自适应局部迭代滤波及其在滚动轴承故障诊断中的应用

摘要

滚动轴承是旋转机械的重要组成部分之一，对滚动轴承故障诊断技术的研究具有重要的意义。对故障信号进行分析，提取有效的故障特征信息，一直是滚动轴承故障诊断研究的重点之一。由于滚动轴承的振动信号具有典型的非线性、非平稳特性，时频分析方法作为一种有效地非平稳信号处理方法，广泛的应用于滚动轴承故障诊断中。近年来，小波分析、经验模态分解、变分模态分解等多种时频分析方法已经广泛地应用于滚动轴承故障诊断，取得了大量的研究成果。但是，由于不同的时频分析方法都存在着一定的局限性，因此，现有的时频分析方法并不能完全满足滚动轴承故障诊断的实际需求。基于这样的原因，本文引入了一种新的时频分析方法——自适应局部迭代滤波方法(Adaptive Local Iterative Filtering,ALIF)，在对ALIF方法进行理论研究和改进的基础上，将ALIF方法与随机向量函数链接网络(RVFL)、胶囊网络(Capsule network)等方法相结合，应用于滚动轴承故障诊断当中。　　论文主要的研究内容和创新点如下：　　1.研究了ALIF方法的基本原理，通过仿真对比，验证了ALIF的分解性能优于经验模态分解、局部均值分解、变分模态分解等方法，将ALIF方法应用于滚动轴承滚动体故障诊断中，证明ALIF方法能够有效地提取滚动体故障的故障特征。　　2.针对ALIF方法的分解能力进行了进一步的研究，提出基于微分算子的自适应局部迭代滤波方法(Differential Adaptive Local Iterative Filtering, DALIF)，有效地提升了ALIF方法的分解能力。通过建立分解能力模型，研究不同频率比、幅值比下DALIF方法分解的效果。通过仿真和实验信号验证了DALIF方法的有效性。　　3.针对ALIF方法分解含高频间歇分量的信号时会产生模态混叠现象，采用噪声辅助法对其进行改进。通过研究ALIF分解白噪声的特性，从理论上证明可以通过白噪声改变信号的极值点分布。在此基础上，提出集成自适应局部迭代滤波方法(Ensemble Adaptive Local Iterative Filtering, EALIF)，该方法通过多次向待分解信号中添加一定幅值的白噪声来抑制模态混叠的产生。该方法同时利用ALIF本身的特点，有效地剔除白噪声分量，使得分解结果不会受到人为添加噪声的影响。采用仿真和实验信号进一步验证EALIF方法的有效性和实用性。　　4.首先提出了集成微分自适应局部迭代滤波方法(Ensemble Differential Adaptive Local Iterative Filtering, EDALIF)并与随机向量函数链接网络相结合，提出一种新的滚动轴承故障诊断方法。该方法利用EDALIF对滚动轴承振动信号进行分解，提取各个分量的特征值，构成运行状态的特征向量，将得到的特征向量输入RVFL网络中进行模式识别。实验证明，该方法能够有效地对不同故障类型的滚动轴承振动信号进行区分。　　5.提出了基于EDALIF方法和胶囊网络的滚动轴承故障诊断方法。通过EDALIF方法对滚动轴承振动信号进行分解，选择包含故障特征的主要成分进行重构，剔除冗余信息和噪声分量。利用胶囊网络强大的高维输入处理能力和非线性逼近能力，将重构信号直接输入胶囊网络进行模式识别。实验验证了该方法能够对不同故障类型和故障程度的滚动轴承振动信号进行有效地区分。

目录

声明

第1章绪论

1.2 滚动轴承故障诊断研究现状

1.2.1 信号处理方法研究现状

1.2.2 故障特征提取方法研究现状

1.2.3 模式识别方法研究现状

1.3 滚动轴承故障诊断方法存在的问题

1.4 论文研究思路及内容安排

1.4.1 论文研究思路

1.4.2 论文的内容安排

第2章自适应局部迭代滤波

2.1 引言

2.2 自适应局部迭代滤波原理

2.2.1 迭代滤波方法

2.2.2 福克普朗克滤波器

2.2.3 自适应迭代滤波算法

2.3 ALIF 方法与其他信号分解方法比较

2.3.1 ALIF方法与 EMD、LCD方法的对比分析

2.3.2 ALIF方法与 VMD方法的对比分析

2.3.3 ALIF方法存在的主要缺陷

2.4 ALIF 包络谱在滚动轴承滚动体故障诊断中的应用

2.5 本章小结

第3章微分算子改进的自适应迭代滤波方法

3.1 引言

3.2 DALIF 方法

3.2.1 ALIF分解能力的影响机理

3.2.2 DALIF方法流程

3.2.3 DALIF分解能力研究

3.3 实验验证

3.3.1 仿真信号分析

3.3.2 实验信号分析

3.4 本章小结

第4章集成平均自适应局部迭代滤波方法

4.1 引言

4.2 ALIF 模态混叠产生的原因

4.3 噪声辅助自适应局部迭代滤波方法

4.3.1 ALIF方法分解白噪声

4.3.2 EALIF方法分解流程

4.4 仿真分析

4.5 实验信号分析

4.6 本章小结

第5章基于EDALIF和RVFL 网络的滚动轴承故障诊断方法

5.1 引言

5.2 基于 EDALIF 方法的滚动轴承特征提取

5.2.1 EDALIF方法流程

5.2.2 基于 EDALIF的特征提取

5.3 RVFL网络

5.4 基于 EDALIF 方法和 RVFL网络的滚动轴承故障诊断

5.4.1 故障诊断流程

5.4.2 实验验证

5.5 本章小结

第6章基于EDALIF与胶囊网络的滚动轴承故障诊断

6.1 引言

6.2 胶囊网络

6.3 基于改进 ALIF 方法和胶囊网络的滚动轴承故障诊断流程

6.4 实验验证

6.5 本章小结

结论与展望

结论

展望

参考文献

致 谢

附录 A 攻读学位期间参与的科研项目