法。本文在国家自然科学基金项目的资助下,较早地将HHT引入旋转机械故障诊断当中,目的在于研究用HHT提取滚动轴承、齿轮和转子系统各类故障振动信号特征的问题。 本论文主要完成了两个方面的研究工作:对Hilbert-Huang变换理论的深入研究和基于Hilbert-Huang变换的旋转机械故障诊断方法研究,主要创新点如下: 1.对Hilbert-Huang变换的理论进行了研究,主要解决了IMF的判据问题和端点效应问题。 (1)首次提出了基于EMD的信号瞬时特征的小波分析方法,由该方法可以得到非平稳信号完整的时频分布,从而解决了采用小波求宽带非平稳信号的瞬时物理量遇到的困难,也避免了采用Hilbert-Huang变换求非平稳信号的瞬时物理量时必须解决的端点效应。 (2)根据EMD方法具有完备性和正交性的特点,首次提出了能量差跟踪法来确定“筛分”次数,由此得到的IMF分量不仅能满足正交性的要求,而且能反映信号内含的信息。 (3)提出了基于支持向量回归机和基于时变AR模型的两种数据序列延拓方法,这两种方法都可以有效地克服端点效应问题,从而得到准确的IMF分量及其瞬时频率和瞬时幅值。 2.将Hilbert-Huang变换应用于旋转机械故障特征提取,并提出了具体的故障诊断方法。 (1)提出了基于Hilbert-Huang变换的时频熵方法。研究发现,正常工作状态下的齿轮振动信号的时频熵较大,而当齿轮发生故障时,其振动信号的时频熵会