基于最优信号共振稀疏分解的旋转机械故障诊断方法研究

摘要

旋转机械在现代工业中有广泛的应用。由于长时间在复杂恶劣的条件下运转，旋转机械会不可避免地产生故障。而故障一旦发生，将会导致经济损失甚至人员伤亡。因此，旋转机械故障的早期诊断对于保障设备安全具有重要意义。基于振动信号的分析方法是最常用的旋转机械故障诊断方法。该方法使用传感器采集旋转机械的振动信号，再从采集的信号中提取出故障特征，最后根据获得的故障特征诊断出旋转机械中所存在的故障。
　　信号共振稀疏分解方法是由美国学者Selesnick提出的一种信号稀疏分解方法。与传统的基于频带划分的信号分解方法不同，该方法根据信号分量的品质因子Q不同，同时使用高Q和低Q的品质因子可调小波稀疏表示分析信号，然后采用形态分量分析方法对分析信号进行非线性分离，最终可获得高共振分量和低共振分量。但是信号共振稀疏分解方法对噪声敏感，在强背景噪声下该方法的效果欠佳;此外，当旋转机械中出现复合故障时，弱故障特征信号常常被强故障及噪声淹没，使用该方法容易导致误诊和漏诊。
　　本文在国家自然科学基金项目“信号共振稀疏分解方法及其在机械故障诊断中的应用研究”（项目批准号:51275161）和湖南大学汽车车身先进设计制造国家重点实验室自主研究课题“汽车关键零部件的早期故障诊断与剩余寿命预测技术研究”（项目编号:71375004）资助下，以旋转机械中齿轮、轴承等典型零件的振动机理为研究基础，针对传统信号共振稀疏分解方法抗噪性能差，分解效果不佳等问题，将信号共振稀疏分解分别与品质因子可调小波重构方法、遗传算法、分步优化策略、梳状滤波方法相结合，并应用于旋转机械故障诊断。
　　论文的主要研究工作有
　　(1)针对直接对滚动轴承振动信号进行包络分析往往效果不佳问题，提出了基于信号共振稀疏分解与品质因子可调小波重构的滚动轴承故障诊断方法。该方法首先采用信号共振稀疏分解方法将信号分解为高共振分量和低共振分量;然后对低共振分量进行品质因子可调小波重构，并结合峭度分析，筛选出最佳分析信号;最后对最佳分析信号进行Hilbert包络分析，获取冲击脉冲出现的周期，进而对滚动轴承故障进行诊断。仿真与实验结果表明，该方法能有效提取轴承故障特征信号，凸显故障特征。
　　(2)针对信号共振稀疏分解方法的分解效果与分解参数密切相关，且分解参数难以自适应选择的问题，提出了最优共振分量的能量算子解调方法，并将该方法应用于诊断旋转机械中常见的两类故障，即单故障和复合故障。该方法通过引进平滑指数和峭度构成评价指标，再通过遗传算法优化信号分解方法中的分解参数，用最优分解参数对采集信号进行共振稀疏分解获得高、低共振分量，最后对两个共振分量进行能量算子解调，获取瞬时幅值谱。应用实例表明，该方法能有效识别旋转机械中存在的单故障与复合故障。
　　(3)梳状滤波器能有效提取周期性冲击信号，因此适用于旋转机械故障诊断。但梳状滤波需要先验信息，合适的梳状滤波器基本频率很难找到。盲目地对测得信号进行滤波是一个低效的过程，且滤波结果容易被噪声干扰。本文结合信号共振分解方法与梳状滤波方法，提出了基于最优信号共振稀疏分解的梳状滤波方法。针对遗传算法优化参数耗时长的问题，该方法采用分步优化策略获取信号共振稀疏分解方法的最优分解参数，从而大幅缩短了信号共振稀疏分解参优化计算时间、提高了优化效率。应用实例表明该方法能有效用于旋转机械复合故障诊断。
　　本文以信号共振稀疏分解方法为基础，结合品质因子可调小波重构方法、遗传算法、能量算子解调、分步优化方法、梳状滤波器，提出了基于最优信号共振稀疏分解的旋转机械故障诊断方法。仿真和实验结果表明，最优信号共振稀疏分解方法在旋转机械故障诊断中具有很好的应用前景.

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 课题研究的背景及意义

1．2 基于时频域分析方法的旋转机械故障诊断研究现状

1．2．1 小波变换

1．2．2 信号稀疏分解

1．2．3 信号共振稀疏分解

1．3 本文研究思路与主要研究内容

1．3．1 问题的提出

1．3．2 本文的研究思路

1．3．3 本文的主要内容及章节安排

第2章 基于品质因子可调小波重构的轴承故障诊断

2．1 引言

2．2 信号共振稀疏分解方法

2．2．1 信号的共振属性

2．2．2 可调品质因子小波变换

2．2．3 共振分量分离

2．3 基于品质因子可调小波重构的冲击信号提取

2．4 基于品质因子可调小波重构方法的滚动轴承故障诊断

2．5 算法仿真

2．5．1 仿真信号分析

2．6 滚动轴承故障诊断实例

2．6．1 滚动轴承外圈故障

2．6．2 滚动轴承内圈故障

2．7 本章小结

第3章 基于最优共振分量的能量算子解调方法

3．1 引言

3．2 旋转机械振动信号的共振属性

3．3 信号共振稀疏分解的分解参数选择

3．3．1 复合目标函数

3．3．2 遗传算法

3．4 Teager能量算子解调分析

3．5 基于最优共振分量的能量算子解调方法

3．6 旋转机械故障诊断实例

3．6．1 轴承外圈故障

3．6．2 齿轮裂纹故障

3．6．3 齿轮裂纹和轴承外圈复合故障

3．7 本章小结

第4章 基于最优信号共振稀疏分解的梳状滤波方法

4．1 引言

4．2 基于分步优化策略的最优信号共振稀疏分解

4．3 梳状滤波器

4．4 基于最优信号共振稀疏分解的梳状滤波方法

4．5 旋转机械复合故障诊断实例

4．5．1 轴承内圈与轴承外圈复合故障

4．5．2 齿轮裂纹与轴承外圈复合故障

4．6 本章小结

结论与展望

参考文献

致谢

附录A 攻读学位期间发表和录用的论文目录