局部波动特征分解方法及其在动力机械故障诊断中的应用

摘要

如今，随着大型动力机械的高速发展，加强对大型动力机械设备的运行状态监测的研究越发具有重要的实际意义。然而，大部分的机械设备发生故障时，其振动信号多是非平稳、非线性的时变信号，针对机械故障振动信号的特性，将局部波动特征分解(Local Oscillatory-characteristic Decomposition,简称LOD)方法引入动力机械设备的故障诊断中，研究与解决LOD方法中存在的部分理论问题，并将LOD与Hilbert包络谱分析方法相结合并应用于齿轮、滚动轴承的故障诊断中。本文的主要研究内容如下：
　　1、在介绍了LOD算法的基础上，本文针对LOD存在的端点效应问题、模态混淆现象以及滤波特性结构进行深入的研究：针对LOD的端点效应问题，引入了自适应波形匹配延拓方法，通过对仿真信号的分析研究，该方法能有效地抑制LOD的端点效应问题；为了获得LOD方法的滤波特性结构，考虑到白噪声的统计特性，通过运用LOD方法来分解白噪声信号，从分解结果中分析得到了 LOD的滤波特性结构；针对LOD的模态混淆问题，通过添加白噪声信号进入LOD方法中，提出了一种改进的噪声辅助LOD分解方法，通过对仿真信号和实验信号的分析得知，该方法能有效地解决LOD的模态混淆问题。
　　2、针对动力机械传动系统中的滚动轴承和齿轮故障特征信息大量保存在非平稳、非线性的，具有调制特征的振动信号中。根据这一特点，提出了基于LOD的Hilbert包络谱分析方法，并将这种方法应用于机械传动设备的故障诊断之中。通过基于LOD的Hilbert包络谱方法对滚动轴承及齿轮的实验信号及实际信号的分析处理，其结果表明，该方法能够有效地提取出滚动轴承、齿轮的故障特征信息。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题来源及研究背景

1.2 国内外研究现状

1.3 本文主要研究内容

第二章 局部波动特征分解方法

2.1引言

2.2 局部波动特征分解方法介绍

2.3 本章小结

第三章 局部波动特征分解方法的改进

3.1 引言

3.2 LOD中端点效应的处理

3.3 LOD方法中模态混淆问题的研究

3.4 本章小结

第四章 基于LOD的Hilbert包络分析方法及其在齿轮和滚动轴承故障诊断中的应用

4.1 引言

4.2 基于LOD的Hilbert包络分析方法

4.3 LOD包络分析方法在滚动轴承故障诊断中的应用

4.4 LOD包络分析方法在齿轮故障诊断中的应用

4.5本章小结

全文总结

1 全文工作总结

2 创新点

3 后续工作及展望

参考文献

致谢

附录A(攻读学位期间参加的科研工作及论文发表情况)