形態分量分析方法及其在機械故障診斷中的套用研究

《形態分量分析方法及其在機械故障診斷中的套用研究》是依託長沙理工大學，由陳向民擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：形態分量分析方法及其在機械故障診斷中的套用研究
• 項目類別：青年科學基金項目
• 項目負責人：陳向民
• 依託單位：長沙理工大學

項目摘要

形態分量分析方法是由Starck J L等人提出的一種新的非線性信號處理方法。與基於頻帶分析的信號處理方法不同，形態分量分析方法是一種基於信號形態的信號處理方法，它通過構建不同形態的稀疏表示字典來分離信號中的各信號成分。機械故障振動信號中通常包含了眾多的信號成分，不同的故障信號成分呈現出不同的信號形態，反映設備的不同損傷部位及其損傷程度。本項目根據機械故障振動信號中各故障信號成分的形態差異，提出採用形態分量分析方法來分離單通道機械故障振動信號中的各故障成分。在研究形態分量分析方法基本理論的基礎上，將其套用於機械故障診斷，以建立起完整、系統的基於形態分量分析的機械故障診斷方法，為機械故障診斷提供新的途徑和手段。研究成果將不僅能有效提高機械故障診斷的準確度，而且對機械故障診斷技術的深入發展具有重要的指導意義。

結題摘要

隨著科學技術的發展，機械設備日益朝著大型化、高速化、自動化方向發展。為保證機械設備的安全運行，開發有效的設備狀態監測與故障診斷技術越來越多的受到人們的重視。從機械振動信號中提取機械故障特徵一直是國內外學者研究的重點。在這一背景下，項目進行了相關的探索，提出了一種基於新的信號分析方法——形態分量分析（Morphologic component analysis，MCA）方法，並將其套用於機械故障診斷。項目主要完成了兩個方面的工作：一、對MCA方法的理論進行了研究；二、對MCA方法在機械故障診斷中的套用進行了研究，主要研究內容如下：（1）對MCA方法的算法進行了研究，並編制了軟體；（2）將MCA方法與小波、EMD等方法進行了對比分析，分析了MCA方法的優勢與不足；（3）對稀疏表示字典的自適應最佳化選取進行研究，提出了一種基於小波能量譜熵最小原則的稀疏字典最佳化選取方法；（4）對閾值函式與閾值選取進行了研究，提出一種基於模糊貼近度的改進半軟閾值去噪算法；（5）將MCA方法與重分配小波尺度譜相結合，提出基於MCA與重分配小波尺度譜的轉子早期碰摩故障診斷方法；（6）將小波能量譜熵最小原則和基於模糊貼近度的半軟閾值法相結合，提出了一種改進的MCA方法，並將其套用於齒輪箱的複合故障診斷中；（7）針對變轉速下機械故障特徵的時變特點，提出了基於信號形態分離的變轉速滾動軸承故障診斷方法；（8）提出了一種基於CPP與S變換的自適應時頻濾波方法，並將其套用於齒輪和滾動軸承的故障診斷中。 通過仿真信號和實際信號的分析表明了MCA方法以及提出的基於MCA的故障診斷方法的有效性。相比於小波、EMD等基於頻帶分解的信號分析方法，MCA方法可根據信號的形態差異性有效分離信號中的各信號成分，將MCA方法與其他分析方法相結合可有效提取機械故障特徵，進而診斷機械故障。項目的實施對豐富信號分析理論和推動機械故障診斷技術的發展具有一定的意義。