第二代小波变换在旋转机械故障诊断中的应用研究

论文摘要

小波分析在时域和频域同时具有良好的局部化特性,因此较Fourier分析具有更大的优越性。目前在旋转机械故障诊断中得到了广泛应用。第2代小波变换继承了传统小波变换的时频局部化特性,所有的运算在时域上进行,小波基函数不再是由某一个函数的平移和伸缩而产生,具有算法结构简单、速度高、占用内存少等优点。本文利用第2代小波变换,针对旋转机械转子和轴承故障诊断问题,进行了如下研究工作:(1)基于第2代小波变换的转子故障信号降噪处理。传统的小波降噪方法对转子信号进行去噪处理时,转子转速和信号采样频率对小波分解层数的选择具有很大的影响,因此,去噪过程难于自动完成。本文针对该问题,利用第2代小波变换,提出了基于尺度变换的小波自动去噪方法,通过对原始信号按一定方法进行重采样,并与小波软阈值去噪方法相结合,从而实现去噪处理,该方法可以消除转速和采样频率的影响,毋须人为选取小波分解层数,整个去噪过程自动完成。最后,利用转子故障模拟实验台和航空发动机转子实验器采集不平衡、不对中、油膜涡动及碰摩故障数据进行了降噪分析,取得了满意的效果。(2)基于第2代小波变换的转子故障信号特征提取。针对小波频段能量特征提取受旋转速度和采样频率的变化影响,本文运用尺度变换原理,通过对原始时间信号进行重采样,对重采样后的信号进行第2代小波变换,并统一分解到给定层上,从而获取信号的频带特征。该方法能够消除转子转速和信号采样频率对小波分解频带分布的影响,所提取出的频带能量特征具有统一的物理意义。最后,利用转子故障模拟实验台和航空发动机转子实验器,获取了转子不平衡、不对中、油膜涡动及碰摩4类故障数据,并进行了特征提取,并构造了结构自适应神经网络进行了诊断分析。获得了很高的识别率。(3)基于第2代小波变换的滚动轴承故障信号分析。分析了滚动轴承故障特征,利用第2代小波变换将滚动轴承故障振动加速度信号分解到不同尺度,提取出共振频带,然后利用Hirbert变换进行解调,再对解调后的信号进行频谱分析得到小波包络谱,从包络谱上获取轴承故障特征信息。本文利用美国Case Western Reserve University电气工程实验室的滚动轴承故障模拟实验台获取的滚动轴承故障数据进行了分析验证,结果表明了方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 旋转机械转子故障诊断的意义
• 1.2 转子和轴承常见故障
• 1.2.1 转子常见故障
• 1.2.2 滑动轴承故障
• 1.2.3 滚动轴承故障
• 1.3 旋转机械故障诊断研究现状
• 1.3.1 故障信号降噪处理技术
• 1.3.2 故障信号特征提取
• 1.3.3 故障状态识别
• 1.3.4 第二代小波分析方法及其在转子故障诊断中的应用现状
• 1.4 本文主要研究内容
• 第二章 第二代小波分析的基本理论
• 2.1 小波分析简介
• 2.1.1 小波变换
• 2.1.2 多分辨率分析
• 2.2 第二代小波的基本理论和方法
• 2.2.1 小波分解与重构的多相位表示
• 2.2.2 LAURENT 多项式的EUCLIDEAN 算法
• 2.2.3 多相位矩阵的因子分解
• 2.2.4 提升算法
• 2.3 小结
• 第三章 转子与滚动轴承故障模拟实验台
• 3.1 转子试验台简介
• 3.1.1 ZL-3 多功能转子故障模拟试验台
• 3.1.2 航空发动机转子实验器简介
• 3.2 滚动轴承试验台简介
• 3.2.1 实验台说明
• 3.2.2 信号采集
• 3.2.3 滚动轴承故障设置
• 3.3 小结
• 第四章 第二代小波变换在转子故障信号降噪中的应用研究
• 4.1 常见的小波降噪的方法与原理
• 4.1.1 去噪问题的描述
• 4.1.2 小波变换模极大去噪
• 4.1.3 基于小波变换尺度间相关性的去噪
• 4.1.4 小波阈值去噪法
• 4.2 几种小波去噪方法的比较
• 4.2.1 模极大值法去噪
• 4.2.2 相关性去噪
• 4.2.3 小波收缩阈值法去噪
• 4.2.4 平移不变量小波法去噪
• 4.3 第二代小波降噪原理与方法
• 4.4 基于尺度变换的第二代小波自适应降噪新方法
• 4.5 基于尺度变换的第二代小波自适应降噪新方法在转子故障信号降噪中的应用
• 4.5.1 不对中故障实验信号降噪
• 4.5.2 不平衡故障实验信号降噪
• 4.5.3 碰摩故障实验信号降噪
• 4.5.4 油膜涡动故障信号降噪
• 4.6 小结
• 第五章 基于第二代小波分析的旋转机械转子故障特征提取
• 5.1 常见的特征提取方法
• 5.1.1 时域分析方法
• 5.1.2 频域分析
• 5.1.3 时间序列分析
• 5.1.4 小波分析
• 5.2 基于能量分布的小波特征提取的原理
• 5.3 第二代小波变换在转子故障信号特征提取中的研究
• 5.4 基于尺度变换的第二代小波能量特征提取新方法
• 5.5 基于尺度变换的第二代小波能量特征提取新方法在转子故障诊断中的应用
• 5.6 转子多故障的集成神经网络诊断实验研究
• 5.6.1 样本产生
• 5.6.2 基于结构自适应神经网络的集成神经网络模型
• 5.6.3 转子故障识别结果
• 5.7 小结
• 第六章 基于第2 代小波变换的滚动轴承的故障诊断
• 6.1 概述
• 6.2 滚动轴承振动特征
• 6.3 故障轴承振动信号特点
• 6.3.1 轴承内滚道损伤
• 6.3.2 轴承外滚道损伤
• 6.3.3 滚动体损伤
• 6.4 第二代小波变换在滚动轴承故障诊断中的研究
• 6.4.1 正常轴承的频率特性
• 6.4.2 轴承内圈故障诊断
• 6.4.3 轴承外圈故障诊断
• 6.4.4 轴承滚动体故障诊断
• 6.5 小结
• 结论与展望
• 参考文献
• 致谢
• 攻读硕士期间所发表的论文
• 附录1 转子模拟故障实验样本集