论文部分内容阅读
为有效提取故障信号特征,实现设备故障诊断与识别,本论文以滚动轴承和齿轮为研究对象,开展了基于随机共振和混沌振子的非线性故障特征提取方法及基于改进局部保持投影的故障模式识别方法研究。具体内容如下：(1)研究了基于随机共振的非线性故障特征提取方法。针对随机共振方法只适合于处理低频率信号成分的问题,引入了移频变尺度随机共振,通过频率移动和尺度变换将特征频率成分转换为满足随机共振要求的低频率成分。针对随机共振的系统结构参数难以确定的问题,提出了基于粒子群优化的移频变尺度随机共振方法,将能量比设置为适应度函数,通过粒子群算法对随机共振的结构参数进行寻优,从而得到最优的随机共振输出信号。将所提出的方法应用于滚动轴承典型故障信号的特征提取,结果表明经该方法处理后信号的信噪比有了明显的提升。(2)研究了基于混沌振子的非线性故障信号检测方法。提出了一种混沌振子策动力临界值的确定方法,该方法首先计算出不同策动力下混沌振子输出相图中原点附近的相点的个数,然后找到相点个数的突变点,突变点处的策动力的值即为策动力的临界值,仿真信号验证了该方法的有效性。将基于该方法的混沌振子检测法应用于滚动轴承外圈、内圈和滚动体等典型故障信号检测,结果表明该方法能够有效地检测轴承故障信号。(3)研究了基于局部保持投影的故障模式识别方法。针对传统的局部保持投影没有有效利用样本类别信息而造成的聚类效果不佳的缺点,提出了一种基于类别信息的改进的局部保持投影算法,改善了聚类效果。基于改进的局部保持投影,提出了一种故障模式识别方法,选择时域参数和小波包能量参数作为信号的特征参数,然后利用改进的局部保持投影对高维特征参数进行降维,最后通过欧氏距离来判别信号的状态。将所提出的方法应用于滚动轴承和齿轮的故障模式识别,结果表明该方法能有效识别故障状态。