改进的EEMD分析方法及其在故障诊断中的应用

摘要

随着设备复杂程度日益提高，研究设备的状态监测和故障诊断方法具有重要意义。本文以集合经验模态分解的改进和应用为研究内容，提出了基于改进的集合经验模态分解、谱峭度理论和能量算子解调分析的故障诊断方法。
　　本文首先研究了经验模态分解和集合经验模态分解的分解原理及特性。集合经验模态分解是一种基底自适应的信号分解方法，在分解原理上较传统的时域、频域分析方法具有更好的滤波特性和自适应性。但在实际应用中，由于工况下的强噪声及故障信号的特殊性，集合经验模态分解出现了很多缺陷，诸如模态混叠、端点效应等，模态分解理论提出时间较短，需要更进一步的完善和发展。
　　针对集合经验模态分解模态混叠、端点效应、停止准则等缺陷进行改进研究。研究了基于高频谐波辅助的模态混叠缺陷改进方法，并给出了幅值系数和高频参数的确定方法。提出了基于BP神经网络误差补偿的端点效应改进方法，对边缘数据进行预测，并且对预测数据进行误差补偿，从而保证了有效数据的完整性，抑制了端点效应。研究了基于互相关系数的迭代停止准则，有效地降低了计算时间，并且减少了冗余分量的产生。最后，通过试验仿真信号验证了这些改进方法的有效性。
　　提出了强噪声背景下基于改进EEMD、谱峭度理论和能量算子解调的故障诊断方法，针对滚动轴承微弱故障特征进行了应用研究。对于能量极弱的微弱故障信号使用对冲击信号敏感的峭度指标进行信号筛选，为避免噪声信号对峭度值的影响，在筛选过程中结合了自相关分析。为了得到准确的故障信号，在构造带通滤波器过程中使用快速谱峭度图设置滤波器最佳参数。能量算子解调较其他包络方法具有较小的边缘飞翼，准确性更高，对于准确获取故障频率有很大帮助。通过对滚动轴承微弱故障特征诊断的实验探究，验证了提出的诊断方法在实际应用中的有效性。
　　在理论研究的基础上，结合实验室实际科研环境，开发了基于Visual C++和Matlab混合编程的改进EEMD诊断软件模块，并将其集成在设备故障诊断系统当中，通过实际故障实例验证了系统的实用性和有效性。

目录

声明

摘要

图清单

表清单

字母注释表

第一章 绪论

1．1 引言

1．2 课题的研究背景及意义

1．3 故障诊断技术概述

1．3．1 故障诊断技术发展过程

1．3．2 故障诊断技术国内外研究现状

1．3．3 故障诊断技术的发展趋势

1．4 振动信号时频分析方法的研究现状

1．5 课题来源和主要研究内容

1．5．1 课题来源

1．5．2 主要研究内容

第二章 集合经验模态分解(EEMD)方法及其特性研究

2．1 引言

2．2 经验模态分解(EMD)方法研究

2．2．1 本征模态函数概念

2．2．2 经验模态分解原理及算法

2．2．3 经验模态分解滤波特性研究

2．2．4 经验模态分解的缺陷研究

2．3 集合经验模态分解(EEMD)方法研究

2．3．1 集合经验模态分解的原理和算法

2．3．3 初始化参数设定

2．3．4 EEMD缺陷论述

2．4 EEMD与EMD对比研究

2．5 本章小结

第三章 集合经验模态分解(EEMD)方法改进研究

3．1 引言

3．2 基于高频谐波辅助的模态混叠改进方法

3．2．1 辅助信号法概述

3．2．2 高频谐波辅助法

3．2．3 改进算法算例

3．3 基于BP神经网络误差补偿的端点效应改进方法

3．3．1 BP神经网络方法概述

3．3．2 时间序列数据预测

3．3．3 误差补偿

3．4 基于互相关系数的迭代停止准则研究

3．4．1 互相关理论

3．4．2 停止准则改进研究

3．5 本章小结

第四章 基于改进EEMD、谱峭度理论及能量算子解调的故障诊断方法研究

4．1 引言

4．2 滚动轴承故障机理研究

4．2．1 滚动轴承的基本结构及振动形式

4．2．2 滚动轴承部件主要失效形式

4．2．3 滚动轴承故障振动特性研究

4．3 谱峭度理论

4．3．1 峭度

4．3．2 谱峭度

4．3．2 快速谱峭度图(Fast-Kurtogram)

4．3．3 仿真算例

4．4 能量算子解调分析

4．4．1 能量算子解调

4．4．2 能量算子解调与希尔伯特解调对比

4．5 基于改进EEMD、快速谱峭度及能量算子解调的诊断方法

4．6 实验分析

4．7 本章小结

第五章 故障诊断软件模块开发及工程应用

5．1 引言

5．2 系统开发环境介绍

5．3 系统总体方案设计介绍

5．4 基于Visual C++和Matlab混合编程的改进EEMD模块

5．5 工程应用实例

5．6 本章小结

第六章 总结与展望

6．1 工作总结

6．2 研究展望

参考文献

发表论文及科研情况说明

致谢