论文部分内容阅读
随着现代化科学技术的发展，机电设备正朝着大型化、高速化、连续化、集中化、自动化的方向发展。由于受到各种因素的影响，机电设备难免会出现故障。为了保证机电设备安全、正常的运行，设备状态监测与有效的故障诊断技术已成为现代化工业生产中必不可少的一部分，受到越来越多的重视。信号处理方法作为故障诊断技术的核心，一直是国内外众多学者研究重点。 当机电设备发生故障时，其振动信号通常是由多种振源组成的混合信号，包含多种信号分量。对振动信号中各组成成分的有效分离，不仅可以揭示设备中各个振源的振动形态，还可以为快速、准确地确定设备故障部位提供重要依据。形态分量分析方法是一种新出现的信号处理方法，该方法通过构建不同形态的稀疏表示字典，能有效地实现信号中不同形态特征的信号成分的分离。 本论文对形态分量分析方法的基本原理及与其他方法的综合应用进行了研究，并将其成功用于机电设备的故障诊断中。论文主要研究工作包括: (1)阐述了形态分量分析的基本原理，通过对仿真信号和实验信号的分析，初步验证了形态分量分析能够对信号中不同成分进行有效地分离。 (2)提出了迭代形态分量分析方法，在不改变算法中相关参数值，使其保持默认值的情况下，经过多次迭代后，改善了最终处理效果。 (3)研究了小波字典的构建方法。基于形态分量分析方法步骤中经典小波字典的构造方法以及提升小波变换的原理，研究了利用提升模式来直接构造冗余小波字典的方法。将构造出的新的小波变换字典用于形态分量分析方法中，用来处理仿真信号和实验测得的滚动轴承故障振动信号，验证了新构造出的小波变换字典能够有效地提取信号中的冲击成分。 (4)形态分量分析方法能够将信号中的冲击分量与谐振分量有效分离，但是分离后的冲击分量中包含很多其他的频率干扰成分，不能有效地提取故障特征信息。针对这样的问题，提出基于形态分量分析和最小熵解卷积结合的故障诊断方法，对滚动轴承的故障振动信号进行分析，提取了有效的故障特征信息。 (5)提出基于形态分量分析和谱峭度结合的故障诊断方法，对形态分量分析方法分离的信号故障成分进行谱峭度带通滤波，然后进行包络解调，提取有效故障特征信息，实现故障诊断。应用于机电设备的故障诊断中，取得了良好的效果。