局部均值分解方法及其在旋转机械故障诊断中的应用研究

摘要

对旋转机械故障诊断技术的研究具有重要的现实意义。在机械故障诊断中故障特征的提取是关键，然而，由于旋转机械振动信号通常具有非平稳、非线性、低信噪比的特点，导致其包含的机械设备的状态特征信息并不会直接体现出来。因此，怎样运用合适的信号处理与分析方法从振动信号中提取出状态特征信息一直是一个研究的热点。时频分析方法被公认为是目前处理与分析非平稳、非线性信号的最有效手段，但常用的时频分析方法，如短时傅里叶变换( Short-time fouriertransform，STFT)、Wigner分布(Wigner distribution，WD)、小波变换(Wavelettransform，WT)、希尔伯特黄变换(Hilbert-Huang transform，HHT)方法等都具有一定的局限性。最近提出的一种新的自适应时频分析方法——局部均值分解方法(Local mean decomposition，LMD)，相对于其它时频分析方法，其在理论及一些领域的应用上都体现出了一定的优越性。由此，针对目前机械故障诊断中故障特征提取的问题，并在国家自然科学基金项目的支持下，本文对LMD方法的理论以及在旋转机械故障诊断中的应用进行了系统深入的研究。论文主要的创新点如下：
　　1．对LMD方法的理论进行了研究，解决了滑动平均步长的选择、纯调频信号的判据、端点效应、模态混淆以及算法的计算效率等问题。
　　(1)针对LMD算法中滑动平均步长的选择问题，提出了一种自动确定滑动平均步长的方法。该方法兼顾了平滑后信息的完整性以及算法的计算效率，从而确保了平滑的效果。
　　(2)根据乘积函数(Product function，PF)分量具有正交性的特点，提出了正交性判据作为纯调频信号的迭代终止条件。经验证采用正交性判据确定的PF分量不但满足正交性要求，而且反映了原信号内含的物理信息。
　　(3)在分析LMD方法中端点效应产生原因的基础上，提出了自适应波形匹配延拓法对信号进行延拓。该方法充分考虑了信号的内在规律与边缘处的变化趋势。因此，使延拓更加合理，且具有自适应性。对仿真信号与实验信号的分析结果表明，该方法可以将端点效应产生的失真转移到信号的外部，从而有效地抑制LMD的端点效应。
　　(4) LMD的分解结果可能会产生模态混淆现象。针对此问题，研究提出了一种基于噪声辅助分析的改进方法——总体局部均值分解方法。对仿真信号和实验信号的分析结果表明，总体局部均值分解方法能有效地改善原LMD方法的模态混淆现象。
　　(5)为了提高LMD算法的计算效率，减少运算时间，将有理样条函数插值的方式取代滑动平均平滑的方式，由此提出了基于有理样条函数的LMD方法。对仿真信号和实验信号的分析结果表明，该方法较原LMD方法的计算效率有显著的提高。
　　2．对LMD方法在旋转机械故障诊断中的应用进行了研究，并提出了具体的故障诊断方法。
　　(1)提出了基于LMD的瞬时频率谱方法，该方法可以提取齿轮振动信号相位信息的频率调制特征。因此，它可以判断齿轮的工作状态。对齿轮实验信号以及实际风机齿轮箱振动信号的分析结果表明，基于LMD的瞬时频率谱方法可以有效地用于齿轮的故障诊断。
　　(2)针对齿轮故障振动信号的能量在时频平面上呈现出周期性冲击的特点，提出了基于LMD的局部能量谱方法。对齿轮实验信号以及实际风机齿轮箱振动信号的分析结果表明，该方法可以清晰地反映出齿轮振动信号的能量随时间和频率变化的情况。
　　(3)针对滚动轴承故障诊断中传统包络分析方法的不足，提出了基于LMD和谱峭度的包络分析方法。该方法采用LMD对滚动轴承振动信号进行频率成分分离以及初步降噪，再通过谱峭度选择用于提取故障性冲击成分的带通滤波器的最佳参数。通过对滚动轴承仿真信号以及实验信号的分析结果表明，该方法可以有效地提取滚动轴承的故障特征信息。
　　(4)提出了基于LMD的形态谱和形态谱熵方法，并用于转子系统的故障诊断。该方法首先对转子原始振动信号进行LMD分解，然后对包含了故障特征的PF分量计算形态谱和形态谱熵。分析结果表明，从形态谱中可以准确地提取出转子振动信号的故障特征，而通过形态谱熵则可以很好地区分出转子系统的各类故障。
　　(5)提出了基于LMD的形态学分形维数方法，并用于滚动轴承的故障诊断。对滚动轴承实验信号的分析结果表明，该方法可以清晰地判断出滚动轴承的工作状态与故障类型。
　　(6)针对旋转机械在变转速工况下的故障特征提取问题，提出了基于LMD的包络阶次谱方法。通过对变转速工况下的滚动轴承和齿轮实验振动信号的分析，验证了该方法的有效性。