本文關(guān)鍵詞：旋轉(zhuǎn)機械強噪聲中微弱故障特征提取的研究　出處：《燕山大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 奇異值分解 強噪聲 旋轉(zhuǎn)機械 微弱信號提取 模態(tài)混疊 VMD

【摘要】：在旋轉(zhuǎn)機械故障診斷中,因為機械設(shè)備的現(xiàn)場環(huán)境十分復(fù)雜,采集到的振動信號中含有大量的噪聲。特別是振動信號中的微弱故障,故障特征能量較小,還被大量的噪聲覆沒,嚴(yán)重地影響了機械故障信號的特征提取和故障的識別。論文以旋轉(zhuǎn)機械為研究對象,對振動信號中存在的強噪聲干擾下微弱信號的特征提取進行了研究。近年來,經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)時頻分析方法被廣泛地應(yīng)用在旋轉(zhuǎn)機械振動信號的分析處理中,然而在含有強噪聲的振動信號中,噪聲會干擾EMD對于微弱信號的提取,分解結(jié)果中會有嚴(yán)重的端點效應(yīng),對于分解的質(zhì)量和效果有很大的影響。為此,論文提出了基于多分辨奇異值分解和經(jīng)驗?zāi)B(tài)分解的微弱信號提取方法,利用信號中噪聲和有用信號的相關(guān)性不同,通過多層奇異值分解提高了信噪比,實現(xiàn)了強噪聲的去除保留了微弱信號,再通過EMD和希爾伯特包絡(luò)譜結(jié)合對去噪后信號的頻率分量進行提取。通過仿真和真實故障數(shù)據(jù)實驗證明了該方法在強噪聲中提取微弱信號有很好的效果。奇異值分解作為一種非線性降噪方法被普遍應(yīng)用在信號的降噪檢測中,然而在強背景噪聲中對于微弱信號的檢測,奇異值分解效果欠佳,關(guān)于該問題,論文提出了多分辨奇異值分解,對信號經(jīng)過多次的分解,實現(xiàn)了噪聲的逐級去除,提高了信號的信噪比。再通過奇異值分解差分譜理論的方法選擇有效奇異值個數(shù),得到了去噪后的信號,EMD分解將不同分量信號提取出來,實現(xiàn)了微弱信號的提取。然而當(dāng)信號中含有兩個或多個頻帶太過接近或振幅比過小時,EMD分解不能將單頻分量正確分離,會得到虛假的分量,這樣影響了對于故障結(jié)果的判斷。針對相近頻率信號難以分離的問題,提出了變分模態(tài)分解(Variational Mode Decomposition,VMD)和奇異值分解相結(jié)合的方法。VMD分解是基于Alternate Direction Method of Multipliers(ADMM)優(yōu)化算法通過迭代搜尋變分模型的最優(yōu)解來得到每個分量的中心頻率及帶寬,從而能夠自適應(yīng)地實現(xiàn)信號在頻域內(nèi)分解以及各分量的有效分離。VMD分解具有堅實的理論基礎(chǔ),也有更強的噪聲魯棒性,在模態(tài)分離方面具有更高的頻率分辨力。但是在用VMD分解信號時需要先設(shè)定要分解的模態(tài)層數(shù)。論文將VMD方法與奇異值分解相結(jié)合,利用VMD方法較強的抗噪能力和對相近頻率信號的高分辨率特性,以及奇異值分解方法能有效去除虛假頻率的特點,首先將信號用VMD分解,然后將獲得的所有分量進行奇異值分解,通過奇異值分解檢測虛假成分,選擇適當(dāng)?shù)腣MD分解層數(shù),實現(xiàn)相近頻率成分的有效分離。針對VMD分解得到的分量出現(xiàn)端點效應(yīng)問題,采用卡爾曼濾波對端點處數(shù)據(jù)進行預(yù)測延拓,保證端點處信號能量不丟失。最后對VMD分解得到分量進行希爾伯特變換求其包絡(luò)譜,準(zhǔn)確的提取出故障信號的特征頻率,實現(xiàn)故障的識別。
[Abstract]:......
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH17

【相似文獻】

相關(guān)期刊論文 前6條

1 蕭寶瑾,郝煒;在強噪聲中進行通信的新方法[J];太原理工大學(xué)學(xué)報;2001年05期

2 甘朝虹;陳新華;黃黎;;火箭強噪聲試驗裝置跌落仿真分析[J];科學(xué)技術(shù)與工程;2012年29期

3 吳國清;自適應(yīng)分段技術(shù)在回波分析中的應(yīng)用[J];應(yīng)用聲學(xué);1985年04期

4 馬春燕,王鈞利;高速公路上不同車型源強噪聲及速度的統(tǒng)計分析[J];公路;2005年07期

5 ;強噪聲多聲源陡畸變高速列車軸承聲學(xué)診斷理論基礎(chǔ)研究[J];機械工程學(xué)報;2014年16期

6 ;[J];;年期

相關(guān)碩士學(xué)位論文 前2條

1 谷偉明;旋轉(zhuǎn)機械強噪聲中微弱故障特征提取的研究[D];燕山大學(xué);2016年

2 趙曉雨;強噪聲急性暴露對豚鼠機體和神經(jīng)認(rèn)知功能作用效應(yīng)的研究[D];中國人民解放軍軍事醫(yī)學(xué)科學(xué)院;2015年

，

本文編號：1349405