论文部分内容阅读
在旋转机械中,齿轮箱是传递动力的主要部件,齿轮箱中的旋转部件如轴、轴承、齿轮等往往在复杂的变载荷环境下运行,这些部件因为疲劳损伤而产生微弱故障,而故障信号在强背景噪声下往往不易被察觉。如果任由微弱故障发展为严重故障,会造成严重的后果。因此选用恰当的降噪方法对早期故障特征提取意义重大。目前对于机械信号的处理多是忽略机械设备发生故障时所产生的非高斯非平稳振动信号,而传统的故障诊断方法又无法抑制高斯噪声对故障信号的影响,往往无法在故障初期提取到具有非平稳非高斯特性的微弱故障特征。针对齿轮箱的早期故障信号具有非线性、非平稳性、非高斯性且易受强背景噪声干扰的特点,本文提出了基于最小熵反褶积(MED)、经验模态分解(EMD)和切片双谱相结合的方法来提取微弱故障特征。主要研究内容如下:1)介绍了MED、EMD、互信息和切片双谱的各自的原理以及之间的联系和衔接,在此基础上运用MED-EMD切片双谱的方法分析了的仿真信号,对仿真信号经MED-EMD分解后的前三阶IMF分量进行了切片双谱分析后发现,在中低频段出现了载波频率1)1=70Hz,明显突出了调制频率1)2=200Hz及其边频簇、1)2的二倍频及其边频簇和载波频率1)9)=300Hz的边频簇。通过比较得到MED-EMD和切片双谱相结合的降噪效果在三种方法中是最优的,这验证了MED-EMD切片双谱方法应用到旋转设备故障诊断上是可行的。2)通过MED-EMD将原始信号降噪分解为多个本征模态函数(IMF),MED作为EMD的前置滤波器能够弥补强背景噪声下EMD分解的不足,选取和原始信号相关性强的IMF分量为有效分量并对其进行切片双谱分析,提取点蚀故障特征。切片双谱分析能够抑制高斯噪声对IMF分量的干扰,同时与传统的基于EMD分解的功率谱方法进行了结果的对比,验证了该方法的实用性和优越性。3)设计了具有冲击调制特点的仿真信号,通过对仿真信号的处理来完善算法;搭建齿轮箱试验台,采集并用文中方法分析了包含齿轮点蚀信息的振动信号,验证了基于MED-EMD和切片双谱的方法在应用到旋转设备故障诊断时的实用性;测试采集到的某型号风力发电机齿轮箱实际运行的故障信号,提取微弱故障特征并做出相应故障诊断,与开机检查的结果相匹配,得到了齿轮箱故障为中间轴靠电机侧的轴承内圈出现点蚀的正确结论,并与传统方法相对比,MED-EMD切片双谱的降噪明显提高了信噪比,表明该方法对微弱故障提取的有效性。