基于經(jīng)驗(yàn)?zāi)B(tài)分解的轉(zhuǎn)子故障信號(hào)熵特征提取研究.pdf

1、隨著傳感器技術(shù)、測(cè)試技術(shù)及信號(hào)分析的發(fā)展，故障診斷技術(shù)有了較大提高，其主要研究?jī)?nèi)容包括四個(gè)方面：信號(hào)采集、信號(hào)特征提取、故障診斷、信息融合。其中，信號(hào)特征提取是指故障診斷過(guò)程中獲取與系統(tǒng)狀態(tài)相關(guān)性較大的敏感特征的特征因子提取技術(shù)。特征提取的正確與否將直接影響故障診斷結(jié)果的準(zhǔn)確性。針對(duì)傳統(tǒng)信號(hào)分析方法難以準(zhǔn)確描述轉(zhuǎn)子振動(dòng)信號(hào)非平穩(wěn)特性以及信號(hào)特征難以定量評(píng)價(jià)的問(wèn)題，本研究提出一種經(jīng)驗(yàn)?zāi)B(tài)分解和信息熵相結(jié)合的方法，對(duì)轉(zhuǎn)子故障振動(dòng)信號(hào)特征提取

2、和定量評(píng)價(jià)方法進(jìn)行研究。
　　 針對(duì)轉(zhuǎn)子實(shí)驗(yàn)臺(tái)采集到的數(shù)據(jù)，開(kāi)展的主要內(nèi)容及研究成果如下：
　　 1)以軸承-轉(zhuǎn)子系統(tǒng)模型為基礎(chǔ)，研究旋轉(zhuǎn)機(jī)械常見(jiàn)的故障類(lèi)型及機(jī)理。針對(duì)轉(zhuǎn)子故障信號(hào)的特點(diǎn)，設(shè)計(jì)了中值濾波和小波消噪結(jié)合的故障信號(hào)預(yù)處理濾波器，為特征提取提供原始數(shù)據(jù)。重點(diǎn)研究了本文的信號(hào)處理方法-經(jīng)驗(yàn)?zāi)B(tài)分解法(EMD)，分析該方法的實(shí)質(zhì)及特點(diǎn)。針對(duì)EMD分解過(guò)程中存在的迭代次數(shù)難以確定及端點(diǎn)效應(yīng)問(wèn)題，提出了“能量算法”和“

3、相似信號(hào)平移算法”相結(jié)合的算法。通過(guò)對(duì)仿真實(shí)驗(yàn)信號(hào)的分析表明，該算法能夠?qū)σ陨蠁?wèn)題準(zhǔn)確、有效地解決。
　　 2)分析信息熵在故障診斷中的研究現(xiàn)狀，對(duì)時(shí)域奇異譜熵、頻域功率譜熵、時(shí)-頻域小波能譜熵和小波空間狀態(tài)譜熵進(jìn)行了比較系統(tǒng)的研究和分析，并基于LabVIEW編寫(xiě)信息熵算法程序。
　　 3)提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解法的轉(zhuǎn)子故障信號(hào)熵特征提取方法。提出“能量法”與“相關(guān)系數(shù)法”相結(jié)合的算法選取出包含主要故障信息的分量。實(shí)

4、驗(yàn)表明，該方法能準(zhǔn)確地提取出后續(xù)研究所需的特征數(shù)據(jù)。再計(jì)算出包含主要故障的分量的四種信息熵值，即時(shí)域奇異譜熵、頻域功率譜熵、時(shí)-頻域小波能譜熵和小波空間狀態(tài)譜熵。實(shí)驗(yàn)信號(hào)的分析結(jié)果表明，該方法能夠較好的實(shí)現(xiàn)對(duì)轉(zhuǎn)子系統(tǒng)故障信號(hào)的量化特征提取，所提取出的特征集合具有能夠使典型故障特征量之間存在顯著差異的性能。
　　 4)基于信息融合的思想，計(jì)算EMD分解后所選取出主要故障分量的奇異譜熵、功率譜熵及小波能譜熵，提出建立故障信號(hào)信息熵狀