自適應信號分解方法及其在機械故障診斷中的套用研究

《自適應信號分解方法及其在機械故障診斷中的套用研究》是依託北京科技大學，由馮志鵬擔任項目負責人的面上項目。

基本介紹

• 中文名：自適應信號分解方法及其在機械故障診斷中的套用研究
• 依託單位：北京科技大學
• 項目負責人：馮志鵬
• 項目類別：面上項目

項目摘要

複雜多變信號分析在機械故障診斷中具有普遍性和重要性。常規分析方法缺乏自適應性，難以準確全面提取複雜多變信號中的豐富信息。以具有典型代表意義的行星齒輪箱為研究對象，針對振動信號的成分複雜性和時變調製特點，通過理論分析、仿真計算和實驗研究等手段，研究自適應信號分解方法及其在機械故障診斷中的套用，包括經驗調幅調頻分解、局部均值分解、本質時間尺度分解、Hilbert振動分解和基於時變濾波的改進拓展，以及自適應時頻分析和複雜多分量調製信號解調分析等方法。挖掘發揮自適應分解方法在分析複雜多變信號方面的獨特優勢，克服常規方法的局限，有效分析複雜多分量時變調製信號中蘊含的豐富特徵信息，提取幅值、頻率、相位等關鍵動力學參數及其變化特徵，解釋故障振動調製機理，全方位多角度揭示機械設備的健康狀態，識別故障原因。

結題摘要

複雜多變信號分析在機械故障診斷中具有普遍性和重要性。以具有典型代表意義的行星齒輪系統和滾動軸承為研究對象，針對振動信號的成分複雜性和時變調製特點，通過理論分析、仿真計算和實驗研究等手段，研究了自適應信號分解方法及其在機械故障診斷中的套用，包括經驗模式分解、局部均值分解、本質時間尺度分解、Hilbert振動分解、經驗小波變換和變分模式分解等單分量分解方法和基於Hilbert變換解析信號、經驗調幅調頻分解、廣義過零點、能量分離等瞬時頻率計算方法，以及自適應時頻分析和複雜多分量調製信號解調分析等方法。發揮自適應分解方法在分析複雜多變信號方面的獨特優勢，克服常規方法的局限，有效分析了複雜多分量時變調製信號中蘊含的豐富特徵信息，提取了幅值和頻率等關鍵參數及其變化特徵，解釋了故障振動調製機理，揭示了行星齒輪系統和滾動軸承等典型機械設備的健康狀態，識別了故障原因。發表學術論文19篇，其中SCI收錄14篇，EI收錄5篇，出版學術專著2本。培養博士碩士研究生12人。