故障诊断分析报告报告材料方法-结课论文.doc

实用标准文案 精彩文档 故障诊断分析方法比较 摘要：小波变换作为信号处理的手段，逐渐被越来越多领域的理论工作者和工程技术人员重视和应用。在机械系统和电气系统中，故障时常发生，为了诊断系统是否故障，小波分析是很好的方法。小波分析的方法很多，小波的选择也很多类，为了研究哪种小波分析方法更加适合于故障检测。论文将通过一个例子来分别采用功率谱、多分辨小波分析和小波包三种方法进行突发性故障诊断，来研究各自的分析特点。并总结在故障发生时，一个更加好的分析方法。 关键词：故障 功率谱 多分辨分析 小波包分析 正文： 在对机械设备进行故障检测时，通常采用对振动信号进行频谱分析找出奇异点的方法来实现设备监测。傅里叶变换是频谱分析的主要工具，其方法是研究函数在傅里叶变换后的衰减以推断函数是否具有奇异性及奇异性的大小，但傅里叶分析只能确定一个函数奇异性的整体性质而难以确定奇异点空间的位置分布情况，这一局限性导致了频谱分析不能精确的确定信号的奇异性特点，给进一步分析信号的规律带来了一定的障碍。 而在傅里叶基础上发展而来的功率谱可以识别不同信号的故障信号。将正常信号的功率谱与运行过程中不断连续收集的信号功率谱进行对比，功率谱异常就表示机械系统有故障，不同类型的故障会有不同类型的频谱特征，从故障 信号的功率谱中可以识别故障的类型。 然而利用传统的频谱分析方法只能从频谱图上了解故障信号的所包含的频率成分，而无法确定具体的频率成分的震动形式。无法对具体的频率成分进行分析，难以直接描述机械的状态。小波分析是近十年发展起来的一门适用于时变信号分析的新兴工具，它可以把时域信号变换到时间—尺度域中，在不同尺度下观察不同的局部化特性。在信号突变时，其小波变换后的系数具有模量极大值，可通过对模的极大值点的检测来确定故障发生的时间点。在从小波基础上发展的小波包，对各个子小波空间做出更加细致的分解，其对应的频带被进一步分解，这使得时—频分析能聚焦于任意的细节，在故障诊断时，可从细节上分析故障。 很多工作系统正常工作时，工作输出点的采样信号是蠕变信号，当由于多种原因系统系统故障时，输出信号将产生一突变信号（主要表现在幅度和频率的变化），信号的突变时刻被称为信号的奇异点。这些奇异点数值包含有重要的故障信息，因此，对突变信号进行检测和处理，是故障诊断的关键。 因此，本文从功率谱、多分辨分析分析和小波包三种方法进行蠕变信号突发性故障诊断，并比较总结它们的特点。 实例：由于日常机械中很多振动信号都是由不通频率的正弦余弦波组成的，于是这里选择的原始信号采用的是单一频率正弦波的形式。为了研究上述三种分析方法，并且由于还未在先研究阶段中未得到研究机械的信号，为了简化分析过程，抓出本质结果，故在论文中选择一较为简单的突变信号。分析方法可以类比运用到实际的故障分析中。信号如下： t=0:pi/125:4*pi; s1=sin(t); s2=sin(10*t); s3=sin(t); 故障信号 s=[s1,s2,s3];原始信号sy=[s1,s1,s1] 下面是 在MATLAB环境中，得到的信号各种分析方法所得到的的结果。 图1：db3多分辨分析结果 图2：Haar小波的多分辨分析 图3：小波包分析 图4小波包重构（a） 图4小波包重构（b） 图4小波包重构（c） 图5：功率谱分析 图6：小波包功率谱 从图1-6可以看出，这几种方法都可以判断出机械系统是否发生突发性故障。然而它们在分析时又有所不同。 多分辨小波分析：图1采用小波变换模极大值的检测方法。采用Daubechies3正交小波，将故障传感器输出响应突变信号进行5层分解,进行信号检测,获得信号的突变点对应于其小波的极大值,从而判断出传感器有无突发型故障。采用MATLAB仿真,,得到的第1层到第5层细节信号，。从d1层可以清晰地看到故障发生在500-1000之间，之后又恢复正常。从图中可以看出，突变信号处于较低频率下。结果表明了传感器突发型故障小波检测技术的有效性。从所得结果来看，仿真故障检测效果良好，小波分析对传感器的故障诊断方法简单、快速、效果显著、精度高、对系统要求低，有很强的研究价值。 小波包分析：较于小波分析，小波包可以最大可能的提高时域和频域的分频率，使时-频分析更加聚焦于细节。同时，对高频部分也能进一步分解。即可以得到任意的频率成分，对其进行分析。对于该故障信号，通过小波包的3层分解可以得到一定频率内分割成8个子频带（如图3所示）。可以用重构算法，对任何频率成分进行重构，得到其震动形式。由如图可知道，节点【3，0】【3,1】【3,2】，【3，4】有明显的故障成分，故可对其重构。本论文以对低频成分【3,0】较高频的【3,4】节点重构为例，重构结构如图4所示，观察重构的两小波包所包含的频率信号，可以清楚的了解这一频率下的信号的