论文部分内容阅读
在机械故障诊断和设备运行状态监测中,信号降噪和特征提取是核心组成部分。高速印刷机是复杂机械系统,其实测信号具有非线性程度高、各特征信息耦合性强以及噪声信号干扰多的特点。以微分几何、拓扑流形为理论基础的流形学习方法,因在处理非线性数据方面的优点,使其在图像处理、信息检索以及模式识别方面有广泛的应用,也是近几年来在测试信号降噪和特征提取方面的热点问题。用流形学习的基础理论和方法对高速印刷机测试信号的降噪和特征提取方法进行研究。论文主要工作如下:1.在测试信号降噪方面,结合经验模态分解(EMD)方法和小波阈值方法的特点,对EMD小波阈值方法进行了研究。EMD小波阈值方法结合EMD的自适应性强和小波阈值降噪的简单、降噪效果好的优点,能有效地对非线性信号进行降噪。通过模拟信号的降噪分析,验证了在对非线性信号进行降噪处理时EMD小波阈值方法优于小波阈值方法。2.在测试信号特征提取方面,对基于时域指标的流形学习方法进行研究。结合经验模态分解(EMD)、样本熵以及局部线性嵌入(LLE)算法的特点,提出了基于EMD样本熵的LLE、Hessian LLE特征提取方法。EMD样本熵是一种有效的非线性特征提取方法,通过典型转子综合故障实验,验证了在非线性信号特征提取时,EMD样本熵优于时域指标。分析比较LLE方法和Hessian LLE方法,得出基于EMD样本熵的Hessian LLE特征提取方法适用于转子单故障识别。3.为了提高流形学习方法在印刷机故障诊断中的应用,开发了基于流形学习的测试信号分析系统平台。4.初步将流形学习方法运用于印刷机测试信号分析。针对某高速印刷机第二色组套印偏差大的问题,进行了各色组压印滚筒轴承座振动测试,发现第二色组轴承座处振动加速度明显偏大。运用EMD小波阈值方法和基于EMD样本熵的LLE、Hessian LLE方法,依次对测试信号进行降噪处理和特征提取。通过与转子典型故障特征对比,确定轴承的松动是引起第二色组轴承座振动加速度偏大的主要原因。将流形学习方法引入印刷机测试信号的降噪和特征提取,通过实验,验证了流形学习方法适用于处理印刷机测试信号。由于印刷机的结构复杂,且无法进行大量破坏性实验,因而在印刷机故障特征及模式识别方面还有待进一步研究。