论文部分内容阅读
采用振动信号进行监测与诊断是目前大型旋转机械设备维护管理的主要手段。由于大多数旋转机械故障的振动信号是非平稳信号,因此研究先进的非平稳信号处理方法,对于保证大型旋转机械设备的安全可靠运行有重要意义。基于经验模态分解(EMD)的Hilbert-Huang变换(HHT)是一种新的时频分析方法,被认为是近年来对以傅里叶变换为基础的线性和稳态谱分析的一个重大突破,广泛用于越来越多的工程领域。本文结合旋转机械故障特点,针对HHT存在的问题,提出了改进算法,并通过转子台模拟试验和实际故障数据,分析了几种典型故障的Hilbert谱特征,为旋转机械故障诊断提供依据。论文主要创新点包括:1.研究了HHT的算法改进,针对HHT的边界处理,分析了HHT端点效应产生的原因,总结了现有边界处理算法的特点,提出了采用波形特征匹配延拓的处理方法,通过一次延拓,可以同时处理HHT中的两种边界问题;为解决三次样条插值存在的过冲与欠冲,提出了基于约束样条插值的包络拟合算法,减小了EMD分解误差,提高了HHT的信号分辨能力;针对EMD存在的过分解产生的虚假分量,提出了采用互信息实现虚假分量的识别方法;研究了HHT中异常事件引起的模态混叠现象,指出EMD中第一阶IMF的分解结果对后续分解的影响最大,减小第一个IMF的分解误差,可以提高整个数据的分解精度,结合旋转机械振动信号的特点,提出了通过加入高频谐波解决模态混叠的方法。2.研究了数学形态学在振动信号预处理中的应用问题,提出了采用开-闭和闭-开组合数学形态滤波器实现振动信号降噪的方法,分析了数学形态滤波器对不同类型和强度噪声的处理能力。将数学形态滤波器应用于HHT信号分析的预处理,可以有效降低复杂异常事件对EMD分解的影响,提高HHT分析效果。3.将HHT应用于振动信号分析,通过转子试验台故障模拟试验,给出了转子冲临界过程、局部碰摩和油膜失稳等故障下的转子升速过程的Hilbert谱;分析总结了转子启动过程、不平衡、转子局部碰摩与全周碰摩、油膜涡动与油膜振荡等几种典型旋转机械故障的Hilbert谱特征,并应用于碰摩、油膜振荡等实际故障分析。