基于全矢谱的全信息能量研究

论文摘要

随着现代旋转机械设备向大型化、复杂化、自动化、高速化、重载化的方向发展,状态监测和故障诊断技术在国民经济基础领域中发挥着越来越重要的作用。转子的振动信息通常由截面内相互垂直安装的传感器采集,但传统的旋转机械状态监测和故障诊断只采用单源振动信号作为判别设备运行状态的依据,割裂了各个通道信号之间的有机联系,导致信息不完整、不可靠。由于单源信号从量值和结构方面都很难反映设备运行的实际状况,因此采用传统的分析方法很容易造成漏判和误判。全信息技术实现了旋转机械振动信息的无遗漏检测,极大改善了旋转机械状态监测和故障诊断建立在不完整信息基础之上的现状,实践证明具有巨大的优越性。本文以多传感器信号的数据级融合和转子动力学基本理论为基础,介绍了基于信息融合的全矢谱技术理论基础、数值方法、图谱表达、物理意义及其在故障诊断工作中的应用。全矢谱分析技术具有全面、直观、易拓展的特点,反映了转子的真实运动特征。在融合信号的矢量谱分析基础之上,结合传统的信号功率谱分析理论,探讨了多传感器融合信号的全矢功率谱定义、性质、实现途径以及其谱估计方法。研究表明,全矢功率谱具有清晰的物理意义,改善了传统单通道信号功率谱信息不完整、反映问题片面的缺陷,谱估计方法丰富多样,计算简捷方便,为故障诊断工作提供了可靠的依据。为了提高全矢谱分析的分辨率,将复调制频谱细化原理与全矢谱理论相结合,多传感器融合信号经过复调制频移—低通滤波—选抽—快速傅里叶变换等步骤之后,实现了融合矢量信号频谱的局部细化。全矢细化谱兼具信息全面和高分辨率的特点,运算量远小于具有相同分辨率的普通全矢谱,能够综合反映融合矢量信号的频域局部细微特征,有利于提高故障诊断工作的效率及准确性,并节约硬件成本。该方法可应用于旋转机械故障诊断中,对频谱密集型多源融合矢量信号进行有效分析。结合全信息技术、小波分析以及信息熵的基本理论,利用小波变换将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到全矢小波能量熵,对融合信号能量分布的紊乱程度进行量化。全矢小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,能够检测故障引起的信号异常,并可利用其对故障的发展趋势进行预测,从而可作为衡量设备工作状态的指标应用到旋转机械状态监测领域。在理论探讨的基础上,通过在matlab环境下进行编程验证,表明本文所提出的新方法有效、实用。同时也证明全矢谱分析能够真实反映机械振动的全部特征、极大提高了诊断的客观性和准确性,是一种具有极高理论研究价值和工程应用价值、发展前景广阔的技术。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的来源、目的及意义
• 1.1.1 课题来源
• 1.1.2 课题目的和意义
• 1.2 国内外发展概况
• 1.2.1 信息融合技术发展概况
• 1.2.2 信号能量分析发展概况
• 1.3 全信息技术简介
• 1.3.1 全息谱分析技术
• 1.3.2 全谱分析技术
• 1.3.3 全矢谱分析技术
• 1.4 本文的主要研究内容
• 1.5 本章小结
• 2 同源数据融合矢量谱理论
• 2.1 概述
• 2.2 双通道信息融合矢量谱理论
• 2.2.1 理论基础
• 2.2.2 数值计算
• 2.2.3 轴心轨迹的表述
• 2.2.4 矢量谱的物理解释
• 2.3 矢量谱分析
• 2.4 本章小结
• 3 融合信号的全矢功率谱理论
• 3.1 概述
• 3.2 信号的功率谱
• 3.3 全矢功率谱的定义
• 3.3.1 基于融合强度的全矢功率谱
• 3.3.2 基于融合面积的全矢功率谱
• 3.3.3 基于轨迹周长的全矢功率谱
• 3.3.4 基于回转轨迹的全矢功率谱
• 3.4 全矢功率谱估计
• 3.4.1 直接法
• 3.4.2 间接法
• 3.4.3 改进的直接法
• 3.4.4 AR参数模型法
• 3.4.5 MUSIC法
• 3.5 全矢功率谱分析
• 3.6 本章小结
• 4 全矢细化谱理论
• 4.1 概述
• 4.2 全矢谱的分辨率
• 4.3 复调制细化谱
• 4.3.1 原理及流程
• 4.3.2 实现过程
• 4.4 基于复调制的全矢细化谱
• 4.4.1 原理及流程
• 4.4.2 实现过程
• 4.4.3 运算量分析
• 4.5 全矢细化谱分析
• 4.6 本章小结
• 5 全矢小波能量熵理论
• 5.1 概述
• 5.2 小波分析理论
• 5.2.1 连续小波变换
• 5.2.2 离散小波变换
• 5.2.3 基于多分辨率分析的小波变换
• 5.2.4 小波基及分解层数的选择
• 5.3 Shannon信息熵理论
• 5.3.1 信源模型
• 5.3.2 自信息
• 5.3.3 信息熵
• 5.4 小波能量熵
• 5.5 全矢小波能量熵
• 5.6 全矢小波能量熵分析
• 5.7 本章小结
• 6 结论及展望
• 6.1 本文工作
• 6.2 关键技术及创新点
• 6.2.1 关键技术
• 6.2.2 创新点
• 6.3 主要结论
• 6.4 展望
• 致谢
• 参考文献
• 攻读学位期间参与的项目及发表的学术论文