热动专业英文翻译.doc

高分辨率振动信号检测技术的研究以及机械故障诊断中的应用 摘要 双线性时间–频率变换能同时高分辨率在时域和频率域。它可以被用来检测弱瞬态振动信号产生的早期复杂背景的机械故障，因此这对早期机械故障的诊断有举足轻重的作用。该系统发现谱图的分辨率较低，并且有很强的交叉项维格纳–Ville分布、频率混叠和在彩–威廉姆斯分布的信息损失（CWD）的现象。因此，他们不能获得满意的瞬态信号检测结果。为了提高检测的瞬态振动信号的能力。本论文基于对指数分布的分析，又提出了一些新的别名：自由时间–频率分布。当抑制交叉项时，这些分布可以避免信息在CWD系统中丢失。此外，在时间和频率域中也同时存在高分辨率。齿轮箱故障诊断实验和数字仿真实验都证明了这些新的分布可以有效地检测瞬态成分复杂的机械振动信号。 关键词：时间–频率分布；瞬态振动；信号检测；核函数；故障诊断 1引言 如机械系统中存在故障，如齿轮箱和蒸汽涡轮机，通常会产生额外的振动信号成分或改变振动信号分量的特征，对异常振动信号的检测是非常重要的机械系统的状态监测和故障诊断。异常信号引起的通过机械系统早期故障一般都很微弱，短暂的干扰背景噪声，和一个低信噪比（SNR），使其很难探测。 用于检测弱信号去噪的传统方法是基于概率分布和评估有用信号。它需要建立一个概率分布模型去解决噪声和实际应用中产生的困难。另一种方法是时间–频率分布。当前对时间–频率分布的方法包括：短时傅立叶变换（STFT）[ 1 ]，小波变换（WT）[ 2 ]，双线性时间–频率分布（BTFD）[1,3,4]，STFT和WT，这些都属于线性频变换。 他们从绘制一个信号到联合时间–频率（尺度）平面和敏感的瞬态振动的信号。但线性变换将直接作用于时间域信号，它不能降低对背景噪声的影响，并具有低的同步时间和频率分辨率。这使得这些方法往往不能从多信号分量和复杂信号的瞬态信号中检测出高噪声。比较线性变换，BTFD在时间和频率域中同时具有较高的分辨率，可以降低噪声对信号的干扰。对BTFD的方法研究已经成为非平稳信号处理的重要工具。由于在传统BTFD中交叉项的存在，也有效地检测BTFD弱暂态分量复杂的信号的困难。为了减小交叉项干扰，许多新的btfds已提出的，例如，–Choi威廉姆斯分布[ 4 ]，天生的–乔丹分布[ 1 ]和减少干扰分布[ 5 ]。在以前的btfds合成的基础上，科恩代表一个统一的BTFD公式，即科恩类时频分布–[ 1 ]。对离散信号的分析中，郑某和威廉姆斯提出了一个别名为自由科恩的分布[ 3 ]。然而，在生产中的应用瞬态信号，这些分布产生很大的涟漪如一般的瞬态信号的包络组件，导致损失或一些有价值的信息从而导致对故障检测的失真和状态监测，如峰发生时间振幅。 基于对怡安的科恩，崔，威廉姆斯等研究，为了提高和保证探测从机械振动信号检测暂态分量，本文提出了一些新的有关btfds的别名，对他们的表现进行评估，比较彼此之间传统的分布，并通过数值模拟实验应用到齿轮箱早期故障的检测中。 2 现有BTFD分析 BTFD是科恩上课时的频数分布与二维变换内核的公式，其定义为 其中是核函数和表示复共轭。将式（1）相对于 = （2） （3） （4） 是x(t)一般化的自相关函数;是内核的自相关域。综上所述,Eq。(2)也可以作为傅里叶变换(FT)归纳自相关函数对变量t。如果这需要一个BTFD是能源分布的信号,内核必须满足一些要求[1,4]。 目前,现有的BTFDs包括：光谱图(SP)[1],能量分布(项)[1],崔威廉姆斯分布(慢性)[4],减少干扰分布[5]等。SP定义为广场的STFT,它没有交叉项，因此很容易计算。但由于它的低分辨率将同时影响时间和频率域,这将很难区分复杂振动信号的瞬态成分[6]。虽然WVD可以同时提供一个高分辨率的时间和频率域同时也提供非常有效的单分量信号分析,对于多组分的信号,它可以产生强大的交叉项干扰[7]。交叉项可能导致一些难以解释的结果,并导致短期标志难以探测出来。因此,SP和项往往不能达到满意结果的瞬态信号检测、 CWD可以抑制交叉项的同时保持高的分辨率。其核心是]。 ， ， （5） 其中包含两个变量，在式（3），核函数的可以作为瞬时自相关项重量。当和，，和当有一个较小的值，还很小，相关的小重量意味着它的信息是可以忽略的。当和无限的方法，这意味着自相关信息不能使用。自相关及其附近信息查找故障暂态分量的峰是非常重要的。但CWD损失的关键信息，和类似的问题也在天生的–乔丹分布中发现，–的Margenau Hill分布和许多btfds中都存在产品内核。这个问题表明，这些分布是不用于检测微弱瞬态振动信号的任务的最佳选择。 对于一个离散信号，离散科恩理论（dtfd