论文部分内容阅读
摩擦振动是机械设备运转过程中摩擦副摩擦磨损产生的一种现象,蕴涵着反映摩擦副摩擦磨损状态的信息。摩擦引起的振动是摩擦学系统输出的重要信息之一,与摩擦因数、摩擦副表面形貌、润滑介质状况、摩擦力矩、磨损颗粒等输出信息相比,摩擦振动信号可以在设备正常运行时实时采集。因此,摩擦振动信号分析是设备运行过程中实时监测摩擦副摩擦磨损状态的理想手段。开展摩擦副摩擦磨损过程中摩擦振动降噪及特征提取的研究,可为机械设备磨损状态监测及故障诊断提供理论依据和方法。
在摩擦副摩擦磨损试验过程中,背景噪声也被摩擦振动采集系统采集,采集的摩擦振动信号经有效的降噪方法降噪后再进行分析,能有效提高分析结果的准确性。本文建立了基于谱减法和总体经验模态分解算法的摩擦振动降噪方法,将噪声信号和构造的摩擦振动仿真信号叠加得到的合成信号,对含噪的合成信号应用建立的降噪方法降噪,信号的信噪比得到了大幅度提高,验证了降噪方法的有效性,实现了摩擦振动信号的降噪。
为揭示摩擦磨损过程中摩擦振动的变化规律,综合运用混沌理论和多重分形理论来提取摩擦磨损过程摩擦振动的特征。对摩擦磨损试验得到的摩擦振动信号进行相空间重构,根据摩擦振动混沌吸引子轨迹收敛、发散的演变情况定性地分析摩擦振动的变化。关联维数对系统的时间过程反应敏感,应用关联维数表征摩擦磨损过程混沌特征量,对摩擦副不同摩擦状态摩擦振动的混沌特征进行了定量描述。应用多重分形去趋势波动分析算法对不同摩擦状态的摩擦振动信号进行分析,得到的摩擦振动信号多重分形谱α~f(α)曲线开口大小不同,并随着试验的进行形状在不断变化,不同摩擦状态α~f(α)曲线的形状相近,具有不同的参数范围且体现出一定的规律性。混合摩擦试验摩擦振动多重分形谱参数△α、△f、fmax、αfmax、αmax和Iα呈现减小的变化趋势,边界摩擦、干摩擦试验摩擦振动多重分形谱参数呈现增大的变化趋势,不同摩擦状态摩擦振动多重分形谱参数的范围和呈现的变化趋势较好地反映不同摩擦状态摩擦振动的变化,实现不同摩擦状态摩擦振动的特征提取及其定量表征。同时,同步分析试验过程的摩擦因数信号,摩擦振动和摩擦因数的多重分形谱参数在混合摩擦、边界摩擦和干摩擦试验条件下,呈现的增大和减小的变化趋势基本一致,表明了摩擦振动特征提取方法的有效性。
在摩擦振动特征提取研究的基础上,基于主成分分析算法,对摩擦振动时域信号和频域信号的多重分形谱参数进行分析。摩擦振动的多重分形谱参数构成的原特征空间是一个高维数据空间,经主成分分析后,各样本点特征参数转化为三个综合参数,为摩擦振动特征的直观表示创造了条件。对不同摩擦状态摩擦振动多重分形谱参数进行主成分分析,结果表明:混合摩擦、边界摩擦、干摩擦的摩擦振动多重分形谱参数的主成分在三维空间中各自存在确定的位置,同种摩擦状态各自接近,具有较好的区分度。将不同摩擦状态摩擦振动多重分形谱参数主成分在三维空间分布的形心用于摩擦状态识别,应用验证试验的摩擦振动样本进行摩擦副摩擦状态识别,识别准确率为91.7%。进一步对建立的摩擦状态识别方法进行了应用研究,根据三组试验的摩擦振动多重分形谱参数主成分的形心计算得到综合形心,综合形心可用于这三组试验工况参数范围内的摩擦状态识别,对验证试验的摩擦状态识别准确率为87.5%,表明建立的摩擦副摩擦状态识别方法具有较高的可靠性,为通过摩擦振动信号来识别摩擦副摩擦状态提供了方法。
在摩擦副摩擦磨损试验过程中,背景噪声也被摩擦振动采集系统采集,采集的摩擦振动信号经有效的降噪方法降噪后再进行分析,能有效提高分析结果的准确性。本文建立了基于谱减法和总体经验模态分解算法的摩擦振动降噪方法,将噪声信号和构造的摩擦振动仿真信号叠加得到的合成信号,对含噪的合成信号应用建立的降噪方法降噪,信号的信噪比得到了大幅度提高,验证了降噪方法的有效性,实现了摩擦振动信号的降噪。
为揭示摩擦磨损过程中摩擦振动的变化规律,综合运用混沌理论和多重分形理论来提取摩擦磨损过程摩擦振动的特征。对摩擦磨损试验得到的摩擦振动信号进行相空间重构,根据摩擦振动混沌吸引子轨迹收敛、发散的演变情况定性地分析摩擦振动的变化。关联维数对系统的时间过程反应敏感,应用关联维数表征摩擦磨损过程混沌特征量,对摩擦副不同摩擦状态摩擦振动的混沌特征进行了定量描述。应用多重分形去趋势波动分析算法对不同摩擦状态的摩擦振动信号进行分析,得到的摩擦振动信号多重分形谱α~f(α)曲线开口大小不同,并随着试验的进行形状在不断变化,不同摩擦状态α~f(α)曲线的形状相近,具有不同的参数范围且体现出一定的规律性。混合摩擦试验摩擦振动多重分形谱参数△α、△f、fmax、αfmax、αmax和Iα呈现减小的变化趋势,边界摩擦、干摩擦试验摩擦振动多重分形谱参数呈现增大的变化趋势,不同摩擦状态摩擦振动多重分形谱参数的范围和呈现的变化趋势较好地反映不同摩擦状态摩擦振动的变化,实现不同摩擦状态摩擦振动的特征提取及其定量表征。同时,同步分析试验过程的摩擦因数信号,摩擦振动和摩擦因数的多重分形谱参数在混合摩擦、边界摩擦和干摩擦试验条件下,呈现的增大和减小的变化趋势基本一致,表明了摩擦振动特征提取方法的有效性。
在摩擦振动特征提取研究的基础上,基于主成分分析算法,对摩擦振动时域信号和频域信号的多重分形谱参数进行分析。摩擦振动的多重分形谱参数构成的原特征空间是一个高维数据空间,经主成分分析后,各样本点特征参数转化为三个综合参数,为摩擦振动特征的直观表示创造了条件。对不同摩擦状态摩擦振动多重分形谱参数进行主成分分析,结果表明:混合摩擦、边界摩擦、干摩擦的摩擦振动多重分形谱参数的主成分在三维空间中各自存在确定的位置,同种摩擦状态各自接近,具有较好的区分度。将不同摩擦状态摩擦振动多重分形谱参数主成分在三维空间分布的形心用于摩擦状态识别,应用验证试验的摩擦振动样本进行摩擦副摩擦状态识别,识别准确率为91.7%。进一步对建立的摩擦状态识别方法进行了应用研究,根据三组试验的摩擦振动多重分形谱参数主成分的形心计算得到综合形心,综合形心可用于这三组试验工况参数范围内的摩擦状态识别,对验证试验的摩擦状态识别准确率为87.5%,表明建立的摩擦副摩擦状态识别方法具有较高的可靠性,为通过摩擦振动信号来识别摩擦副摩擦状态提供了方法。