基于内积变换的机械故障特征提取原理与早期识别方法研究

摘要

本文针对关键机泵、燃气轮机、往复式压缩机风力透平等机械装备健康监控中的故障特征提取和早期识别问题，开展了理论、实验和工程应用研究。
　　 在理论研究方面，本文在前人总结的内积变换和机械故障诊断关系的基础上，基于泛函分析中的Riesz表示定理和振动力学中的Duhamel积分原理，阐明了以下观点:
　　 (1)当且仅当机械故障特征提取采用了线性变换时，特征提取可以归结为内积变换;
　　 (2)线性机械系统的响应可以视为故障激振力与其物理响应函数的内积。此外，赋予信号处理理论中基于内积变换的框架和对偶框架关系式以物理意义，可作为机械故障动态信号特征提取的统一数学模型——内积变换模型。该模型在振动信号压缩、冲击性振动故障特征提取、往复机示功图故障特征提取三种场合下有不同的具体形式。
　　 针对采油平台机泵和风力发电机组在线监测的大数据量——昂贵传输带宽的突出矛盾，研究了振动加速度信号压缩方法。提出了基于小波变换和最优稀疏表达的压缩方法。该方法可以视为内积变换模型在基于稀疏表达的加速度信号压缩情形下的具体形式。实验研究表明:基于sym8小波和匹配追踪(MP)的压缩方法具有相对最优的压缩效果。工程应用研究结果表明:该方法能够将振动加速度信号数据压缩至20％，且不丢失振动故障特征。为后续振动故障特征提取和早期识别打好了基础。
　　 针对风力发电机组齿轮箱故障、机泵和双转子燃气轮机滚动轴承故障特征提取和早期识别，研究了它们机理上共有的冲击性。提出两种最优化参数的冲击性振动故障特征提取方法—最优高通滤波包络解调方法、最优反对称实Laplace(ARLW)小波滤波包络解调方法;并指出两种方法均为内积变换模型在冲击性特征提取时的具体形式。实验和工程应用研究表明:这两种方法对早期或微弱冲击性故障特征提取与识别性能相较传统高通滤波包络解调有提升。
　　 针对往复式压缩机故障的示功图特征提取和早期识别，提出了基于Curvelet变换的往复压缩机故障示功图特征提取和基于支持向量机的故障识别方法。阐述了内积变换模型在该种情况下的具体物理意义。实验研究表明:Curvelet变换比一般小波变换能够更清晰地提取示功图特征，而结合支持向量机就能够自动检测不同往复机故障示功图间的差异;该结果可用于自动化示功图故障诊断，具有成为构建往复机故障诊断专家系统支撑技术的潜力。

目录

声明

学位论文数据集

摘要

符号说明

第一章 绪论

1．1 课题来源

1．2 本课题相关领域的历史与发展

1．3 机械装备故障特征提取原理与早期识别方法研究的目的和意义

1．3．1 机械装备故障特征提取相关关键技术——振动加速度信号压缩研究的目的和意义

1．3．2 基于故障机理的冲击性振动故障信号特征提取与早期识别的目的和意义

1．3．3 基于统计方法的往复式压缩机故障示功图特征提取与早期识别的目的和意义

1．4 机械装备故障特征提取原理与早期识别方法的研究现状、问题

1．4．1 机械装备故障特征提取与早期识别方法研究现状

1．4．2 机械装备故障特征提取与早期识别方法研究存在的问题

1．5 本文研究内容及结构安排

第二章 机械装备中线性系统故障特征提取的内积变换和模型

2．1 机械装备故障特征提取研究的必要性

2．2 机械装备故障特征及特征提取方法的分类

2．2．1 按照故障信号的特征及其提取方法分类

2．2．2 按照故障机理的特征提取方法分类及其适用原则

2．3 线性系统故障特征提取技术的统一数学工具——内积变换

2．3．1 卷积运算的内积变换形式及特征提取的物理本质

2．3．2 常用线性特征提取方法的内积变换形式及特征提取的数学本质

2．3．3 线性系统故障特征提取的统一数学工具——内积变换

2．4 本章小结

第三章 振动加速度信号压缩技术研究

3．1 机械装备健康监控对诊断信号压缩的需求

3．2 机械装备健康监控中常用两大类振动信号——位移信号、加速度信号概述

3．2．1 振动位移信号的性质

3．2．2 振动加速度信号的性质

3．3 机械装备振动信号压缩现状和问题

3．4 基于小波变换和最优稀疏表达(Optimal Sparse Representation)的振动加速度信号压缩方法研究

3．4．1 传统的基于小波变换的振动信号压缩方法及其问题

3．4．2 基于小波变换和最优稀疏表达的振动加速度信号压缩方法概述

3．4．3 基于小波变换和最优稀疏表达的信号压缩特征提取统一数学模型描述

3．4．4 仿真研究

3．4．5 实验研究

3．5 工程应用研究

3．5．1 风力发电机组振动加速度信号压缩

3．5．2 往复式压缩机振动加速度信号压缩

3．5．3 关键机泵振动加速度信号压缩

3．6 本章小结

第四章 基于机理的冲击性振动故障信号特征提取与早期识别

4．1 机械装备冲击性振动故障及其机理概述

4．2 冲击性振动故障特征提取的研究现状与问题

4．3 冲击性振动故障特征提取的数学方法

4．4 基于最优化滤波截止频率的冲击性振动故障特征提取与早期识别

4．4．1 最优化滤波截止频率方法

4．4．2 实验研究

4．5 基于差分进化和反对称实Laplace小波(ARLW)的冲击性振动故障特征提取与早期识别

4．5．1 基于差分进化和ARLW的冲击性振动故障特征提取与早期识别方法

4．5．2 仿真研究

4．5．3 实验研究

4．6 工程应用研究

4．6．1 风力发电机组齿轮箱冲击性故障特征提取与早期识别

4．6．2 关键机泵滚动轴承冲击性故障特征提取与早期识别

4．6．3 双转子燃气轮机模拟实验台滚动轴承故障弱信号特征提取与早期识别

4．7 本章小结

第五章 基于统计的往复式压缩机示功图特征提取与早期识别方法

5．1 往复式压缩机状态监测与故障诊断及示功图概述

5．2 图形特征提取技术概述

5．3 基于Curvelet变换的示功图特征提取

5．4 基于Curvelet变换、PCA、NLPCA的示功图故障特征提取与早期识别方法

5．4．1 基于Curvelet变换、PCA、NLPCA的示功图故障特征提取与早期识别方法

5．4．2 实验研究

5．4．3 与基于小波变换的特征提取对比

5．5 本章小结

第六章 结论与展望

6．1 论文的主要成果

6．2 展望

参考文献

致谢

研究成果及发表的学术论文

作者和导师简介

博士研究生学位论文答辩委员会决议书