论文部分内容阅读
在信号处理和故障诊断等诸多领域中，调制理论及包络解调技术一直是众多专家研究的热点。本文对一些经典的包络解调方法进行了研究与总结，深入研究迭代Hilbert变换、Morlet小波包络解调、Hermitian小波包络解调、时间-小波能量谱等解调方法、差分振子时间历程与包络解调结合的方法，并应用于信噪比较低的齿轮箱故障信号中。本研究主要内容包括： ⑴迭代Hilbert变换方法中采用高低通滤波器对包络幅值分量进行滤波会在一定程度上产生波形端点处畸变和波形相移问题，且在低通滤波时需要人为设置低通截止频率，不利于实现自动监测，提出基于SVD的迭代Hilbert变换的故障诊断方法。首先利用SVD对原始幅值包络分解和重构得到各个包络幅值分量和迭代分量，然后采用SVD对得到的各个包络幅值分量进行降噪处理，最后对降噪后的幅值包络进行频谱分析即可得到特征频率。利用该方法对实验信号和工程实际信号进行处理，有效地提取出故障特征频率，验证了此方法的有效性。 ⑵针对利用Morlet小波进行包络解调时需要同时优化两个小波波形参数的问题，提出了一种基于Hermitian小波包络解调的故障诊断方法。首先，通过与Morlet小波包络解调方法进行对比分析，指出虽然Hermitian小波不满足解析小波的限制条件，但仍然可以用来进行包络解调，其解调效果与Morlet小波相当，但Hermitian小波包络解调法只需优化小波变换尺度这一个参数，可大大减少计算量。然后，给出了三种确定Hermitian小波包络最佳尺度的方法，指出奇异值分解法计算量较大且具有主观性，而峭度指标和小波熵计算速度较快，且具有一致性，可作为选择最佳变换尺度的标准，从而得到最佳小波包络谱。 ⑶针对滚动轴承早期故障微弱特征难以提取的问题，提出了一种基于Hermitian小波时间-能量谱的滚动轴承故障诊断方法。该方法针对轴承故障振动信号具有奇异性的特点，首先利用Hermitian小波对原始信号进行连续小波变换，再根据小波变换的结果求取信号能量在时间轴上的分布情况，利用谱峭度指标作为选择最佳累积尺度的标准，得到时间-小波能量分布，最后对时间-小波能量分布进行谱分析得到时间-小波能量谱以提取故障特征。利用时间-小波能量谱对仿真信号和轴承外圈及内圈点蚀故障信号进行分析，结果表明该方法可以有效提取出强噪声环境下微弱故障的特征成分，并与普通的时间-小波能量谱作对比，特征提取效果更为明显，非常适用于滚动轴承早期故障诊断。 ⑷单一的差分振子仅可实现对周期信号中某一频率成分进行检测，对于强噪声背景下的边频带，尽管可以利用多个差分振子组成差分阵列进行逐个检测，进而确定边频带的间隔，但这种做法无疑会带来巨大的计算量。在对调制信号进行Teager能量算子包络分析时，所得到的时域信号是原始调制信号中的低频分量，亦是调制波信号，若该低频分量仍然包含较强的噪声成分，传统的频谱分析将会失效。此时，我们可借助差分振子时间历程对含较强的噪声的包络进行检测。因此，本文提出基于差分振子时间历程的微弱调制信号检测方法，即首先对信号进行Teager能量算子包络解调，然后利用差分振子时间历程对含较强的噪声的幅值包络进行检测，并成功应用于轧机轴承故障检测中。