《經驗小波變換理論及其在機械故障診斷中的套用研究》是依託安徽工業大學，由鄭近德擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：經驗小波變換理論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：鄭近德
- 依託單位：安徽工業大學
項目摘要,結題摘要,
項目摘要
將故障模式從振動信號中分離並估計各個模式的瞬時特徵是旋轉機械故障診斷的關鍵。小波變換具有快速算法和解析度高等優點，在機械故障診斷中得到了良好的套用。但小波變換對故障模式的分離不具有自適應性。經驗小波變換（Empirical wavelet transform，簡稱EWT）以Fourier譜分割為基礎，建立一種完全自適應的小波變換，自適應地將一個複雜的多分量信號分解為若干個具有緊支集Fourier譜和瞬時頻率具有物理意義的調幅調頻信號之和，非常適合處理機械故障振動信號。本項目擬在EWT理論的基礎上提出經驗諧波小波變換，廣義經驗小波變換和基於同步壓縮變換的時變模態分解等方法，並將EWT理論引入到機械故障診斷領域，建立系統的基於EWT理論的機械早期故障和變工況機械故障診斷新方法。項目研究成果對於小波分析理論和機械故障診斷、特別是變工況機械故障診斷水平的提高都具有重要意義。
結題摘要
旋轉機械故障診斷的關鍵是將故障模式從振動信號中分離並估計故障模式的瞬時特徵。項目研究的經驗小波變換（Empirical wavelet transform，簡稱EWT）是一種完全自適應的信號分解方法，其能夠自適應地將多分量故障振動信號分解為若干個瞬時頻率具有物理意義的故障模式之和。本項目在對EWT方法深入研究的基礎上，取得了一系列研究成果。 （1）對EWT及其理論問題進行了深入研究。為解決EWT中頻譜的自適應分割問題，提出了自適應無參經驗小波變換；並結合改進歸一化希爾伯特變換，提出了一種新的時頻分析新方法；提出了自適應部分集成經驗模態分解以及改進經驗小波變換的時頻分析方法，並套用於恆定轉速條件下轉子系統碰摩故障以及滾動軸承的故障診斷中； （2）針對時變信號的模態分解問題，提出了適合時變模態信號處理的廣義解析模態分解及廣義變分模態分解，並套用於變轉速工況下齒輪的故障診斷；同時還提出了參數最佳化變分模態分解與包絡階次譜的滾動軸承變工況故障診斷方法。 （3）為了有效地表征滾動軸承及齒輪箱的非線性故障特徵，將多尺度複雜性理論套用到機械故障特徵的表征。特別地：(a) 為了克服現有多尺度熵的缺陷，提出了衡量時間序列複雜性的新方法——複合多尺度模糊熵，並提出了基於複合多尺度模糊熵特徵提取，Fisher得分特徵選擇和支持向量機的滾動軸承診斷方法。(b) 針對現有樣本熵和多尺度熵分析時間序列複雜性時捕捉不到高頻組分信息的局限，提出了複合層次模糊熵，並提出了基於複合層次模糊熵、拉普拉斯分值特徵降維和支持向量機的滾動軸承故障診斷方法。(c) 將多變數複合多尺度熵理論引入到機械故障診斷中，提出了衡量多通道信號複雜性的多變數多尺度模糊熵以及精細複合多變數多尺度模糊熵等方法，能夠有效地識別滾動軸承和齒輪箱故障特徵。 綜上，項目在故障模式的分離與非線性故障的表征，等方面取得了一定的研究成果，並在此基礎上，提出了一系列基於EWT的旋轉機械故障診斷方法，為故障模式的分離和故障特徵提取及智慧型診斷提供了新的途徑。
