论文部分内容阅读
状态监测与故障诊断对于保障关键设备的安全可靠运行具有重要意义。原始振动数据常包含传感器原因导致的劣质数据及受到工况不确定性影响,是状态监测系统产生误报警的主要因素。对原始振动数据进行筛分处理,可以消除劣质数据的影响,降低误报警发生的概率。本文提出了一种共有成分重构的去噪方法来获得各振源真实的故障响应。1.分析不同信号分解方法的分解性能。对信号分解性能的分析是提取共有成分重构去噪方法的研究基础,是找到同源故障多次响应共有成分的保障。应用不同分解原理的信号分解方法(小波变换、集成经验模式分解、奇异谱分析、共振稀疏分解)分解不同类型的信号(局部噪声污染的冲击响应、高斯白噪声干扰的冲击响应,多频率成分的谐波信号),从分解子信号中信号与噪声的能量分布、分离状态、信噪比等多角度分析不同分解方法的分解性能。2.验证基于小波分解的共有成分重构去噪方法的可行性。利用小波变换的多分辨率特性分解同源故障的多次响应,测量分解分量之间的相似性、确定相似性阈值,提取共有成分重构完成去噪。在同源响应共有成分的认定中,选择动态时间规整算法作为分解子信号之间的相似性测量方法,选择K均值聚类作为相似性阈值确定方法。利用基于小波分解的共有成分重构去噪方法对仿真平稳转速下的轴承冲击信号、实测含齿轮啮合噪声干扰的轴承冲击信号和变转速下的轴承冲击信号进行去噪处理,实验结果均证明了该方法的可行性。3.提出小波-奇异谱分析双层提取共有成分重构的去噪方法。仿真信号验证奇异谱分析能够补充小波变换对频率成分复杂信号的分解不足。由于小波滤波器原理上的限制,小波分解提取共有成分有可能在共有成分信号中混入干扰噪声,或者可能在剩余噪声中遗漏了共有成分,采用双层去噪能够找出更多真实的共有成分弥补这种不足,提升去噪效果。对仿真信号和实测信号的去噪表明了小波结合奇异谱分析的双层提取共有成分重构去噪的可行性。4.针对信号和噪声存在频带重叠的分离难题,提出共振稀疏分解共有成分重构的去噪方法。将含轴承内圈故障和外圈故障的频带重叠信号按内圈故障特征频率切片处理,应用共振稀疏分解将切片后的多次响应分解为高共振分量和低共振分量,通过对分解分量进行相似性测量,找到代表内圈故障的共有成分,完成外圈故障干扰下的内圈故障响应的分离。共有成分重构后的信号凸显了轴承内圈故障特征,包络谱中能够去除外圈故障特征频率干扰,显示了清晰的内圈故障特征频率,证明了该去噪方法的有效性。基于以上研究,本文总结出了旋转机械同源多次响应提取共有成分重构的去噪方法。以小波、奇异谱分析和共振稀疏分解方法为技术手段完成了对旋转机械同源故障不同类型含噪信号的去噪任务。