基于振动信号处理的旋转机械故障诊断-电子与通信工程专业论文.docxVIP

上海交通大学工程硕士学位论文第一章前 上海交通大学工程硕士学位论文 第一章 前 言 第 第 PAGE 10 页 一些其它的分析技术。 (a)轴心轨迹 轴心轨迹是旋转机械状态监测的重要参数，该参数不但能够显示转子轴径相对滑 动轴承位移，反映轴承的预负荷，而且还可以提供转子的涡动频率和进动方向。 (b)全息谱 全息谱[11-14]能够反映转子弯曲和扭转振动的形式，是针对旋转机械故障征兆 提取而提出的一种方法。该技术在 FFT 算法的基础上，通过内插技术，精确求得按自 由方式采集的振动信号的幅值、频率和相位值，然后将转子截面水平和垂直方向振动 信号的幅值、频率和相位信息进行集成，用合成的一系列椭圆来刻划不同频率分量下 的转子振动行为。全息谱包括二维全息谱、三维全息谱和全息谱阵。全息谱技术与传 统的谱分析方法不同，构造了多支承转子系统的单一截面和整机振动分析方法，利用 转子在相互垂直的两个方向振动之间的相互关系，可以了解转子的振动全貌，体现了 诊断信息的全面利用，综合分析的思想。 (c)角域分析 该方法适用于旋转机械的非平稳状态分析，实现的必要技术是对数据采集进行反 馈控制，使采样频率跟踪转速变化，将相对频率非平稳的信号转变成相对转子转角为 平稳的信号，在信号幅值相对时间变化平稳的假设前提下，对数据进行谱分析，阶次 跟踪分析的依据就是这种原理。 (d)分形维数 分形是非线性理论中的概念，它是事物的形状、形态、结构和组织的分解、分割、 分裂与分析，分形是事物从整体向局部、从宏观向微观转化的过程。机械设备发生故 障时，振动信号通常变得更为复杂、不规则，分形维数能够描述信号的复杂性和不规 则性，研究表明，可以将其作为故障征兆来识别设备的状态。何正嘉[8]等结合小波 分析对汽轮发电机组轴承发生松动故障前后振动信号的分形维数进行了计算，得到了 不同的结果。吕志民[15]等在应用分形维数作为征兆参数对滚动轴承进行故障诊断研 究之后得出结论，滚动轴承在不同的运动状态下具有不同的分形维数，分形维数可以 作为识别轴承故障的特征量。 对于旋转机械中常见零部件(如滚动轴承、齿轮)的故障，还有专门的振动信号处 理技术，如包络解调和倒谱分析等方法。为了从被噪声严重污染的信号中提取有用信 息，时域滤波技术(如 Kalman 滤波[16]和自适应滤波等)也在旋转机械的故障征兆提 取中得到了应用。 1.3 本文的主要工作和创新 1.3.1 本文主要工作 本课题主要内容为：(1)振动试验；(2)振动信号的信号处理流程；(3)基于小波 分析的振动信号处理算法研究；(4)振动信号处理平台的开发。以下分别对这四个部 分进行简单介绍。 （1）振动试验 本部分主要依托实验室的旋转机械设备和振动采集系统，在实验台上进行振动实 验，得到的数据为后续的仿真计算提供依据。 （2）振动信号的信号处理流程 信号的基本处理流程为：(a)模拟信号处理；(b)数据采集；(c)数字信号处理。 模拟信号处理：在对模拟信号进行采样之前往往要进行预处理，以达到以下目的： ①当模拟信号微弱时，需进行放大处理，以保证采样及量化时的精度；②由于系统处 理运算的量是正比于要处理的样本数的，因此当采样频率太高时，需进行预滤波处理， 以达到最小运算量的目的；③当模拟信号过大时，需进行衰减处理，以满足 A/D 转换 器的要求；④隔离或者保留信号中的直流分量；⑤直流/交流转换等。 数据采集：在采样定理的基础上，对信号进行离散化采样，同时通过量化，将输 入端电信号按大小转换成最接近于输入大小的一个量化幅度值，得到需要的数字信 号。主要研究对象为：采样频率的选择，信号重构，量化及量化误差，编码等。 数字信号处理：滤波、变换、检测、谱分析、估计、压缩、识别等一系列的加工 处理。通过这些处理，达到信号降噪、压缩、特征提取、频谱分析等目的。 （3）基于小波分析的振动信号处理算法研究 对于振动信号，研究了基于小波分析的信号处理与故障诊断。内容如下：(1)小 波变换基本理论，包括：傅里叶变换，小波变换；(2)信号处理中的小波变换的一般 应用，包括：小波变换在信号处理中的算法分析，小波变换在信号处理中的应用；(3) 小波变换在振动信号处理和故障诊断中的应用，包括：小波变换在振动信号处理和故 障诊断中若干问题的研究和小波变换仿真计算。 不同的小波基函数不一样，则小波分解系数的结果也带来区别。本研究中选择了 db3 小波来进行信号的分解。主要从以下几个方面考虑：①紧支性：db3 小波函数的 支撑区间为 [?2,3] ，含有 6 个非零的系数 hn ，通过快速的 Mallat 算法可得到对应的 小波系数和尺度系数；②消失矩：如果对于所有非负整数 k，对于任意的 0 ≤ k ≤ n ?1 都有 ∫ x ψ ( x ) dx