论文部分内容阅读
目前对旋转机械的趋势分析与寿命预测方法多依赖于故障特征参数的提取,时频分析方法广泛用于旋转机械的故障特征参数提取方法中。其中应用较多的时频分析方法有小波分解、经验模态分解(Empirical Mode Decomposition,简称EMD)方法、局部均值分解(Local Mean Decomposition,简称LMD)方法,但是这些方法的应用中存在一些难以解决的缺陷,因此对新的时频分析方法的研究是旋转机械趋势分析与寿命预测领域的研究热点之一。本文研究了自适应最稀疏时频分析(Adaptive and Sparsest Time-Frequency Analysis,简称ASTFA)方法及其在旋转机械趋势分析与寿命预测中的应用,并针对该方法应用中存在的缺陷进行改进,然后将改进的ASTFA方法应用到滚动轴承故障特征参数提取中,并实现滚动轴承寿命预测,最后结合改进的ASTFA方法与齿轮传动系统动力学模型实现齿根裂纹故障定量诊断。本文研究的主要内容如下:1.针对ASTFA方法存在的初值选取盲目性缺陷,提出全相位搜索初值的ASTFA方法、遗传算法(GeneticAlgorithm,简称GA)搜索初值的ASTFA(简称GA-ASTFA)方法、黄金分割法(Golden Section,简称GS)搜索初值的ASTFA(简称GS-ASTFA)方法,并以这三种初值改进方法为代表,分析初值改进方法的异同点,为实际应用中初值搜索方法的选用提供了依据。2.针对ASTFA方法分解出的内禀模态分量(IntrinsicMode Function,简称IMF)排列无序现象进行了理论分析,提出基于主模态分析(Principle Mode Analysis,简称PMA)的ASTFA方法(简称PMA-ASTFA方法),并把PMA-ASTFA方法用于实际转子故障诊断,结果表明PMA-ASTFA方法有助于实现转子故障频率识别,验证了改进ASTFA方法的有效性。3.将改进的ASTFA方法应用于滚动轴承趋势分析与寿命预测中,提取滚动轴承全寿命样本数据的故障特征参数,选用趋势分析中趋势变化明显的故障特征参数,结合改进的ASTFA方法与寿命预测模型对滚动轴承做寿命预测,结果表明该寿命预测方法对实际滚动轴承的寿命管理有参考价值。4.结合动力学建模与时频分析方法对齿根裂纹故障进行定量诊断。根据实际旋转机械故障实验台,搭建齿轮传动系统的动力学模型,分别考虑时变啮合刚度和时变摩擦因子引起的内部激励来求解齿轮传动系统动力学响应,分析齿根裂纹和齿面摩擦系数对齿轮动力学响应的影响,把动力学仿真分析中对齿根裂纹趋势敏感的故障特征参数应用于齿根裂纹故障的定量诊断中。验证了基于改进ASTFA方法的齿根裂纹故障定量诊断方法的有效性。