基于能量掩膜信号法的连采机振动信号特征提取研究

摘要

在实际工程应用中，获得的信号一般为非平稳信号，对于非平稳信号的分析与处理十分重要。在处理这些数据序列时，以往经常用到的传统时频分析方法的根本都是傅里叶变换，因此在处理非平稳信号时会存在一定的局限性。经验模态分解(EMD）是美国国家宇航局的华裔科学家Norden E.Huang等人于1998年在分析非平稳、非线性信号时提出的一种新型的、具有自适应性的时频分析方法，在传统的信号处理方法上取得了很大的改进，是一种现代化的信号处理方法，并且它不需要任何先验知识，仅根据信号自身的特点自适应的将任一复杂非平稳信号分解为若干个内禀模态分量(IMF)和一个余量之和，所有的内禀模态分量经傅里叶变换之后都能够得到原信号的具有物理意义的瞬时频率。EMD方法相较于传统信号处理方法具有更多的优点，被广泛应用到图形处理、信号处理、振动测试和机械故障诊断等多个领域，都取得了良好的效果。
　　本文在深入学习、研究EMD算法的基础上，对其存在的模态混叠现象进行了改进，提出了一种基于能量的掩膜信号法。根据能量守恒定律，当内禀模态分量中不存在虚假模态分量时，分解过程能量守恒，所有分量的能量之和等于原信号的能量，但是当有虚假模态分量存在时，能量是不守恒的，原信号的能量低于各分量的能量之和，任意两个分量之和的能量也是小于其能量之和的，以此确定了能量泄露的主要去向，降低了能量泄露对计算掩膜信号频率的影响，弥补了掩膜信号法的不足并将改进后的EMD算法应用在实际工程中的非平稳信号处理上。连续采煤机是大型的地下采掘设备，主要振动信号频率为低频，以连采机截割臂振动信号这一非平稳信号为例来进行研究。首先通过计算在连采机截割臂上不同点模态运动能的大小，从而对传感器的安装位置进行优化，得到了连采机截割臂在工作过程中的振动信号，在原信号中会存在噪声，通过EMD方法进行降噪，去掉信号中的高频噪声;然后通过改进的掩膜信号法对降噪后的信号进行分析研究，结果中成功消除了EMD中存在的模态混叠现象，说明了能量掩膜信号法在实际工程应用中也能达到消除模态混叠现象上的效果。

目录

声明

摘要

1．1 课题的研究背景和意义

1．2 振动信号特征提取技术历史

1．2．1 特征提取技术发展概况

1．2．2 信号特征提取的目的

1．2．3 特征提取技术的研究现状

1．3 连续采煤机发展状况

1．4 课题主要工作和内容安排

1．5 本章小结

2．1 非平稳信号简介

2．1．1 信号时频分析理论

2．1．2 信号的不确定性理论

2．2 几种重要的时频分析方法

2．2．1 Gabor展开

2．2．2 短时傅里叶变换

2．2．3 小波变换

2．2．4 Wigner-Ville分布

2．3 经验模态分解

2．4 EMD算法中存在的问题

2．4．1 端点效应

2．4．2 模态混叠

2．4．3 停止准则

2．5 掩膜信号法

2．6 改进的掩膜信号法

2．6．1 能量法

2．6．2 基于能量的改进掩膜信号法

2．7 本章小结

第三章 改进掩膜信号法仿真分析

3．1 标准EMD分解方法

3．2 加入掩膜信号分解

3．3 改进掩膜信号的EMD分解

3．3．1 各阶IMF分量的能量计算

3．3．2 改进的掩膜信号法

3．4 本章小结

4．1 信号采集

4．1．1 传感器优化布置

4．1．2 实验测试

4．2 分析数据的选取

4．3 EMD方法降噪

4．3 振动信号特征提取

4．3．1 连采机振动信号标准EMD分解

4．3．2 各阶I忏分量能量计算

4．3．3 改进掩膜信号发的EMD分解

4．4 端点效应的抑制

4．5 本章小结

5．1 研究工作总结

5．2 研究工作展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢