论文部分内容阅读
电机是现代工业过程中重要的动力能源和驱动设备,电机转子故障会直接影响到电机的功能精度、可靠性和持久性。转子振动信号包含转子运行重要信息,分析转子振动信号获取电机运行特征是目前研究的热点问题之一。本文根据电机转子振动信号的非平稳性特点,针对传统的傅里叶变换不能完全满足故障信号特征提取的要求,重点研究小波变换、经验模式分解和集合经验模态分解对电机转子振动信号的处理、分析方法。主要内容如下:1)针对转子非平稳振动信号的特点,研究了小波变换基本理论,给出了小波变换对非平稳振动信号消噪的步骤,仿真实验说明了小波变换有效地实现对振动信号的消噪。针对振动信号中出现的突变部分,深入研究了小波变换的奇异性检测原理,给出了振动信号奇异点定位方法的具体步骤。小波变换分解的细节图中,振动信号的奇异部分检测效果并不明显,提出了采用细节信号相乘的方法,有效地实现了对振动信号奇异点的准确定位。2)针对小波变换在分辨率上存在模糊和小波基、降噪阈值的选取等问题,提出了经验模态分解方法的基本理论,给出了经验模态分解算法的基本步骤,论证了经验模态分解方法具有的完备性和正交性,实现了对振动信号趋势项的提取。针对经验模态分解自适应滤波方法,实验证实了该方法在低信噪比情况下,有效地去除了噪声部分,提取出振动信号的频率成分。为了准确提取转子故障信号中的分数倍频率成分,提出了先将信号经验模态分解,再对固有模态函数求Hilbert边际谱的方法,实现了对转子故障类型的准确判断。3)针对经验模态分解方法在对信号进行分解时出现的模态混叠现象,提出了集合经验模态分解方法,给出了该方法的具体步骤。仿真实验证实了此方法能够有效地解决模态混叠现象。在此基础上详细地分析了小波变换、经验模态分解和集合经验模态分解在对电机转子振动信号消噪中的适用性,证实了集合经验模态方法能有效地消除噪声、抑制脉冲干扰,很好地保留信号的振动特性,实现对振动信号的消噪。4)以LabVIEW为软件开发平台,配合转子振动模拟试验台、传感器、信号调理器和数据采集卡等硬件设备,组成了电机转子振动信号采集与处理的虚拟仪器系统,完成了对电机转子不对中-油膜涡动耦合、转子碰磨-油膜涡动耦合时的振动信号采集、显示和保存等一系列功能。利用小波变换、经验模态分解和集合经验模态分解方法,去除了转子振动信号中的噪声、提取了转子振动信号有用的特征、识别了转子故障部位和类型、实现了转子振动信号奇异点定位。