Wigner-Ville分布在机械故障诊断中研究.pdfVIP

!#$% $ ’((% 分布在机械故障诊断中的研究 蒋 平 贾民平 许飞云 胡建中 （东南大学设备监控与故障诊断研究所，江苏 南京!%’( ） 摘 要：时频分布从时域特征与频域特征的结合途径揭示了信号的构成本质。文章介绍了基于!#$% $ ’((% 分布（!’) ）的故障诊断方法，包括基于核函数抑制交叉项，时频分布与人工神经网络相结合， 以及!’) 的高阶谱。机械系统故障信号往往是非平稳的，联合时频分布是对故障信号分析的有力 工具。!’) 很高的能量聚集性和很好的时频分辨率，极大地提高了故障信号特征提取的准确度。 关键字：时频分布 信号处理 故障诊断 神经网络 高阶谱 !# $#%#’( )* +,-.#’ $ /,00# 1,%2’,342,). ,. 5(,.# 6402 1,-.)%,.- )*+,- ./01 ，)*+ 2/03/01 ，45 67/890 ，:5 )/;0=01 *+,-./- ：?9;@A;B/C B/D7 EA7F970C8 90CG7A B=7 E7;B9A7 E 00 $ HB;B/0;A8 H/10;I 0 B=7 J;H/H E B=7 CDJ/0;B/0 E B/D7 @D;/0 ;0@ EA7F970C8 @D;/0K *0 B=/H 3;37A ，; 07L E;9IB @/;10H/01 D7B=@ J;H7@ 0 MNO （M/10P 7A $ N/II7 O/HBA/J9B/0 ）L;H /0BA@9C7@ ，/0CI9@/01 CAHH B7AD H933A7HH/0 J;H7@ 0 Q7A07I E90CB/0 ，B/D7 $ EA7F970C8 @/HBA/J9B/0 CDJ/0/01 L/B= +AB/E/C/;I ,79A;I ,7BLAQ ;0@ :/1=7A RA@7A S37CBA9D E MNOK 2;C=/07 E;9IB H/10;I L;H 9H9;II8 CD3H7@ E 00 $ HB;B/0;A8 H/10;IHK )/0B B/D7 EA7F970C8 L;H ; 3L7AP E9I BI B ;0;I87 E;9IB H/10;IK O97 B =/1= B7D3A;I ;0@ EA7F970C8 A7HI9B/0 ;0@ =/1= 707A18 EC9H ，B=7 ;CC9A;C8 E E;9IB H/10;I E7;B9A7 7TBA;CB/0 /H 1A7;BI8 /D3AG7@ J8 MNOK 0%1234, ：S/10;I .AC7HH/01 ；6;9IB O/;10H/01 ；U/D7 6A7F70C8 O/HBA/J9B/0 ；,79A;I ,7BLAQ ；:/1=7A RA@7A S37CP BA9D 机械故障信号通常是非平稳信号，且背景噪声比 滤，有效地除去噪声，用它来描述信号在不同时间和频 较大，信号容易淹没在噪声中。机械故障诊断的目的 率上的能量密度和强度，从时域、频域和幅值域三维空 就是提取信号特征，并根据信号特征判断故障形式，进 间同时揭示信号成分，可以成功地应用于机械故障诊 行故障诊断。当前常用的机械故障征兆提取方法，多 断［! ，V ］。本文介绍了M/107A $ N/II7 分布在机械故障诊 是假设振动信号具有平稳和高斯分布的特性。而实际 断中的应用与发展情况。 测得的信号大量是非平稳和非高斯分布的信号，尤其 5 理论基础 是在发生故障时更是如此［%］。对于这种非平稳现象， 仅用功率谱和傅立叶变换等传统信号处理方法分析很 56 5 !#$% 7 ’((% 分布及其核函数的提出 难从根本上解决问题。频谱及其能量分布的功率谱不