局部均值分解方法及其在旋轉機械故障診斷中的應用研究.pdf

1、對旋轉機械故障診斷技術的研究具有重要的現實意義。在機械故障診斷中故障特征的提取是關鍵，然而，由于旋轉機械振動信號通常具有非平穩(wěn)、非線性、低信噪比的特點，導致其包含的機械設備的狀態(tài)特征信息并不會直接體現出來。因此，怎樣運用合適的信號處理與分析方法從振動信號中提取出狀態(tài)特征信息一直是一個研究的熱點。時頻分析方法被公認為是目前處理與分析非平穩(wěn)、非線性信號的最有效手段，但常用的時頻分析方法，如短時傅里葉變換( Short-time fourie

2、rtransform，STFT)、Wigner分布(Wigner distribution，WD)、小波變換(Wavelettransform，WT)、希爾伯特黃變換(Hilbert-Huang transform，HHT)方法等都具有一定的局限性。最近提出的一種新的自適應時頻分析方法——局部均值分解方法(Local mean decomposition，LMD)，相對于其它時頻分析方法，其在理論及一些領域的應用上都體現出了一定的優(yōu)越性

3、。由此，針對目前機械故障診斷中故障特征提取的問題，并在國家自然科學基金項目的支持下，本文對LMD方法的理論以及在旋轉機械故障診斷中的應用進行了系統(tǒng)深入的研究。論文主要的創(chuàng)新點如下：
　　1．對LMD方法的理論進行了研究，解決了滑動平均步長的選擇、純調頻信號的判據、端點效應、模態(tài)混淆以及算法的計算效率等問題。
　　(1)針對LMD算法中滑動平均步長的選擇問題，提出了一種自動確定滑動平均步長的方法。該方法兼顧了平滑后信息的完整性

4、以及算法的計算效率，從而確保了平滑的效果。
　　(2)根據乘積函數(Product function，PF)分量具有正交性的特點，提出了正交性判據作為純調頻信號的迭代終止條件。經驗證采用正交性判據確定的PF分量不但滿足正交性要求，而且反映了原信號內含的物理信息。
　　(3)在分析LMD方法中端點效應產生原因的基礎上，提出了自適應波形匹配延拓法對信號進行延拓。該方法充分考慮了信號的內在規(guī)律與邊緣處的變化趨勢。因此，使延拓更加合

5、理，且具有自適應性。對仿真信號與實驗信號的分析結果表明，該方法可以將端點效應產生的失真轉移到信號的外部，從而有效地抑制LMD的端點效應。
　　(4) LMD的分解結果可能會產生模態(tài)混淆現象。針對此問題，研究提出了一種基于噪聲輔助分析的改進方法——總體局部均值分解方法。對仿真信號和實驗信號的分析結果表明，總體局部均值分解方法能有效地改善原LMD方法的模態(tài)混淆現象。
　　(5)為了提高LMD算法的計算效率，減少運算時間，將有理樣

6、條函數插值的方式取代滑動平均平滑的方式，由此提出了基于有理樣條函數的LMD方法。對仿真信號和實驗信號的分析結果表明，該方法較原LMD方法的計算效率有顯著的提高。
　　2．對LMD方法在旋轉機械故障診斷中的應用進行了研究，并提出了具體的故障診斷方法。
　　(1)提出了基于LMD的瞬時頻率譜方法，該方法可以提取齒輪振動信號相位信息的頻率調制特征。因此，它可以判斷齒輪的工作狀態(tài)。對齒輪實驗信號以及實際風機齒輪箱振動信號的分析結果表

7、明，基于LMD的瞬時頻率譜方法可以有效地用于齒輪的故障診斷。
　　(2)針對齒輪故障振動信號的能量在時頻平面上呈現出周期性沖擊的特點，提出了基于LMD的局部能量譜方法。對齒輪實驗信號以及實際風機齒輪箱振動信號的分析結果表明，該方法可以清晰地反映出齒輪振動信號的能量隨時間和頻率變化的情況。
　　(3)針對滾動軸承故障診斷中傳統(tǒng)包絡分析方法的不足，提出了基于LMD和譜峭度的包絡分析方法。該方法采用LMD對滾動軸承振動信號進行頻率

8、成分分離以及初步降噪，再通過譜峭度選擇用于提取故障性沖擊成分的帶通濾波器的最佳參數。通過對滾動軸承仿真信號以及實驗信號的分析結果表明，該方法可以有效地提取滾動軸承的故障特征信息。
　　(4)提出了基于LMD的形態(tài)譜和形態(tài)譜熵方法，并用于轉子系統(tǒng)的故障診斷。該方法首先對轉子原始振動信號進行LMD分解，然后對包含了故障特征的PF分量計算形態(tài)譜和形態(tài)譜熵。分析結果表明，從形態(tài)譜中可以準確地提取出轉子振動信號的故障特征，而通過形態(tài)譜熵則可