基于声信号分析的机械故障诊断方法研究-机械电子工程专业论文.docxVIP

北京科技大学硕士学位论文摘要现代故障诊断需要提供多种监测手段以及数据融合，以提高监测的能力和可信度。基于声信号的故障诊断可以非接触式获得信号，因此适用于现场中某些不便于安装振动传感器的场合，如高温、高腐蚀环境，是一种有效、快速的故障诊断方法。但在实际中，临近机器或其他不相干部件辐射的噪声往往比较强，加上环境噪声的污染，使得待测部件信号往往淹没在混合噪声中，信号信噪比很低。独立分量分析(IndepcndelItComponentAnalysis，ICA)是近年来逐渐发展起来的一种新的信号处理方法，己成功应用于无线通信、图像处理、语音信号处理等领域，它为声信号故障特征提取提供了一个全新的解决思路。本课题将独立分量分析应用到机械设备故障诊断领域，围绕独立分量分析在机械故障诊断中的应用进行了理论分析和试验验证。通过对仿真信号和齿轮试验台实际声信号的分析，提出了一种独立分量分析和自相关分析相结合的故障诊断方法。具体内容如下：首先，介绍和分析了独立分量分析的原理和各种流行的实现算法，并利用比较实用的快速算法FastICA进行了数值仿真实验和语音、图像信号的分离工作，验证了算法的有效性。其次，基于对声信号物理特性的认识，构建采集机械故障声信号的硬件平台——以齿轮试验台、数据采集前端和计算机为核心的故障声信号采集系统。此系统为后续试验中采集滚动轴承、齿轮的故障声信号提供了硬件基础。最后，将独立分量分析和自相关分析相结合的方法应用于滚动轴承和齿轮的声信号故障特征提取。先用独立分量分析分离特征信号和干扰信号，再用自相关分析提取特征信号中的周期成分。试验结果表明，该方法能将故障信号从带噪混合信号中分离出来，成功地实现了典型零部件的故障诊断。关键词：声信号，故障诊断，独立分量分析，相关分析北京科技大学硕士学位论文InvestigationofMechanicalFaultDiagnosisBasedonAcousticSignalAnalysisAbstractModemfaultdiagnosisneedsvariousmonitoringmeansanddatafusion,inordertoincrea船thecapabilityandreliabilityoffaultmonitofin8．Faultdiagnosisbasedonacousticsi掣，alanalysiscarlacquiresigrlaluou-contact，soitisaneffectiveandfastfaultdia印∞ismethodforthesituationnoteasytoinstallvibrationsensor．Duetothenoisedisturbanceofsu”oundingequipmentsandenvironment,theinterestedsignalissubmergedeasilyinmixednoiseandthesig瑚dtonoiseratioislow．IndependentcomponentanalysisOCA)isareceIItJydevelopedmethodofsignalprocessing．Itissuccessfullyusedinthefieldofwirelesscommtmication,speechsignalprocessin舀imageprocessing,eI[c．Itprovidesancvrideatoacousticsignalfaultfeaturegxtra商on．ThispaperputsthemethodofICAintothefieldofmechanicalfaultdiagnosis．Bym皿Iy五ngtheemulationalsi黜andgearboxvibrationsignah，anovelapproachcombinedwithICAandauqo-cxncehtionisproposed．Thedetailsare8sfollow：Firstly,thetheoryofICAanditspopularalgorithmsisintroduced．Thedataexperimentsaredemonstrated．Andspeechsignalsandimagesign,sareseparatedwiththefastalgorithmFastlCAsuccessfully．Secondly,basedonthephysicalcharacteristicoftheacousticsignal，ahardwareplatformtoobtaintheacousticmechanicalfaultsignalisbuiltup,whichconsistsof