张海勇[1]2001年在《基于局域波法的非平稳随机信号分析中若干问题的研究》文中认为Huang等[1998年]提出的理论和计算方法，特别适用于非线性、非平稳信号的分析与处理，其核心是局域波分解方法。通过局域波分解，任何复杂的信号都能被分解成有限个基本模式分量。对分解得到的各基本模式分量进行Hilbert变换之后，就可以得到信号的瞬时频率，从而可以给出信号频率变化的精确表达。信号最终被表示为时频平面上的能量分布图，被称为Hilbert谱。由于这种信号分解方法是自适应的，因此也是高效的。因为该分解方法是基于信号局部特征的，因此它适用于非线性、非平稳信号的处理。该方法的主要创新是基于信号局部特征的基本模式分量的引入，从而使瞬时频率具有实际的物理意义，而复杂信号的瞬时频率的引入，可以消除代表非线性、非平稳信号的伪谐波的需要。该方法被称为局域波法。 本文对局域波法进行了深入的研究，并在此基础上研究了非平稳随机信号分析与处理的若个问题，提出了几种新的非平稳随机信号分析与处理的方法，主要内容有： 对局域波法进行了深入的研究。研究了影响局域波法性能的一些因素，并提出了改善该分析方法效能的具体指标及措施，这些指标及措施对局域波法的实际应用具有重要意义；通过对实际齿轮箱振动信号的分析研究，找到了用Hilbert时频谱及Hilbert时频谱的边界谱来识别齿轮故障磨损程度的新方法；对局域波法目前存在的问题进行了深入的分析，提出了这一领域需要进一步研究的有关问题。 结合局域波法，提出了一种抑制时频分布交叉项的新方法——局域波分解及其Wigner-Ville分布。该方法首先对信号进行预处理，利用局域波分解方法把复杂的信号分解成有限个基本模式分量，然后再对其计算Wigner-Ville分布，来达到抑制交叉项的目的，因而它不会对信号项产生拉平的负面作用。即便是两个信号分量在时频平面上相距足够近，该方法也能有效地抑制交叉项。因此，该方法在有效地抑制了时频分布交叉项的同时，保留了Wigner-Ville分布的所有优良特性。 对局域波分解方法进行推广，提出了一种处理方差平稳随机信号的通用方法——信号分解法。它利用一种信号的分解方法对信号进行分解，得到方差平稳随机信号的趋向性序列，其余部分便是方差平稳随机信号中剔除趋向性后的零均值的平稳随机信号，它可用平稳随机信号模型（AR，MA与ARMA模型）来研究。该方法简单、通用，是处理方差平稳随机信号的一般方法，且无需趋向性的任何先验知识。该方法得 大连理工大学博土学位论文到的趋向性序列能更准确地逼近非平稳随机信号的趋向性曲线。 在局域波法的基础上，提出了一种新的非平稳信号的时变参数模型分析方法——局域波分解及其时变参数模型。用它分析数据需两个基本步骤：首先，用局域波分解方法把待处理信号分解成有限个基本模式分量。接着，对分解得到的基本模式分量建立时变参数模型，从而得出时频平面上的时变参数模型谱。根据建立的时变参数模型的不同，该方法可分为局域波分解及其时变参数AR模型法和局域波分解及其时变参数ARMA模型法。该方法扩展了传统的时变参数模型法的应用范围，可用于一些复杂的非线性、非平稳信号的处理。
王奉涛[2]2003年在《非平稳信号故障特征提取与智能诊断方法的研究及应用》文中指出在工业生产过程中，人们希望能够对设备故障实现早期预报，防患于未然，保证设备安全、稳定、长周期、满负荷优质运行，避免旧的维修体制中存在的“过维修”或“欠维修”现象，充分发挥设备的效益。在此情况下，设备故障诊断学应运而生，并吸引大量的科研人员从事这方面的研究，促使该学科不断发展和完善。 随着设备向着高速度、高功率、高可靠性、大型化的方向发展，使得传统的故障诊断技术难以胜任复杂设备的故障诊断。本文正是基于此考虑，把局域波时频分析方法和人工智能-守法引入到故障诊断领域，以解决复杂设备的故障诊断问题。 首先，针对复杂设备系统的非线性和表面振动信号的非平稳性，引入了局域波分析方法。局域波分析方法的重大突破在于用基于信号局部特征的多个基本模式分量来描述信号，并赋予每个基本模式分量具有实际物理意义的瞬时频率。它有效地克服了用传统方法进行非平稳信号分析中产生无意义谐波分量的缺点。另外，通过局域波分析可把复杂的实测数据分解成有限个基本模式分量，从而简化信号分析过程，降低信号分析误差。 然后，从信息论的角度分析了人类智能活动的一般过程，总结了复杂设备系统故障诊断的特点，给出了智能故障诊断系统的一般框架。在此基础上，主要进行了以下的研究工作。 1．提出了基于Chebysbcv数值逼近的数据序列延拓算法，解决了局域波分解过程中的边界问题。该方法具有模型简单、所需的观测样本容量小、易于在线计算及预测精度较高的特点，实现快速而准确的局域波分解。 2．特征提取是当前机械故障诊断中的瓶颈问题，它直接关系到故障诊断的准确性和早期预报的可靠性。在局域波理论的基础上，引入了时频局部能量的概念，进而提出了一种基于时频局部能量的特征提取方法。时频局部能量更好地反映了信号频率特征的时变特点，为准确地分析和处理非平稳信号提供了有效的手段。同样基于局部能量的思想，提出了一种基于小波包分解的频带局部能量特征提取方法。 3．从人工神经网络故障诊断模型的特点出发，通过局域波法进行特征提取，利用粗糙集理论确定最优的决策系统，提出了粗糙集-局域波-神经网络智能故障诊断系统模型。该模型较好地解决了神经网络结构、训练样本的大小、大连理工大学博士学位论文摘要样本质量等对人工神经网络的精度及泛化能力有直接影响的问题，减少了训练所需的计算量和时间，提高了诊断精度。 4.在分析D一S证据理论和神经网络技术的优缺点及之间互补性的基础上，提出了一种基于D一S证据理论的多神经网络故障诊断方法。通过两者的结合，不仅解决了随着诊断参数的增多，神经网络结构逐渐庞大而造成的一系列问题，而且也为D一S证据理论中基本可信度分配的构造提供了有效的方法。同时，针对相互冲突证据体的融合问题，给出了更为合理的融合推理公式。诊断实例表明，该方法具有较高的诊断准确性和可靠性。 最后，以中国一汽变速箱厂生产的G79004变速箱为背景，融合传统故障诊断方法和本文提出的几种新方法，开发研制了“汽车变速箱性能检测系统”。该系统是集测试、实时监测显示、报警、信号分析、诊断于一体的综合监测系统。本文介绍了测试系统的设计方案，详细论述了基于软件复用的设计思想和设计过程，’并就C/s模式系统设计的特点进行了分析，确定相应的解决方案。 工程应用表明，利用而不是忽略复杂设备系统的非线性和表面振动信号中 的非平稳性特征，来建立相应的智能故障诊断系统，可以获得更有物理意义的 诊断结果，实现准确的故障诊断。
邹岩昆[3]2004年在《局域波分析的理论方法研究及应用》文中进行了进一步梳理近年来,设备监测诊断中非平稳信号的分析一直是一个复杂而有意义的研究课题,局域波分析方法在几年的发展过程中,逐渐成为分析非平稳信号的有效方法之一。本文在总结前人研究成果基础上,结合工程实际需要,对局域波分析方法作了进一步的研究和发展,并以此为基础,在机械设备的诊断方法上进行了探索性的研究。 针对设备监测诊断中存在的非平稳问题,引入了局域波分析方法。该方法从信号瞬时频率的角度出发,将非平稳时变信号分解成为有限个局域波分量,每一个分量描述了时变信号中不同频率和尺度范围的固有振动模式,瞬时频率可以在每一个分量中随处定义。经过Hilbert变换得到局域波时频谱能够同时提供时域和频域的信息。 针对局域波分析方法目前的研究状况,分析了该方法中存在的问题:分解方法中的边界问题、分量的瞬时频率估计以及如何合理选择采样频率等问题。提出了基于包络均值法的改进算法;分析并验证了利用相位差分法进行瞬时频率估计的有效性和精确性;给出了进行局域波分析,信号采样频率的选择标准。 在此基础上,研究了局域波分析的频率多分辨特性及分解的尺度滤波特性,给出了不同时频谱图的频率分辨率的计算式和滤波器的表达式。通过对加噪信号的有效去噪检验了尺度滤波的可行性。提出了基于局域波时频谱的边界谱分析,以及频带能量分析方法,并运用这些方法对旋转机械和往复机械的不同故障进行了有效的诊断。 以一维局域波分解方法为基础,研究了二维局域波分解方法,对边界处的极值判断方法作了改进,有效的解决了插值曲面的边界摆动。制定了合理的筛选停止准则和分解停止准则。通过对图像去噪,检验了二维分解对于提取图像局域细节信息的有效性。同时,提出了基于二维局域波分解的图像诊断方法,通过对时频灰度图像的二维分解提取表征故障信息的图像细节部分,有效地实现了故障的特征提取。 以上研究工作在一定程度上丰富和完善了局域波分析方法,诊断应用表明本文中提出的方法能够有效的识别故障,解决实际问题。
胡红英[4]2006年在《局域波分解方法、特征剖析及应用研究》文中研究指明随着科学技术的不断发展，非平稳信号处理方法及其在工程中的应用研究越来越受到人们的重视。无论是在雷达信号处理领域还是设备故障诊断领域，非平稳信号处理一直都是一个困扰人们的复杂而有意义的课题。各种各样新方法、新技术的提出为解决非平稳问题注入了新的活力。局域波理论就是其中最新技术之一。局域波理论在十几年的发展过程中，逐渐展现出它在非平稳信号处理领域的优势。但这种理论还不是很完善，仍需进一步探讨；同时，其应用方法和应用领域仍需进一步研究。本文基于这个思想，并根据国家自然科学基金项目“局域波法及其工程应用研究”(50475155)，结合前人的研究和工程需要，对局域波理论和方法进行了深入的研究，并在工程应用方法上进行了新的探索。主要的工作如下： (1) 根据局域波分解与小波分解的相似性特点，总结了局域波分解特性，比较了局域波和小波分解在理论及应用领域——一、二维信号分解、奇异性检测、数据压缩、时频分析等方面的异同，为局域波的深入研究提供了思路。 (2) 针对现有的局域波分解算法，分析了它的分解能力，给出了分解误差随采样频率变化的曲线和两正弦信号迭加时的可分区域图，解释了局域波对正(余)弦调幅信号和加和信号不可分的原因，指出了局域波分解的高频模式分量可能存在不满足Hilbert变换的前提条件的可能性，建议应对高频模式分量慎用Hilbert变换；此外，还全面分析了局域波分解存在过分解、产生伪分量的原因，提出了用基本分量与原信号的相关性，来检验分量可靠性的方法，并给出了处理伪分量的思路。 (3) 根据噪声往往处于高频段的特点，对局域波分解的前几个分量进行噪声分析，根据白噪声与任何信号不相关的特点，提出了分解分量的噪声评判标准，并在此基础上建立了基于相关分析和噪声评判的信号降噪方法。变速箱故障诊断的实例说明了此降噪方法对非平稳信号降噪很有效。 (4) 从局域波分解具有能精确提取趋势的特点入手，建立了局域波分解分量的趋势评判标准，即用局域波分解分量的标准均值来确定哪些分量被趋势成分污染，用标准均值远离零点的分量(序数为D)和其后面的分量加上趋势项来重构信号，得到信号的缓变趋势。并把此理论应用在缓变瞬时频率的提取、非参数密度和回归估计等方面；并在此基础上，分析了柴油机不同喷油状态下燃烧段的绝对趋势，从而为分析喷油状态提供了重要的特征信息。 (5) 在故障特征提取方法方面，结合近似熵对波形复杂性的定量特点，提出了局域波和近似熵相结合的局域波近似熵特征提取法，建立了分辨故障的有效特征；进而，
苗刚[5]2006年在《往复活塞式压缩机关键部件的故障诊断方法研究及应用》文中认为机械设备监测与故障诊断技术是一门综合性技术，从本质上来讲是一个机器运行状态的模式识别问题，其关键就是故障信号的特征提取与分类。由于往复式压缩机在工业生产中的重要作用，其故障诊断的研究具有重要意义。本文基于国家自然科学基金项目“局域波法及其工程应用研究”(50475155)，在总结和汲取别人研究成果的基础上，以往复式压缩机表面振动信号为研究对象，结合适用于非平稳信号分析的局域波法、分数阶Fourier变换等方法，有效实现了往复式压缩机故障特征的提取，引入模式分类方法并加以改进，实现了故障的准确分类与故障程度的量化。本文的主要工作如下： 1．在分析往复式压缩机结构特征的基础上，总结了表面振动响应与主要激振源和传递路径的关系。结合长期在往复式压缩机振动测试中遇到的问题，阐述了信号可重复性的意义，指出信号的可重复性是往复式压缩机故障诊断的一个重要性质，它对于故障诊断工作的顺利开展有着深远的影响。通过对往复式压缩机实测信号的分析，发现同一部件不同测量位置及测试参数条件下，得到信号的能量与谱型均有较大差异。因此，只有在测试条件相对不变的前提下获取的信号，才能有效应用于往复式压缩机的故障诊断。 2．着重分析了局域波法的分解特征，尤其是采样频率的影响，分析了局域波分解误差的构成形式，总结了信号的分解误差与采样频率的关系，指出在应用局域波分解时应尽可能对信号进行过采样。比较了不同分解方法对同一信号的分解能力，发现当前的局域波分解方法均不能有效的抑制分解误差。根据上述研究结果，提出了一种基于重采样插值的局域波分解方法，以实例证实了其在特征提取中的有效性。 3．引入局域波自回归谱，证实了其在往复式压缩机故障特征提取中的有效性。针对实测信号的时频分布噪声干扰严重的现象，将分数阶Fourier变换应用于信号的时频分布的降噪。受到分数阶域滤波的启发，提出了一种基于分数阶Fourier变换的局域波分解方法，有效的解决了一类信号的局域波分解问题，拓宽了局域波分解的适用范围。 4．将聚类分析与往复式压缩机故障诊断相结合。分析了不同测度对往复式压缩机故障分类的影响，提出了一种基于J散度和局域波自回归谱的层次聚类算法，并应用于往复式压缩机的故障诊断，收到了良好的效果。探讨了在故障特征参数分类效果评判中应用模糊聚类的可行性，得出了基于振动绝对值的特征参数应该在诊断中谨慎使用的结论。重点研究了基于竞争学习的在线聚类方法，提出了一种改进的基于评判的在线聚类算法，分析了其在往复式压缩机故障诊断中的效果，证实此改进算法具有良好的分类能力。
郝志华[6]2005年在《基于局域波法和盲源分离的故障诊断方法应用研究》文中提出机械故障诊断是以机器学为基础的一门综合性技术,它的本质是一个机器运行状态的模式识别问题,其关键就是故障信号的特征提取与分类。近年来,为满足对机器故障进行早期检测与精确诊断的需要,非平稳、非高斯信号处理方法在机械故障诊断领域受到了广泛关注。为此,本文基于国家自然科学基金项目“局域波法及其工程应用研究”(50475155),利用非平稳、非高斯信号处理理论中的局域波法、Wigner高阶时频表示和盲源分离理论,结合模式识别与机器学习领域的研究成果,对非平稳、非高斯的机械振动信号特征提取与故障诊断问题进行了广泛而深入的研究。主要的工作如下: 1.应用局域波法对机械振动非平稳信号进行了研究。通过与小波变换和几种时频分析方法的比较,表明局域波法对于非平稳信号的分析更具有效性。实验结果表明,局域波时频分析能够清晰地表征不同故障的时变特征。由于局域波时频谱是一种二维的信号表示形式,在计算机对故障自动分类时,涉及到维数压缩的问题。为了用尽可能少的维数表示时频谱而不损失分类精度,几何矩和边缘分布可以作为时频分布的特征。在此基础上,结合人工神经网络,提出了一种基于局域波几何矩和边缘的故障诊断方法。 2.研究了基于局域波法的多分量神经网络预测模型的有效性,用于对非平稳系统时间序列进行建模。通过太阳黑子数据的仿真试验,验证了该多分量结构比对应的单一神经网络结构性能优越。最后根据该方法组成了一个自回归时间序列模型库,用于转子故障的模型诊断中。这些模型可以用做一步向前预测器,对检测和诊断信号进行比较。从预测误差提取特征,能够确定机器的状态。不同故障状态的转子振动信号用来训练和检验模型。实验数据表明,在适当训练样本长度下,这种方法用于故障诊断,可以实现故障的正确分类。 3.研究了高阶时频分布在振动冲击信号特征提取中的应用问题。在机械状态监控中,冲击信号的检测对于提取机器的状态信息是很有用的。通过Wigner高阶矩谱可以有效地对这样的非平稳、非高斯振动冲击信号进行特征提取和检测。针对高阶时频分布分析多分量信号时存在交叉项的问题,提出了一种利用局域波分解来减少Wigner高阶矩谱交叉项的方法,以仿真信号为例,验证了此方法的有效性;通过对现场测试的柴油机爆燃阶段信号的Wigner高阶矩谱分析,验证了该方法在机械故障特征提取中具有很好的应用潜力。最终表明,通过该方法可以提取有价值的关于冲击信号的时间和谱特性的量化信息。基于局域波法和盲源分离的故障诊断方法应用研究 4.提出了一种基于局域波时频图像的盲源分离故障诊断方法。独立成分分析 (ICA)是实现盲源分离最有效的方法之一。ICA可以认为是PCA特征提取技术的推广。ICA能够提供图像的局部特征,给出较好的图像表示。针对局域波时频图像可以表征不同故障振动信号的特点,应用盲源分离技术对不同故障信号的局域波时频图像进行独立分量分离,提取代表当前工况特征的投影系数矩阵,作为故障特征,利用神经网络实现不同故障的自动分类。最后以转子的早期摩擦,基座松动,不对中故障振动信号为例,应用该方法进行了研究,实验结果证明了该方法的可行性。 5.为了有效提取故障特征信号,需要在不同位置进行多传感器的振动信号测量。针对多源混合的非平稳、非高斯设备故障振动信号,应用非平稳信号的盲源分离算法,可以有效地提取各自独立的非平稳振动源,从而更加准确地进行机械故障诊断。首先,针对不同时频分布的非平稳盲源分离算法,通过仿真信号比较了它们的分离效果。然后以转子的复合故障为例进行了实验验证。在此基础上,提出了一种基于盲源分离的多传感器数据融合故障诊断方法。实验结果证明该方法能够提高故障诊断的精度。关键词:机械振动;故障诊断;局域波法;高阶时频分布;盲源分离
任全民[7]2006年在《非平稳信号特征提取方法在超高压压缩机故障诊断中的应用研究》文中指出机械故障诊断是以机器学为基础的一门综合性技术，它的本质是机器运行状态的模式识别问题，其关键就是故障信号的特征提取与分类。论文基于国家自然科学基金项目“局域波法及其工程应用研究”(50475155)和往复式压缩机故障诊断的横向课题，以现场工作的超高压聚乙烯压缩机为研究对象，利用压缩机的振动信号实现了它关键部件的状态监测与故障诊断。本文针对往复式压缩机主要部件的故障机理及其振动信号的特征，分别引入了适合分析它们的方法——局域波法、广义分形维法和改进的小波包阈值消噪方法，以便准确地从中提取可靠的故障特征。在特征提取的基础上，对往复式压缩机在线监测和智能诊断的方法进行了研究。并在现场工作的超高压聚乙烯压缩机状态监测中验证了这些方法的有效性。本论文主要的工作如下： 1．以超高压聚乙烯C-2二次压缩机为例介绍了往复式压缩机的工作原理和结构特征，总结了往复式压缩机主要零部件的故障机理和失效形式；使用振动信号对压缩机的关键部件进行了状态监测，规划了每列气缸主要零部件测点的位置和检测参数；使用传统信号处理方法对比分析了各测点振动信号的特征，初步得到了压缩机振动信号的一些统计特征，为使用振动信号实现往复式压缩机的故障诊断奠定了基础。 2．在深入研究局域波理论基础上，结合高阶统计量的方法，提出了一种往复式压缩机气阀特征提取的新方法。建立了气阀振动信号的多调幅调频模型，利用局域波法的多分辨性和分解信号自适应性，对振动信号实现了解调分析并得到了它的特征频段；通过特征频段瞬时幅值的归一化处理，并计算包含气阀故障信息的高阶统计量参数；试验结果证实了这些特征参数很好地反映了气阀的劣化过程，对压缩机气阀的故障诊断具有很好的工程适用性。 3．实现了基于振动信号分析的填料密封故障诊断。研究了往复式压缩机填料密封的故障机理，鉴于填料函处振动信号的复杂性，传统信号处理方法无法满足故障诊断的要求，使用了多重分形理论对非线性振动信号进行了研究分析；为了能够获取淹没在噪声中微弱信号的几何结构信息，将原始信号转化为它的分贝值形式；试验的结果表明广义维数谱能够很好地反映填料密封的工作状态，该方法为往复式压缩机密封件的故障诊断提供了新的思路。 4．提出了一种往复式压缩机传动部件早期故障检测的方法。在小波包变换和阈值消噪的基础上，引进了小波包系数极大似然阈值估计的方法，并使用小波包系数的Shannon熵选择了最佳的小波包函数；该方法可以实现强噪声背景下弱冲击信号的提取，使用模
王珍[8]2002年在《基于局域波分析的柴油机故障诊断方法的研究及应用》文中研究说明近年来，机械设备故障诊断技术在国内外得到了较大的发展，在国民生产中起到了重大的作用。柴油机作为机械设备领域的一部分，由于其用途的特殊性使得故障诊断的研究更具有重要意义。本文在总结和汲取别人研究成果的基础上，结合实际课题要求，引入适用于非平稳信号分析的新方法，从柴油机表面振动信号中获取故障特征信息，有效实现了柴油机的故障诊断。 首先，从柴油机表面振动信号的产生机理出发，论述了柴油机的主要激振源、表面振动响应信号及它们之间的内在关系，同时分析了振动信号的传递路径。研究表明，利用柴油机表面振动信号对其进行不解体故障诊断是可行性的。 然后，针对柴油机系统的非线性和表面振动信号的非平稳特性，引入局域波分析方法。局域波分析方法的重大突破就是用基于信号局部特征的多个基本模式分量来描述信号的特征，并赋予了每个基本模式分量具有实际物理意义的瞬时频率。它有效克服了用传统方法对非线性、非平稳信号分析时产生无意义谐波分量的缺点。另外，通过局域波法可把复杂的实测数据分解成有限个基本模式分量，从而简化了信号分析过程，降低了信号分析误差。并在此基础上，研究、提出和实现了以下几种方法： 提出了应用局域波时频谱和局域波边界谱对柴油机进行状态监测和故障诊断的新思路，解决了柴油机故障诊断中的一些实际困难。本文通过对仿真信号多种时频方法分析的比较，说明了局域波时频分析方法具有一定的优越性，并利用该方法成功的实现了车用柴油机缸套活塞间磨损故障的诊断。同时通过实验信号的局域波边界谱和功率谱分析比较，突出了局域波边界谱分析的可行性和优点。 针对各基本模式分量的特殊意义，结合时间序列分析的工程应用，提出了局域波自回归谱分析方法。对于故障类型和故障程度的识别上，提出了局域波K-L信息量故障诊断方法，并灵活的用于柴油机故障诊断中。因此局域波分析方法和时间序列的有机结合，对于解决柴油机系统造成的复杂问题有着特殊重要的意义。 研究了利用分形技术对柴油机进行故障诊断的一般过程，提出了局域波分形分析方法，即利用局域波分解后的各基本模式分量的关联维数的大小及变化，来刻画系统工作状态，并成功的应用于柴油机故障诊断中。该方法能够通过对各基本模式分量的分析，获取柴油机的故障类型和故障程度，从而把分形技术在柴油机故障诊断中的应用推进了一步。 接着，通过对柴油机表面振动信号的长期进行测试、分析、诊断及经验的积累，提出了一种实用型气缸压力识别的方法，并作了简单理论验证，该方法在柴油机故障诊断中起到了积极的作用。 最后，以大连港务局香炉礁港务公司流动机械为背景，针对目前流动机械管理落后、性能检测困难、维修费用高等现存问题，融合传统故障诊断方法和本文提出的几种新方法，开发研制了“港口流动机械故障诊断与预知维修系统”。同时对数十台车用柴油机进行了长时间、定期巡检式检测，并对大量的测试数据进行了分析，初步制定了适于该公司流动机械预知维修的执行标准，提出了设备振动检测、故障诊断和劣化报警的统一 大连理工大学博士学位论文 摘 要方法体系，并实现了设备管理、故障诊断和保养维修一体化。 工程应用表明，利用而不是忽略柴油机系统的非线性和表面振动信号中的非平稳性特征，可更加准确的提取柴油机工作状态的特征参数，从而获得更有物理意义的诊断结果。
苑宇[9]2006年在《重构吸引子奇异值分析与时频域分形在往复机振动分析中的应用研究》文中研究表明在现代化生产中，机械设备系统的状态监测和故障诊断问题越来越受到重视，它具有很大的实用价值和经济价值。近几年来，有许多国内外学者对此进行了很多研究，提出了故障诊断的新方法、新技术。传统的时域分析、频域分析和相关函数分析在故障诊断应用中得到了不断的改进，灰色关联度、模糊诊断、智能专家系统、小波分析及神经网络等方法在定性分析系统的运动状态中得到广泛的应用。但是以往复式机械为代表的复杂机械的振动信号具有强烈的非线性和非平稳性，分析人员很难从具有复杂成份的信号中提取准确的故障特征。非线性理论的发展为大型复杂非线性系统的故障诊断提供了新的思路。本文基于这个思想，结合前人的研究与工程实际，对非线性动力学的若干方法及其在工程实际中的应用进行了一定的分析和研究。文章主要的工作如下：(1)分析总结了分析非平稳信号的有力工具—局域波法的时频分析特性：局域波法的瞬时频率特性、局域波的时频分布特性、内蕴函数的递推形式与局域波法的多分辨分析特性。(2)介绍了非线性理论中的常用方法如：相空间重构的方法、延迟时间与嵌入维数的选择、复杂系统中的混沌及经典的混沌系统，并提出了基于振动信号重构吸引子提取特征的思路。(3)提出了基于振动信号重构吸引子SVD降噪的改进局域波分解方法，分析了SVD的降噪过程与基于奇异值的定阶过程，通过仿真实例与工程实例比较说明了该方法的优点，利用该方法提高了局域波法的分解能力，使得局域波分解的分量更有意义，提取的特征更准确。(4)提出了对局域波分解分量进行相空间重构，并计算重构吸引子的奇异熵实现特征提取的方法。通过工程实例的分析并与现有方法的比较，说明了该方法提高了诊断精度，切实可行。(5)提出了时频域多重分形的思路。并将该方法实际应用于故障诊断之中。信号局域波分解的时频域幅值矩阵经过网格划分后，通过最小二乘法计算出广义维数D_q。应用振动信号时频域多重分形方法在往复式压缩机填料泄漏故障进行了实例分析。实测往复式压缩机的振动信号分析表明，时域信号的多重分形只对早期填料泄漏故障较为敏感，时频域多重分形方法随着故障程度的增加其广义维数增加，能够较好的区分故障的严重程度。实践证明该方法在实际应用中切实可行。(6)分析介绍了往复式机械状态监测的关键技术，并结合工作实际提出了往复式压缩机在线监测系统的设计方案。
参考文献：
[1]. 基于局域波法的非平稳随机信号分析中若干问题的研究[D]. 张海勇. 大连理工大学. 2001
[2]. 非平稳信号故障特征提取与智能诊断方法的研究及应用[D]. 王奉涛. 大连理工大学. 2003
[3]. 局域波分析的理论方法研究及应用[D]. 邹岩昆. 大连理工大学. 2004
[4]. 局域波分解方法、特征剖析及应用研究[D]. 胡红英. 大连理工大学. 2006
[5]. 往复活塞式压缩机关键部件的故障诊断方法研究及应用[D]. 苗刚. 大连理工大学. 2006
[6]. 基于局域波法和盲源分离的故障诊断方法应用研究[D]. 郝志华. 大连理工大学. 2005
[7]. 非平稳信号特征提取方法在超高压压缩机故障诊断中的应用研究[D]. 任全民. 大连理工大学. 2006
[8]. 基于局域波分析的柴油机故障诊断方法的研究及应用[D]. 王珍. 大连理工大学. 2002
[9]. 重构吸引子奇异值分析与时频域分形在往复机振动分析中的应用研究[D]. 苑宇. 大连理工大学. 2006