基于压缩感知与扩展双谱的齿轮振动信号特征提取方法研究

摘要

对齿轮这类关键部件进行状态监测，根据状态数据准确、及时地发现故障在现代工业生产中非常必要。但基于奈奎斯特采样理论的传统信号采集系统会产生海量的运行状态数据，且存在各种噪声的影响，所以现有故障诊断方法都面临着原始数据庞大，信号特征难以提取的问题。近些年发展起来的压缩感知（Compressed Sensing，CS）理论根据信号的稀疏特性实现信号的压缩采样，是解决庞大数据量的一条新思路。目前压缩感知框架下的应用研究多是先将信号压缩，再重构原始信号进行分析，但现有重构算法存在计算复杂度较高，资源消耗大，重构精度及概率受很多因素影响，特别是对包含噪声的信号重构效果较差等问题，且重构并不是信号处理的直接目的。 因此本文舍弃重构过程，直接对压缩后信号的特征进行研究，试图建立压缩域信号特征与故障状态的对应关系，以提高状态监控及故障诊断的速度及效率。首先以压缩感知为理论基础，根据齿轮振动信号在频域的稀疏特性，研究了适合齿轮振动信号的压缩采样模型—调制带宽转换器（Modulated Wideband Converter，MWC）模型，对模型原理及相应频域特性进行了分析。实际工况下的齿轮振动信号存在各种噪声，因此对具有良好噪声抑制效果的双谱进行研究，从理论上分析了双谱对相位随机分布在(?π,π]的加性噪声的抑制效果。深入研究了基于 MWC的压缩采样信号频域特点，结合压缩感知低维采样与高阶谱噪声抑制的优点，研究了扩展双谱方法以直接提取压缩信号的相位耦合特征，通过仿真验证了其有效性。对扩展双谱分析中压缩信号的噪声影响进行了理论分析，并从算法时间及不同强度噪声的影响等方面对扩展双谱方法与传统重构类方法进行对比。研究了实际应用中存在的问题，将扩展双谱从时域推广到角度域，引入阶次分析，提出了阶次扩展双谱的概念，以解决实际运行中转速存在一定波动及非平稳运行状态的问题；针对不相关的噪声分量使信号特征模糊的问题，引入角域同步平均方法，将与转速不相关的非同步分量进行抑制和削弱；最后改进了算法结构以满足低频采样的要求，并通过实际齿轮振动数据对改进算法进行了验证。

目录

第一个书签之前