旋转机械故障特征提取方法研究

《旋转机械故障特征提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、＇：■．Ｊ＇■、神１＾；‘＞－＾賄端－．巧苗ｖＩ．．．：／麵．－ｒ．ｆ－．兴，．＇ｒＨ３Ｊ－＞＇識？：‘．；Ｉ．膊Ｖ＞Ｖ，餐變．：Ｔ＂．您ｔ巧．ｒ．％■－ｖｋＶＶ．渗ｋ．马：；ｆ．Ｉ：洋‘畜Ｖ＇，；：＆一＇．Ｖ．．；－读ｒ一；‘ｖ：絮．＇ｖ：＾■／ｃ＇羹Ｓ．＊．＂ｒ苗山巧ｖｖ巧？，？，請‘＼．ｖ＇￣．音－－把．＂．Ｊ‘呵站垂．皆輿剛樂翁《．；－．；．麵；：Ｈ據：－ｉ；一：．一：：巧＇Ｖ．妻：；，；’４＇％ｖ转／义特征＾辭究－．撞．／．。选；＇－■／；＼＼一．：＇．腾ＴＡ相

2、ｓＦ她，化聲；；却＾Ｖ；：耸啦巧４／；、－／辯化心．＞．－．ｆＶ．哨貯；一．Ｖ．：．＜；‘ｒＶＶ：？．．卢ｒＶ；；．．．－；’．‘‘．＇卢１．＇．．Ｖ，叩－＇：＾：＇ｖｖ；一－，‘；一＾．Ｌ／．，＊巧．坤．ｒｒ１＇片＾‘讀Ｖ：？．．詳，０，Ｊ渗－＾‘；細ｉ＂，含八＇．、．．又＂‘．．师‘．－ｒ．當：ｙ洁．Ｋ；一｝Ｌ．雌，＇Ｉ．．、：Ｖ－．Ｖ＇．．＇雖－．Ｊ—Ｌ．＇Ａ．．＇．遂、，／、＇，％ｆ＇一ｉ＾＾ｉ；．巧’：＞ｙ－－一：‘病气：４苗；；贷－＊．＂

3、＇＾．：户５／《’＊穿１，茲妥－＾＞？－－＾，，Ｖ．Ａ－／ｉｆ．．／當，－气Ｊ■Ａ■一．．ｔ．．‘，Ｊｆ；咬載．＾ｆ尸－■琴－争．？＊、■：Ｖ、乂＾義＾，．．ｖ：＾＼＞沪＊请＾’？＇．由气．勤？？．，－Ｖ；．－．ｒ一．扛ＪＩ‘－知Ｖ八，＇１‘．務＾＂．餐／‘ｉ和建■，：為‘／－７．爭／？计‘．－＇；－Ｍ＞．＾ｉｉ嫌＇：咕国内图书分类号：TH17学校代码：10079国际图书分类号：621密级：公开专业硕士学位论文旋转机械故障特征提取方法研究硕士研

4、究生：庞彬导师：唐贵基教授申请学位：工程硕士专业领域：机械工程培养方式：全日制所在学院：能源动力与机械工程学院答辩日期：2015年3月授予学位单位：华北电力大学ClassifiedIndex:TH17U.D.C:621ThesisfortheMasterDegreeResearchonFaultFeatureExtractionMethodsforRotatingMachineryCandidate：PangBinSupervisor：Prof.TangGuijiSchool：SchoolofEnergy，PowerandMechanicalEngineeringD

5、ateofDefence：March,2015Degree-Conferring-Institution：NorthChinaElectricPowerUniversity华北电力大学硕士学位论文摘要旋转机械是工业生产中应用最为广泛的机械设备之一。由于工况复杂、振源丰富，各种振动因素综合起来得到的旋转机械故障振动信号通常为非线性、非平稳的多分量信号，且具有信噪比较低、信号源较多的特点。如何从旋转机械故障振动信号中精确提取故障特征一直是机械故障诊断领域的热点和难点。研究有效的旋转机械故障特征提取方法，及时准确地对各类旋转机械故障做出诊断，对于保障生产安全，减少经济损失

6、具有重要的现实意义。在此背景下，本文从时频分析、解调分析、盲源分离、降噪分析四个角度对旋转机械故障特征提取方法进行了深入研究。首先简要分析了一种时频分析方法─希尔伯特振动分解（Hilbertvibrationdecomposition,HVD）的基本原理。针对HVD的边界效应问题，应用基于相关系数准则的波形匹配边界延拓法对其进行改进。利用改进的HVD方法分析了多分量仿真信号和转子故障振动信号，为多分量非平稳故障振动信号提供一种新的时频分析方法。解调分析是提取滚动轴承、齿轮等旋转机械元件故障特征频率的有效手段。研究了一种基于1.5维Teager峭度谱的弱冲击故障特征提

7、取方法，仿真分析和故障诊断实例表明该方法具有良好的解调性能，能够有效提取故障振动信号中的弱冲击故障特征。盲源分离技术是分析多源故障信号的有效方法，将一种盲源分离方法─平稳子空间分析(Stationarysubspaceanalysis,SSA)应用于多源故障盲信号特征提取。为解决盲源欠定问题，研究了一种基于奇异差分谱的信号升维方法。通过对单一传感器采集的振动信号进行升维，然后利用SSA方法将高维信号分解为平稳源信号和非平稳源信号，最后对非平稳源信号进行包络解调提取故障源信号的故障特征。将AR模型和总变差去噪方法相结合进行故障振动信号时域降噪分析。首先利用AR模型