论文部分内容阅读
在设备故障诊断领域，如何滤除观测信号中的噪声和干扰成分，尽最大可能恢复故障源的特征信息，一直以来都是研究的焦点和难点问题。考虑到机械振动在结构内部的传递过程，观测信号可视为振源信号与传输路径函数的卷积结果。本文以信号的卷积混合为基本前提，以轴承和齿轮的表面损伤为辨识对象，力图解决强噪声干扰下故障源信息的分离与提取问题。具体内容如下: (1)以最小熵反卷积(MED)为切入点，研究单一故障源的辨识方法。针对强背景噪声下MED技术存在的不足，引入最大相关峭度反卷积(MCKD)技术。研究MCKD算法中阶数、迭代次数和滤波器长度等参数对反卷积效果的影响，并将优化后的参数配置用于仿真信号、实验数据以及工程信号处理。通过时域统计指标定量描述处理前后的信号差异，验证MCKD提取故障冲击的能力。 (2)针对工程信号普遍存在的多源卷积混合特性，研究多通道反卷积分离技术。为了合理配置分离系统的通道数量，引入基于小波分析与奇异值分解的源数估计方案;利用仿真信号研究参数设置对算法性能的影响，进而建立一种自适应多源信息分离方法;采用包含复合故障的实验信号和工程数据，验证该方法分离混合故障的效果。 (3)考虑到强噪声对故障源辨识的干扰作用，建立基于提升多小波的信源净化方法。由于全局阈值对微弱特征存在过扼杀现象，同时考虑小波分解系数之间的相关性，本文将滑动截断技术、局部相邻系数降噪与提升多小波变换相结合，形成一种新的故障信号降噪方法。通过轴承微弱故障信号的分析处理，表明提升多小波滑动窗局部相邻系数(LMT-SWTD)的降噪效果优于传统方法。特别地，将其与MCKD方法相结合，成功实现了工程信号的信源净化。 (4)为了实现故障特征的直观描述，本文借助双谱分析技术，实现了故障源信息的图形化表示。将MCKD和LMT-SWTD作为双谱分析的前置环节，用于冲击源的特征增强;对比研究不同故障信号在包络前后的双谱图像，获得了更为清晰的表达方式;为使同类特征更具代表性，引入基于小波变换的图像融合技术，实现同类故障图像的特征增强，并利用图像纹理特征描述融合图像之间的差异性。