论文部分内容阅读
随着科技与生产的发展,机械设备故障诊断技术日益获得重视和完善。大型旋转机械运行中的绝大多数信号是非平稳、非线性的。这些非平稳、非线性信号中包含着丰富的故障信息。由于傅里叶变换本质上的缺陷,无法得到时域和频域中非平稳信号的全貌和局部化的结果,使提取的故障特征有缺陷,从而影响了设备的诊断。只有采用时频分析方法,从时域和频域同时表征信号的特征,才能对旋转机械的非平稳、非线性的信号进行较好地分析并提取故障特征。
本文主要研究了小波分析方法和基于EMD的时频分析方法及其在面向旋转机械故障诊断的非平稳信号特征提取中的应用。主要进行了以下几方面的工作:
(1)以非平稳信号的特征提取为出发点,分析了国内外故障诊断和信号特征提取方法研究的现状,说明了研究非平稳信号的特征提取方法是故障诊断的内在要求。
(2)研究了小波分析、小波包分解的基本理论,对小波分析应用于信号降噪进行了理论分析。将小波分析降噪方法应用于旋转机械故障诊断中,通过仿真和实验分析,证明小波分析降噪方法可以有效的抑制非平稳信号中的噪声,并有效的保留信号中包含的故障信息;将小波包分解方法应用于旋转机械故障诊断中,通过对故障信号进行小波包分解,研究了故障信号在小波包分解下的故障特征。
(3)研究了基于EMD的时频分析的基本理论,及其适用于非平稳信号特征提取的特性,通过仿真信号分析,证明了基于EMD的时频分析能够有效的表征信号中所包含的非平稳、非线性成分。
(4)将基于EMD的时频分析理论应用于旋转机械故障诊断中,通过对实验信号的分析,研究了碰摩和突加不平衡故障信号在基于EMD的时频分析下的故障特征。
本文对文中所提方法进行了实验研究,结果表明,将小波分析方法用于信号降噪,能在不同的频率范围内对信号进行滤波,解决了低通滤波当信号和噪声频率发生重叠时不能进行有效分离的问题,可以作为旋转机械故障诊断中的非平稳信号的预处理方法。小波包分解可以将信号分解到不同的频段,然后对各频段内的信号进行重构,再对所关心的频段的子信号进行时域和频域的分析,可以有效的提取非平稳信号中的故障特征。基于EMD的时频分析方法较之小波分析方法有着更好的自适应性和时频分辨率,通过EMD分解,可以得到有意义的Hilbert谱,能从时频两个方面同时表征信号的特征,可以有效识别非平稳信号中的故障信息。