机械测试中多分量信号特征提取方法地研究.pdf

Research on Feature Extraction for Multicomponents in Mechanical Measuring1 A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Doctor of Engineering By Mao Yongfang Supervised by Prof. Qin Shuren Major: Mechatronics Engineering College of Mechanical Engineering of Chongqing University , Chongqing, China September 2008 The thesis is supported by NSFC (No. and the National High Technology Research and Development Program of China (863 Program, No.2005AA420350) 中文摘要 摘 要 机械设备运行中产生的振动信号中包含了丰富的故障信息，通过对其进行处 理与分析，可以得到机械设备零部件的状态变化信息，从而判断出机械设备或零 部件的故障所在。时频分析方法在机械故障特征提取中取得了广泛的应用，经过 数十年的发展历程，已有大量的研究工作投注在多分量非平稳信号的特征提取中， 但仍然不能完全满足实际工程应用的需要。在此背景下，本文对小波变换、 Hilbert-Huang 变换（HHT ）、Chirplet 变换、迭代Hilbert 变换（IHT ）等信号分解 方法，重分配谱、多窗谱等信号处理技术，以及机械故障信号的消噪、解调、分 解等特征提取技术进行了深入的研究。 本文首先对具有多分辨分析特性的小波变换的理论体系进行了研究，介绍了 连续小波变换及其容许条件、二进离散小波及其重构条件、小波框架理论、多分 辨分析原理以及 Mallat 算法。为解决小波变换对信号进行分解时产生的频率混叠 问题，将谐波小波变换运用在信号的特征提取中。分析了谐波小波系数所特有的 幅频保持特性，提出了用谐波小波系数来构造改进的谐波小波时频图，并通过推 导得出，改进后的谐波小波时频图的时频剖面图，即为该剖面对应频带范围内信 号分量的包络。仿真和应用表明了谐波小波多分量信号解调方法的有效性。 由于小波变换对于局部没有自适应性，因此会造成泄漏，从而使信号呈现出 全局较为光滑，本文接下来对Hilbert Huang 变换(HHT)进行了深入研究。针对EMD 方法缺乏严格的正交性的问题，介绍了EMD 过程的施密特正交化方法，指出其并 没有从根本上实现EMD 的正交化。接下来分析了用带通滤波方法来获得 IMF 的 可行性，进而提出了基于解析带通滤波的正交化经验模态分解（OEMD ）方法， 并从理论上证明了它的完备性和正交性，然后提出了 OEMD 的快速实现算法 ——IMF 折半搜索法。在谐波检测和奇异信号检测的应用实例表明，OEMD 成功 地解决了模态混叠和虚假模态等问题。在转子实验台和齿轮箱故障诊断中的应用 表明，OEMD 无论是对于平稳信号还是非平稳信号都具有很好的分析效果。 Chirplet 变换是对小波变换的扩展。本文首先介绍了 Chirplet 变换的原理及 Chirplet 自适应分解方法，并通过仿真实验验证了Chirplet 自适应分解在表征信号 内部结构方面的优越性。针对强噪声背景下的信号特征提取问题，介绍了Chirplet 最佳路径追踪算法，并指出了Chirplet 变换与最佳